数字图像处理技术在苎麻缺素诊断中的应用研究

数字图像处理技术在农业上有着广泛的应用前景,是重要的农业信息化技术之一。文章阐述了图像处理技术在苎麻缺素诊断中图像预处理、特征值提取,诊断预测的应用过程,并对叶片图像分割的相关方法和纹理特征的提取算法进行了介绍。为指导科学施肥和监测苎麻的生长信息提供一定依据。     

植物叶片特征提取及识别

随着计算机技术的飞速发展,对植物的分类研究已经突破了单纯从植物细胞及化学遗传成分的角度去鉴定植物种类的方法,可以综合应用图像处理技术和模式识别技术,辅以图像获取设备实现对植物的快速识别。为此,精心选取了植物叶片图像的典型形状特征,构成了叶片识别的特征向量,然后用概率神经网络（PNN）作为分类器,对样本进行训练。实验结果证明,针对少量常见的植物叶片图像,PNN与BP神经网络相比有更好的识别效率。     

基于Laplace边缘检测算法虚拟植物系统的研究与实现

将计算机信息技术引入农业生产研究是目前农业生产研究的新发展方向,并伴随产生了农业信息化这样的新领域。植物叶片几何形状的识别是农业信息化结合数字图像处理技术的一个方面。为此,通过理论分析和仿真计算对研究植物叶片形状的传统图像边缘检测技术进行了分析比较,并创造性地提出了利用Laplace边缘检测算子来改进植物叶片几何形状的识别与检测系统。Laplace边缘检测算子的二维几何形态的建模具有数据的表达与复制的功能,通过生成的图像处理数据更加准确地识别与检测不同种类植物叶片的形态,为农业生产研究者提供更加有效、更加准确的研究数据。     

基于多特征降维的植物叶片识别方法

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。     

计算机视觉运用于棉花水分养分供给系统设计

针对目前棉花水分检测存在的缺陷和过量施肥的问题,提出了一种基于计算机视觉的棉花水分养分亏缺实时检测和水分养分自动供给系统。运用配置有近红外光发射器的CCD照相机采集得到棉花叶片图像信息,对图像进行去噪音等预处理得到植物叶片的图像,对叶片水分亏缺和缺素信息相关的颜色特征、纹理的时域特征、纹理的频域特征及缺素初期斑点的时频特征,分别运用相对差值百分率直方图、差分算子,以及傅里叶变换和小波包提取等新方法进行提取,并利用遗传算法对提取的众多特征项进行优化选择,建立棉花叶片图像信息与水分养分亏缺状况的对应关系,并通过物联网技术连接微喷灌终端实现水分养分定时定量自动供给。将系统于湖北进行试用试验,试验表明:本系统大幅度提高了棉花产量,降低了灌溉水消耗量、肥料消耗量和土壤肥料残留量,减轻了农业生产对环境的污染,有较好的应用前景,值得推广。     

基于像素空间的植物叶片干枯褶皱模拟

提出一种基于像素空间的植物叶片干枯褶皱模拟框架,可实时地对叶片的干枯现象进行真实渲染.首先基于植物的干枯叶片图像生成褶皱法向量纹理并对其进行无缝处理;其次将褶皱法向量纹理映射到叶片三维模型上;然后构建融合函数将褶皱法向量与叶片模型法向量进行插值,使叶片模型的法向量可在无褶皱和充满褶皱两种状态之间进行光滑过渡;最后从几何空间对植物叶片进行面积缩放仿真.结果表明,本文方法简单高效且真实感效果好,因此,适用于以交互浏览为目的的虚拟农业应用系统中.     

植物叶面积无损测量预处理技术研究

针对在计算机视觉技术对大豆叶面积的无损测量研究中,如何校正图像和去除植物叶片纹理特征等问题,提出了投影映射无损测量法。测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响。实验验证结果表明,该方法利用较少的特征点对就能很好地校正叶片图像,解决了非线性校正问题,并且图像信息量损失小。     

基于多光谱视觉的油菜叶片氮素营养检测方法研究

应用多光谱视觉技术对油菜叶片氮含量百分率进行了定量分析.在RGB颜色模型下,对采集的油菜叶片图像的颜色特征进行分析.分析结果表明:G/R-G/B和G/R与叶片氮含量百分率呈高度相关,相关系数分别为0.89和0.88,而其它图像特征同含氮量百分率之间相关性都比较弱.为此,使用G/R-G/B与G/R分别与叶片氮含量百分率建立线性回归模型,经验证G/R-G/B建立的回归模型预测值平均相对误差在9%以内,这表明此特征可用于多光谱视觉快速诊断油菜叶片氮素营养的特征.     

基于Android手机的植物叶片面积快速无损测量系统

基于Android手机平台构建了一种植物叶片面积快速无损测量系统。获取包含被测植物叶片与已知面积的参照物图像,经图像灰度化、图像平滑、图像二值化、图像几何校正和连通区域标记等处理,根据参照物和被测植物叶片面积比得到植物叶片的面积。基于Android编程技术对系统的功能和界面进行了设计,对图像的几何失真问题提出了几何校正方法。以三叶草、木槿、腊梅、枫树、银杏、樱花等多种植物叶片为对象进行面积测量。试验结果表明,系统不受叶片形状的限制,面积测量的相对误差在-2.9%~2.7%,能够有效测量植物叶片面积。     

植物叶片特征参数的机器视觉提取方法

介绍了应用机器视觉提取植物叶片参数的方法,通过一种新的曲线链码编码算法,对植物叶片的边缘形状进行表示.基于该链码对植物叶片的角点、周长、面积等参数进行提取.实验表明,该方法对识别叶片的形状特征具有很好的效果和实际应用价值.     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

基于图像处理技术的叶面积检测研究

介绍了基于图像处理技术的叶面积检测法.从单片叶面积检测、病虫害损伤叶分析与面积检测、植株总叶面积检测3个方面综述了国内外图像处理技术在叶面积检测中的研究进展情况,并指出了应用图像处理技术检测叶面积还需进一步解决的问题.     

基于图像处理的植物叶特征提取研究现状

通过对植物叶特征的分析,可以确定植物的种类和生长状态,对于植物研究、指导生产等具有重要意义.传统的叶特征提取方法都是通过人的手工操作完成的,效率较低,而当前可以借助于图像处理技术对叶特征进行自动提取.为此,对基于图像处理的叶特征提取研究现状进行了综述,并对其做了展望.     

基于数字图像处理技术的玉米长势预测

玉米长势是指玉米生长的状况与趋势,在生长期内实时掌握长势是玉米生产调控的关键,玉米长势可以通过叶面积、叶尖距、叶基角等特征参数来衡量。吉林省是我国主要的玉米种植区域,种植规模多为小地块,如果采用传统人工方式测量玉米长势,需要耗费大量人力、物力,而遥感技术适用于大面积种植,因此采用人工测量与遥感技术都具有明显的局限性。该研究采用数字图像处理技术,利用固定影像采集设备获取不同生长期玉米多尺度影像,首先利用灰度化和增强技术对影像进行前期预处理,然后使用迭代阈值分割算法提取影像中玉米植株区域,通过图像细化技术并结合参照物标定方法获取玉米植株的株高、叶尖距、叶基角和冠层面积等特征参数,最后对获取的特征参数使用回归分析建立玉米长势模型。试验结果证明,提出的方法有效可行,可以作为人工测量和遥感技术必要有益的补充。      

数字图像处理技术在农产品方面的应用

随着计算机与图像处理技术的发展,数字图像处理技术已广泛应用到农业工程领域,尤其是在农产品方面的应用已取得了重大成果.为此,从3方面介绍了数字图像处理技术在农产品方面的研究进展及其应用现状,并分析了目前应用中存在的技术难题及进一步研究的展望,旨在对后续研究和完善精细农业提供必要的参考.     

基于细胞神经网络的植物叶片图像中叶脉的提取

叶片是植物最重要的器官之一,特别是在识别植物种类时起着关键作用.叶脉包含了植物的内在特征和重要遗传信息,叶脉复杂多变的特点使得传统的边缘检测方法不适用于叶脉络的提取.为此,提出了一种基于细胞神经网络(CNN)的植物叶脉图像提取方法.试验结果表明:与传统图像处理方法相比,该方法通过神经网络参数的合理设计,能够提取出较为理想的叶脉络和叶边缘信息,提高了提取的准确性.     

计算机图像技术在农业工程中的应用

随着计算机与图像处理技术的发展,计算机图像技术已经应用到农业工程领域,并在农机工程、农学研究及精确农业等许多方面取得了重大成果。为此,介绍了计算机图像技术与相关学科的相互关系及主要组成,讨论了其在农机工程领域、农学研究领域中的研究与应用情况,并分析了计算机图像技术在农业工程应用所存在的主要问题和发展趋势。     

机器视觉在农业工程中的应用

从农作物种子筛选与检测、农作物生长过程中信息检测、病虫草害控制、果实无损检测到果实机械化采摘,整个农业生产过程中机器视觉在农业智能化装备上都有巨大的发展空间和市场前景。介绍了图像采集和处理过程中各种视觉传感器和图像分割算法的适用特点和优势,提出现有机器视觉技术在农业工程中应用存在的问题及未来发展方向,为进一步实现精准农业和农业自动化提供借鉴和参考。      

图像处理技术在农作物营养信息检测中的研究展望

图像处理技术的研究与应用已扩展到农业工程中的各个领域,并在许多方面取得了重大的成果。为此,介绍了图像处理技术在农作物营养信息检测中的研究现状,讨论了图像处理技术在农作物营养信息检测中的发展趋势。