日光溫室黃瓜葉片濕潤時間機器視覺監(jiān)測研究.pdf

1、溫室蔬菜病害預(yù)警中最常用的警兆來源是環(huán)境因子，葉片濕潤時間（ leaf wetness duration, LWD），是許多植物葉部病害侵染和流行的主導(dǎo)因子之一。而日光溫室室內(nèi)相對濕度大、LWD長是普遍現(xiàn)象，從而使霜霉病等病害多發(fā)。但是在日光溫室環(huán)境下，由于葉片濕潤時間是一個漸變的過程，葉片濕潤時間的獲取仍然十分困難，因此有效的監(jiān)測葉片濕潤時間方法就顯得十分重要。本文以黃瓜葉片為研究對象，開展日光溫室里的黃瓜LWD機器視覺監(jiān)測研究。主要

2、研究內(nèi)容如下：
　?。?）日光溫室環(huán)境中黃瓜葉片圖像的獲取。黃瓜葉片上的水滴，可見光條件下是無色透明的，和背景對比區(qū)別很小。因此本文分別用尼康 D90數(shù)碼相機、熒光成像設(shè)備（藍光）、熱紅外成像設(shè)備FLIR A615采集圖像。分別對這三種圖像采集設(shè)備采集的圖像分析：D90拍攝的是可見光下的數(shù)字圖像，因為葉片濕潤時間是一個動態(tài)變化的過程，由初吐水葉片上很小很少的水滴開始到吐水旺盛期葉片上很大面積的水滴，可見光的圖片因為水的無色，形態(tài)不

3、固定，分布分散，人眼尚且識別困難，機器視覺的方法很難對其進行監(jiān)測。熒光成像儀成像效果上比D90效果要好，熒光成像儀（藍光版）拍照時發(fā)射藍光，但是水強烈反射藍光而葉綠素吸收藍光，使得圖像上水的部分和背景顏色對比明顯，但是因為受到當(dāng)時儀器的限制，成像面積較小，不能監(jiān)測整個葉片。熱紅外成像技術(shù)可以呈現(xiàn)不同物體表面的溫差，從而在圖像上表現(xiàn)為不同顏色，且視野范圍大，可以監(jiān)測整個黃瓜葉片，因此本研究采用熱紅外成像技術(shù)獲取圖像。
　?。?）詳細

4、闡述了本文研究用到的圖像預(yù)處理算法，此外，鑒于本研究所分割目標(biāo)圖像的特殊性，對不同的顏色模型進行了對比分析，選擇最優(yōu)的顏色模型，這里選擇L*a*b*顏色模型進行分割。
　?。?）研究了日光溫室黃瓜葉片圖像分割算法。常用的圖像分割方法可分為四類：閾值分割、邊緣檢測、區(qū)域分割以及基于特定理論的分割算法。閾值分割方法是直接利用圖像的灰度特性，其關(guān)鍵和難點是合適閾值的選取，本研究的圖像目標(biāo)和背景灰度值很接近，閾值分割不適用?；谶吘壍姆指?/p>

5、算法中效果最優(yōu)的是 Canny算子邊緣檢測，我們要分割的水滴附著在葉片上，圖像上很難區(qū)分出邊緣形態(tài)，所以經(jīng)典的邊緣檢測同樣不適用。區(qū)域生長法首先要人工給出種子點，且對于圖像中不相鄰或是灰度值相近的區(qū)域分割效較差。K-means算法利用黃瓜葉片熱紅外圖像背景和目標(biāo)的顏色區(qū)別對圖像進行分割，和基于G-MRF模型的分割方法作了對比，平均匹配率、平均誤分率分別比G-MRF模型分割算法高出5.48％、3.62%，并綜合擬合指數(shù)、置信指數(shù)、決定系數(shù)

6、、回歸參數(shù)，回歸截距等參數(shù)分析得到K均值聚類分割算法分割效果更優(yōu)。
　?。?）確立葉片濕潤時間機器視覺監(jiān)測方法。統(tǒng)計分割出來圖像有水部分的像素為N，單個葉片圖像的像素為M，這里計算一個百分比Q來界定葉片濕潤的情況，百分比 Q的表達式為：Q=(N/M)%,令 Q>5%（查閱相關(guān)文獻再結(jié)合實際的數(shù)據(jù)分析確定），此時的葉片視為濕潤情況。對我們采集的圖像進行分割，計算分割出有水部分圖像的像素值和單個葉片圖像的像素值，計算Q值，選擇出這個Q

7、值大于5%的所有圖片數(shù)量n，圖像采集時，相鄰的圖片之間都有固定的拍照時間間隔，記為t，則LWD(T)可表示為T=(n-1)*t。
　　本文以葉片黃瓜熱紅外圖像為實驗材料，應(yīng)用機器視覺的方法對日光溫室葉片濕潤時間估算方法進行研究，并把最終的實驗結(jié)果和人為觀察結(jié)果對照。從結(jié)果來看，機器視覺方法監(jiān)測得到的葉片濕潤時間和人工觀測的結(jié)果誤差不到1h，而黃瓜霜霉病等葉部病害初侵染的時間至少需要2h以上才能誘發(fā)病原孢子萌發(fā)，因此本文的方法是可行