基于多光譜機(jī)器視覺的油菜氮素營養(yǎng)檢測方法研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、本研究采用營養(yǎng)液培養(yǎng)不同氮素水平的油菜樣本,利用多光譜視覺系統(tǒng)拍攝不同氮素水平下的油菜冠層多光譜圖像,通過機(jī)器視覺技術(shù)對獲取的油菜冠層多光譜圖像進(jìn)行分析與特征提取,將提取的多個(gè)圖像特征與油菜冠層SPAD值進(jìn)行多元線性回歸,確立油菜氮素營養(yǎng)診斷模型。主要研究成果如下: ⑴構(gòu)建油菜氮素營養(yǎng)多光譜機(jī)器視覺診斷系統(tǒng),自主設(shè)計(jì)密閉實(shí)驗(yàn)光照箱體,對不同氮素水平的油菜樣本進(jìn)行冠層圖像獲取與圖像分析。 ⑵通過分析油菜冠層各通道多光譜圖像

2、的一維和二維直方圖,選擇冠層近紅外圖像進(jìn)行背景分割。對油菜冠層近紅外圖像采用基于二維最大信息熵算法進(jìn)行圖像分割,取得了較好的分割效果。同時(shí),對比最大類間方差法(OTSU)圖像分割效果,結(jié)果表明二維最大信息熵算法在去除土壤背景的同時(shí),更多的保留了作物冠層信息,分割平均相對誤差僅為9%,較OTSU算法在油菜冠層圖像背景分割上效果更好。 ⑶在圖像特征提取方面,將分割后的各通道油菜冠層多光譜圖像進(jìn)行灰度平均,得到AGI、AIR和IR/R

3、這三個(gè)特征同油菜整株全氮含量高度相關(guān)。通過進(jìn)一步分析發(fā)現(xiàn),IR/R可以用來粗略診斷油菜是否缺氮,1<IR/R<1.4時(shí)油菜屬于正常水平,當(dāng)IR/R<1時(shí),油菜缺氮。但是,單獨(dú)采用某個(gè)特征難以對油菜整株全氮含量進(jìn)行定量的預(yù)測。 ⑷分別在油菜的不同生長期,將提取的多種圖像特征同油菜冠層SPAD值進(jìn)行多元線性回歸,得到各生長期的油菜氮素營養(yǎng)診斷模型,其中,苗期、薹期、花期與角果期油菜的多元線性回歸預(yù)測模型的決定系數(shù)R2分別為0.76、

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論