基于計算機視覺的番茄營養(yǎng)元素虧缺識別研究.pdf

1、本文以計算機視覺系統(tǒng)為重要技術(shù)手段，綜合運用數(shù)字圖像處理技術(shù)、色度學(xué)、植物營養(yǎng)診斷學(xué)、設(shè)施栽培學(xué)，模式識別等多方面的知識和技術(shù)，進行了植物缺素識別技術(shù)的研究，研究的主要內(nèi)容有： (1)以實際生產(chǎn)中常出現(xiàn)的番茄缺氮、缺鎂、缺鐵三種情況為研究對象，配制了缺素營養(yǎng)液配方，利用無土栽培中的珍珠巖為基質(zhì)，進行了樣本的培育。利用已構(gòu)建的圖像采樣裝置，進行了樣本的圖像采集。 (2)研究了圖像去除噪聲，圖像分割等多種了低層處理方法。比較

2、了改進的鄰域均值濾波法、傳統(tǒng)均值濾波法和中值濾波法的去噪效果，結(jié)果選用3×3中值濾波法去除圖像采集過程中受到的各種噪聲干擾；提出用圖像相減的快速分割方法分割番茄葉片圖像和背景。 (3)從顏色和紋理兩個方面提取了缺素葉片圖像的特征參數(shù)。在顏色特征參數(shù)提取方面，提出以各色調(diào)域的平均百分率直方圖均值作為顏色特征值。在紋理特征提取方面，主要利用了三種方法進行了特征參數(shù)的提取：提出基于最大差分算子的色調(diào)域平均百分率直方圖均值作為紋理特征參

3、數(shù)；利用基于最大差分算子的灰度一梯度共生矩陣法提取缺素葉片的紋理特征；利用適合于分析瞬態(tài)反常信號的小波分析法提取了缺素癥狀表現(xiàn)的時頻特性。通過相關(guān)性分析，優(yōu)化了所提取的顏色和紋理特征組合。 (4)分別基于模糊K-近鄰法和BP神經(jīng)網(wǎng)絡(luò)分類法建立了番茄缺素與正常、缺氮與缺鎂、缺氮與缺鐵的模式識別系統(tǒng)。缺素識別系統(tǒng)識別正常中葉、正常新葉、缺鐵新葉、缺氮中葉和缺鎂中葉的最低正確率分別是92﹪、94﹪、94﹪、87﹪和87﹪。 取