基于圖像處理技術(shù)的小麥營(yíng)養(yǎng)狀況監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息化技術(shù)在農(nóng)業(yè)應(yīng)用中的發(fā)展，以圖像處理為基礎(chǔ)的作物營(yíng)養(yǎng)狀況無(wú)損監(jiān)測(cè)技術(shù)日趨成為人們的研究熱點(diǎn)。目前通過(guò)圖像處理技術(shù)對(duì)作物營(yíng)養(yǎng)狀況的監(jiān)測(cè)研究大都集中在棉花、玉米、水果、蔬菜等領(lǐng)域，對(duì)小麥營(yíng)養(yǎng)狀況監(jiān)測(cè)方面的研究較少。本文以數(shù)字圖像處理技術(shù)為基礎(chǔ)，為及時(shí)對(duì)大田環(huán)境下小麥群體營(yíng)養(yǎng)狀況進(jìn)行監(jiān)測(cè)，采集了大田環(huán)境下6個(gè)品種三個(gè)施氮水平下的小麥群體圖像以及相應(yīng)的群體葉綠素狀況，通過(guò)對(duì)圖像進(jìn)行圖像歸一化、圖像分割、圖像去噪等處理，獲取小麥冠層顏色信

2、息并提取了小麥圖像的12項(xiàng)顏色特征，建立了小麥葉綠素狀況估測(cè)模型。在此基礎(chǔ)上，利用Java web技術(shù)設(shè)計(jì)并實(shí)現(xiàn)了小麥營(yíng)養(yǎng)狀況遠(yuǎn)程監(jiān)測(cè)系統(tǒng)。
　　本文的主要研究?jī)?nèi)容及結(jié)果如下:
　　1.以現(xiàn)有數(shù)字圖像處理技術(shù)為基礎(chǔ)，采用RGB彩色模型，利用模式識(shí)別方法對(duì)小麥群體的冠層圖像進(jìn)行無(wú)監(jiān)督分割。圖像分割在圖像歸一化后進(jìn)行，以馬氏距離為顏色空間距離度量構(gòu)建了模式識(shí)別分類(lèi)器，對(duì)圖像中的顏色信息進(jìn)行分類(lèi)，實(shí)現(xiàn)了大田環(huán)境下小麥群體的冠層圖像

3、無(wú)監(jiān)督分割。圖像分割后對(duì)圖像進(jìn)行形態(tài)學(xué)開(kāi)操作和閉操作處理，實(shí)現(xiàn)分割圖像的噪聲去除。該處理方法解決了一直以來(lái)大田環(huán)境下的作物圖像分割精度不高，目標(biāo)識(shí)別困難的問(wèn)題，具有一定的通用性與實(shí)際應(yīng)用價(jià)值。
　　2.通過(guò)對(duì)小麥群體圖像的分割，得到的小麥冠層顏色信息，提取冠層顏色的RGB顏色模型與歸一化rgb模型中的12項(xiàng)顏色特征，針對(duì)品種建立了顏色特征與群體葉綠素狀況之間的估測(cè)模型，各估測(cè)模型都通過(guò)了顯著性水平檢驗(yàn)，達(dá)到了較高的精度，相對(duì)誤差在

4、4.72％-14％之間，為實(shí)時(shí)無(wú)損測(cè)量小麥葉綠素狀況奠定了基礎(chǔ)。
　　3.以建立的小麥群體葉綠素狀況估測(cè)模型為基礎(chǔ)，通過(guò)Java EE技術(shù)平臺(tái)，基于Web三層結(jié)構(gòu)設(shè)計(jì)，采用SSH2輕量級(jí)開(kāi)發(fā)框架，以MySQL為數(shù)據(jù)庫(kù)，Tomcat為Web容器，設(shè)計(jì)并實(shí)現(xiàn)了小麥營(yíng)養(yǎng)狀況遠(yuǎn)程監(jiān)測(cè)系統(tǒng)。系統(tǒng)基于B/S模式設(shè)計(jì)，包括用戶(hù)管理、圖像管理、估測(cè)模型管理、圖像分析結(jié)果管理、專(zhuān)家意見(jiàn)管理等模塊，提供了用戶(hù)圖像上傳、用戶(hù)圖像管理、圖像分析及結(jié)果查詢(xún)