基于计算机视觉技术的玉米植株高度检测的研究

玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。     

基于数字图像处理技术的叶绿素含量检测系统

采用数字图像处理技术对叶片图像进行图像分割,将叶片从背景图像中分离出来,并针对叶片图像的各种颜色特征值与叶绿素含量进行相关性分析,建立回归模型。将拟合度最高的颜色特征值作为预测叶绿素含量的最佳模型。实验表明:采用此方法检测的叶绿素值与传统分光光度计检测方法相比较,准确率达到了89.7%;采用的颜色特征值与叶绿素含量的相关性达到-0.968。     

基于计算机视觉的水稻叶绿素含量测定

叶绿素含量影响植物的各种生理机能,准确测定水稻叶绿素含量有利于了解水稻的光合作用能力,为高产育种和栽培提供依据。叶绿素含量的测定方法有多种,传统测定方法步骤繁琐且耗时费力,而便携式叶绿素仪只能进行点测定。计算机视觉是一种快速便捷的图像处理技术,可以用于作物的色素含量测定和营养状况诊断。为此,设计了一种基于计算机视觉的水稻叶绿素含量测定方法,叶片图像通过扫描获得,经过处理并提取叶片轮廓后以G-R、B-R和R/(G+B)等3个颜色特征参数建立叶绿素含量的估算模型。结果表明:以G-R和R/(G+B)建立的模型精度较高,对检验样本SPAD值拟合方程的决定系数和斜率都接近1,可以用来准确测定水稻的叶绿素含量。     

机器视觉技术在大豆叶片叶绿素含量测算上的应用

植物叶绿素含量测算方法有很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具。随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,在农产品诊断领域应用计算机视觉已变得越来越具有吸引力。为此,应用计算机视觉技术对大豆叶片叶绿素含量进行了测算。大豆叶片叶绿素含量的多少是进行合理施肥的前提,因此具有非常重要的意义。     

计算机视觉系统下缺素番茄叶片彩色图像研究

基于计算机视觉系统分析研究缺素番茄叶片的色彩图像,可以准确提取出缺素番茄叶片色彩图像的特征。对当前缺素番茄叶片色彩图像特征提取中,可以运用计算机视觉,优化设计图像处理软件,依据番茄叶片颜色特征来完成缺素番茄叶片的识别。实验表明:基于计算机视觉系统,优化设计缺素番茄叶片色彩图像特征提取软件,可提升缺素番茄叶片色彩图像分析精度(提升32.0%),准确判断提取缺素番茄叶片图像的特征。基于计算机视觉系统,进行缺素番茄叶片的色彩图像特征提取,有效提高了缺素番茄叶片色彩图像分析精度,可在实践中推广应用该技术。     

用叶绿素测值(SPAD)评估夏玉米氮素状况的实验研究

比较了 2 0 0 0年北京永乐店夏玉米生长过程中 ,不同水分、氮素处理条件下反映叶片叶绿素含量的SPAD值的变化过程 ,并且就生育期内平均 SPAD值与作物产量 ,水分生理利用效率之间的关系进行了分析。结果表明 ,采用叶绿素仪可以较好的对夏玉米生长过程中作物氮素状况对生长的影响进行评价和预测。     

用叶绿素测值（SPAD）评估夏玉米氮素状况的实验研究

比较了2000年北京永乐店夏玉米生长过程中，不同水分、氮素处理条件下反映叶片叶绿素含量的SPAD值的变化过程，并且就生育期内平均SPAD值与作物产量，水分生理利用效率之间的关系进行了分析。结果表明，采用叶绿素仪可以较好的对夏玉米生长过程中作物氮素状况对生长的影响进行评价和预测。     

作物叶片叶绿素动态监测系统设计与试验

为了实现作物生长过程中叶绿素的动态在线监测,设计开发了一款叶绿素在线检测传感器系统。应用可见-近红外(660、880 nm)波段光谱检测植物叶绿素含量的体积小、功耗低的模块,通过AD转换电路、数字滤波电路得到叶片反射光数字信号,利用灰度板对反射光信号进行反射率校准,660 nm和880 nm波段的反射率校正模型的R~2分别为0. 999 6和0. 999 5;取10个不同等级叶绿素溶液样本共80个,使用国标法检测叶绿素含量后将溶液倒入无纺布开展叶绿素梯度仿真测量。叶绿素检测模块测量双波长反射率后,分别计算归一化差值植被指数(NDVI)和叶绿素指标SPAD指数值。建立相应的叶绿素含量检测数学模型,其决定系数R~2分别为0. 955 7、0. 958 7。开展活体植株叶绿素检测验证试验,叶片原位光谱测量后,再将叶片剪碎,使用国标法测量叶绿素真实值,检测样本与真实值的相关系数分别为0. 888 7、0. 874 5。进而开展在线动态监测试验,实时监测水肥胁迫组和正常水肥管理对照组玉米幼苗植株,监测90 h内的叶绿素含量变化,可知,相同管理条件下植株叶绿素含量变化规律大致相同,受水肥胁迫的影响,水肥胁迫组的叶绿素浓度呈下降趋势。证明了传感器系统在线监测作物叶绿素动态的可行性,可为农作物生长与胁迫动态监测提供技术支持。     

基于双目立体视觉的苗期玉米株形测

将田间正常生长的待测玉米植株带土移至测定台上,标定双目立体视觉系统,提取、分割叶片图像,以Douglas-Peucker多边形法逼近叶片边缘,去除两幅对应图像中没有匹配关系的多边形顶点,结合投影矩阵计算出叶片边缘点的三维坐标.分别投影叶片边缘点到植株平面和植株水平平面,对投影的离散点分段二次拟合、Cardinal样条插值,得到代表叶片形状的曲线,计算出叶长、叶片着生高度、茎叶夹角、叶片方位角等株形指标.测量实验表明,本方法快速、准确、自动化程度高,能够满足苗期玉米株形测量的要求.     

基于叶面叶绿素分布特征的黄瓜叶片氮钾元素亏缺诊断

利用高光谱图像技术无损表征黄瓜叶片的叶绿素分布特征,并将其作为N、K元素亏缺诊断依据。采集黄瓜叶片的高光谱图像数据,利用高效液相色谱法分析黄瓜叶片的叶绿素含量,利用遗传算法建立叶片高光谱图像信号与叶绿素含量的对应关系,进而实现黄瓜叶片叶绿素分布图的无损检测。与对照组叶片的叶绿素分布图相比,缺N叶片主要表现为叶片中心区域叶绿素含量偏低,而缺K叶片主要表现为叶片边缘的局部区域叶绿素含量偏低。据此分别提取缺N、缺K叶片及对照组叶片的叶绿素及其分布特征(叶片中心区域所有像素点的叶绿素含量均值、叶片边缘区域叶绿素含量偏低的像素点数量),并借助提取的特征参数建立了N、K元素亏缺诊断方法,其正确诊断率为95%。研究结果表明,叶绿素叶面分布特征可有效实现黄瓜植株N、K元素的亏缺诊断。     

荧光成像技术在植物病害检测的应用研究进展

植物病害阻碍植物正常生长,对蔬菜产品品质安全造成威胁,病害检测可以有效控制植物病害发展,是提高果蔬品质安全和可持续生产能力的一个重要途径。所有的绿色植物在受到紫外光或可见光激发时,都会发出可见光波段的荧光。基于植物荧光的成像技术,是利用计算机模拟人眼的视觉功能,在不破坏植株外观且不影响其生长的情况下,获取植物的荧光图像,并通过图像处理算法,对植物的健康状况做出判断。本文对荧光成像技术及其在植物病害检测中的研究进行了综述,介绍了荧光成像的原理,分别从叶绿素荧光和其他色素荧光两方面总结了国内外研究现状。与可见光成像、高光谱成像、多光谱成像以及热成像技术相比,该技术具有可获取植物内部信息、受温湿度影响小、不局限于晴天采集、价格合理等优点。     

基于相对叶绿素含量的黄瓜叶色仿真

提出了一种基于相对叶绿素含量的植物叶片颜色仿真方法,通过连续对正常生长状态下的黄瓜叶片图像采集及相对叶绿素含量SPAD值测定,建立了黄瓜叶片颜色分量与SPAD值的数学关系模型,并采用均方根误差(RMSE)对模型进行验证,结果显示叶片的3个颜色分量R、G、B的实测值与模拟值之间的RMSE为13.43%、8.47%、7.42%,模拟效果较好。通过结合叶片色素浓度分布图对叶色空间分布进行仿真,并采用高级着色器语言实现了黄瓜叶片表观颜色变化过程的可视化模拟,获得了较好的真实感效果。     

基于计算机视觉的玉米籽粒形态测量与研究

视觉技术目前被广泛应用于社会各生产领域,包括制造行业、文档分析、医疗诊断及农业品质检测等。为此,基于计算机视觉技术,设计出一种玉米品质自动检测分析方法,即玉米籽粒实时分析系统,具有客观、高效、准确的优势,解决了传统人工检测模式下主观、低效、误差大等问题。最后,设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。     

作物数字图像获取与长势诊断的方法研究

数字图像在作物信息采集方面具有信息量大、速度快、精度高等显著的特点和优势,被广泛应用于作物生长诊断方面。以往研究集中在作物图像分析技术,对图像获取手段和获取系统的技术要求等论述较少。从建立作物图像获取系统的角度出发,在分析作物图像颜色、分辨率、格式和文件存储空间大小的基础上,总结了常用作物图像获取及分析技术在作物监测方面的应用。结果表明,作物水分及营养状况诊断多采用图像颜色特征分析的方法,常用RGB和HIS颜色模型,作物图像可以在自然光照条件下获取,镜头距离地面或作物的距离、拍摄角度、图像分辨率和图像存储格式并无定规,可用JPEG格式来存储图像,节省大量的图像存储空间。土壤和杂草等背景的识别、病虫害特征提取等方面采用颜色特征、多光谱图像、纹理特征和形状特征等方法,图像颜色分辨率从288×352像素到3 072×2 304像素可使识别目标达到80%～95%。图像分辨率高的识别效果好,但是程序用时长,图像文件占用空间大,影响图像传输速度和诊断的实时性。因此获取图像时要根据图像应用的具体情况来选择合理的图像分辨率。     

农业自动化喷雾机械标靶害虫自动识别系统的研究

农业喷雾对象的识别和定位是农业自动化喷雾机械研究中的核心技术之一。对病虫害甘蓝进行精准喷洒农药,实现病虫害准确自动识别成为关键。为此,利用机器视觉的欧氏距离甘蓝夜蛾虫害自动识别检测系统,结合由Qualityspec光谱仪组成的光谱成像系统,对甘蓝正常叶片和遭受甘蓝夜蛾虫害的甘蓝叶片的颜色特征和光谱特征进行分析,并采用机器视觉分割阈值选取中的Otsu算法和自适应波段选择方法提取出了颜色差异的最佳几何阈值和两种叶片的特征波段。试验结果表明:综合机器视觉和光谱技术能够实现甘蓝夜蛾虫害的自动且准确的识别,准确率可达94%。因此,建立机器视觉和光谱技术综合识别体系,可为农作物病虫害自动防治喷雾机器人的研制奠定基础,以达到农作物病虫害实时识别和及时治理的目的。     

基于深度相机的玉米株型参数提取方法研究

提出了一种基于骨架提取的改进算法,可实现在大田环境下,使用PMD深度相机快速、无损测量玉米株型参数。首先利用深度图像RGB伪彩色和深度距离信息,提取深度图像的骨架,排除复杂背景干扰,得到单株玉米的二值骨架图像;然后利用基于角点检测的改进归类算法提取骨架图像特征点;最后建立骨架图像中特征点与深度图像的对应关系,利用空间几何数学方法,结合特征点计算出玉米的3种株型参数,即株高、茎粗、叶倾角。农田实验对比分析表明,所提方法的株高测量结果与人工测量结果的相关系数 r 为0.986,最大相对误差小于2 cm,农田作物育种抗逆性分析还表明玉米株型参数与抗倒伏性具有显著相关性。     

基于图像处理的叶斑病分级方法的研究

针对目前植物病害染病程度判别中以目测为主,存在着主观随意的缺陷,开发出一种基于计算机图像处理技术的病害分级新方法.同时,分析了图像分割中存在的各影响因素,运用Otsu法提取出叶片区域;提出在HSI颜色空间下选择H分量分割病斑以减少光照变化和叶脉的干扰,使用Sobel算子检测病斑边缘,分割出病斑区域,并通过计算病斑面积占叶片面积的百分比给出病害的染病级别.研究表明,使用该方法对植物叶部病害严重度进行分级具有快速精确的特点.