学位论文 > 优秀研究生学位论文题录展示

棉花主要农艺性状的图像识别研究

作　者: 王方永
导　师: 李少昆
学　校: 石河子大学
专　业: 作物栽培学与耕作学
关键词: 棉花群体特征机器视觉图像识别颜色参数
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 112次
引　用: 1次
阅　读: 论文下载

内容摘要

本研究以群体类型丰富的高质量的棉花样本田为研究对象,通过对其数字图像特征与农艺性状间的内在关系研究,建立基于数字图像技术的棉花苗情及农艺性状监测模型与方法,利用所建模型实现棉花叶绿素、氮素含量、覆盖度、LAI、生物量、均匀整齐度、土壤水分等生理生态指标的图像识别,从而达到对棉花苗情快速、准确诊断的目的。本文在以下方面取得重要进展:1、RGB颜色系统中G与R、r与g的组合值与HIS颜色系统的Hue值等颜色参数和棉花功能叶叶绿素含量、群体绿色指数之间均达到极显著相关。其中以G-R所建模型的预测精度最高,功能叶叶绿素含量的预测模型为:CHL.C=-1.3008+0.2125（G-R）-0.0038（G-R）²(R²=0.8669^**),预测精度为93.04%;群体绿色指数的预测模型为:PGI=-0.9726+0.1227（G-R）-0.0016（G-R）²(R²=0.7487^**),预测精度为88.40%。因此,可以棉花图像的颜色参数“G-R”和所建模型作为棉花功能叶叶绿素含量和群体绿色指数的最佳监测指标及监测模型,实现从叶绿素特征对棉花长势的诊断。2、在棉花图像颜色特征与其氮素营养关系的研究中发现,与HIS颜色系统相比,RGB颜色系统的颜色参数能更好的监测棉花群体的氮素状况;利用颜色特征预测棉花不同器官氮素的精度高低表现为叶片＞植株＞非叶器官。本文提出的群体氮素指数作为反映棉花群体氮素营养状况的指标,利用这一指标明显提高了基于图像颜色监测棉花氮素营养状况的可信度。基于图像颜色特征与棉花氮素间的显著相关关系建立的颜色特征G-R的棉花群体叶片氮素含量（NCL）、群体叶片氮素指数（PNIL）的回归模型分别为:NCL=1.0344+0.0810（G-R）(R²=0.7171^**)和PNIL=-0.4336+0.1007（G-R）(R²=0.8654^**),对叶片氮素含量和群体氮素指数的预测精度分别为88.89%和89.07%。所以,可以群体氮素指数作为棉花群体尺度的氮素营养指标,而且“G-R”为监测棉花氮素状况的最佳指标,并实现基于棉花群体氮素营养的长势诊断。3、实现了棉花群体覆盖度的提取,并以此作为反映棉花冠层大小的监测指标。同时,利用对图像不同区域覆盖度的变化可反映棉花群体的整齐度,这种整齐度与株高整齐度和株宽整齐度间达极显著相关。4、部分颜色参数与叶面积指数间极显著相关。颜色值与冠层信息指数间的相关性比与叶面积指数间的有所提高。其中以颜色值“G-R”与冠层信息指数间的相关性最高,建立的预测模型为CⅡ=-0.4249+0.0882（G-R）(R²=0.5970^**),预测精度达到了81.95%。颜色参数与地上部鲜生物量间的相关性不显著,但与生物量密度间呈极显著相关;以相关性最高的r/g所建立的棉花生物量密度预测模型为GFBD=-182805.5210+256694.0099（r/g）(R²=0.5143^**),预测精度达到了78.82%,可以“r/g”作为监测棉花生物量密度的颜色指标。5、利用图像识别技术进行棉花株行距和株高的识别结果表明,图像的提取值与实测值较接近,准确度达90%以上。土壤水分影响棉花生长,利用棉花颜色值可间接反映棉田水分信息。棉花图像颜色值与地膜间的土壤含水量呈显著相关,但与窄行间的相关性不显著。

全文目录

摘要  5-6
ABSTRACT  6-8
主要符号表  8-11
第一章绪论  11-22
  1.1 选题依据及意义  11-12
  1.2 数字图像处理技术在农业领域中的应用  12-18
    1.2.1 在作物农艺性状获取及诊断监测方面的研究  12-14
    1.2.2 在作物形态特征信息方面的研究  14-15
    1.2.3 在农产品自动检测与分级方面研究  15-17
    1.2.4 在作物病虫草害信息方面的研究  17-18
  1.3 机器视觉技术监测农业生产信息的基本原理  18-20
  1.4 主要研究内容及技术路线  20-22
    1.4.1 棉花主要农艺性状的图像识别研究的主要内容  20
    1.4.2 本研究的技术路线  20-22
第二章棉花群体图像颜色特征信息的提取方法  22-28
  2.1 图像分割的特征选择  22-23
  2.2 颜色系统的选择  23-26
    2.2.1 RGB颜色系统  24-25
    2.2.2 HSI颜色系统  25-26
    2.2.3 RGB到HIS的转换  26
  2.3 棉花群体特征分析系统的开发环境  26-27
  2.4 图像颜色信息的提取  27-28
第三章棉花群体覆盖度、叶面积指数和生物量的图像识别  28-34
  3.1 材料及方法  28-29
    3.1.1 田间试验设计  28
    3.1.2 图像采集方法  28-29
  3.2 图像覆盖度的图像识别  29-30
  3.3 叶面积指数的图像识别  30-32
    3.3.1 叶面积指数的测定  30
    3.3.2 叶面积指数和图像颜色特征参数的相关关系  30
    3.3.3 冠层信息指数和颜色特征值的关系分析及模型建立  30-31
    3.3.4 模型检验  31-32
  3.4 生物量的图像识别研究  32-33
    3.4.1 地上部分鲜生物量的测定  32
    3.4.2 地上部分鲜生物量、生物量密度与图像颜色特征信息的关系分析  32-33
    3.4.3 模型检验  33
  3.5 本章小结  33-34
第四章基于机器视觉的棉花群体叶绿素监测  34-40
  4.1 材料与方法  34-35
    4.1.1 田间试验设计及栽培管理  34-35
    4.1.2 数字图像采集  35
    4.1.3 叶绿素浓度测定  35
  4.2 颜色特征值与棉花功能叶叶绿素含量间的关系  35-37
  4.3 颜色特征值与群体绿色指数之间的相关关系  37
  4.4 模型检验  37-38
  4.5 本章小结  38-40
第五章基于机器视觉的棉花群体氮素营养诊断研究  40-45
  5.1 材料与方法  40-41
    5.1.1 田间试验设计及栽培管理  40-41
    5.1.2 棉花群体图像采集  41
    5.1.3 氮素含量测定  41
  5.2 颜色值与棉花植株、叶片及非叶器官氮含量间的关系及模型的建立  41
  5.3 颜色特征值与群体氮素指数的回归模型的建立  41-43
  5.4 回归模型检验  43-44
  5.5 本章小结  44-45
第六章基于图像的群体整齐度、株高及株行距提取  45-51
  6.1 材料与方法  45
  6.2 整齐度的图像识别研究  45-47
    6.2.1 整齐度的表示方法  45-46
    6.2.2 棉花数字图像整齐度提取方法  46
    6.2.3 棉花数字图像整齐度与株高、株宽整齐度的关系  46-47
  6.3 棉花栽培配置及株高的图像识别  47-49
    6.3.1 株行距的识别  47
    6.3.2 株高的提取算法  47-48
    6.3.3 软件测量的株高、行距与真实值的比较  48-49
  6.4 土壤含水量的图像识别研究  49-50
    6.4.1 土壤含水量的测定方法  49
    6.4.2 结果与分析  49-50
  6.5 本章小结  50-51
第七章结论与展望  51-55
  7.1 结论与讨论  51-53
    7.1.1 结论  51-52
    7.1.2 讨论  52-53
  7.2 研究展望  53-55
参考文献  55-59
致谢  59-60
作者简介  60-61
导师评阅表  61

棉花主要农艺性状的图像识别研究

内容摘要

全文目录

相似论文