基于计算机视觉技术的油菜叶片信息研究

作     者：管鹤卿 

作者单位：湖南农业大学 

学位级别：硕士

导师姓名：廖桂平

授予年度：2007年

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0901[农学-作物学] 

主      题：计算机视觉 作物信息 油菜 叶片面积 叶片颜色 

摘      要：本文针对传统叶片信息获取方法在获取信息时存在费时费力、误差大、实时性差等缺点，试图以甘蓝型油菜三种不同类型叶片为主要研究对象，以图形学理论为基础，采用计算机视觉技术，对油菜叶片的面积和颜色特征信息进行研究，旨在为作物信息的无损、实时、准确的获取方法体系的建立奠定初步的基础。本文研究的主要内容包括： (1)以纸重法为标准，采用比较研究法，对比分析了传统的直尺法和计算机视觉法在油菜三种类型叶片叶面积测量中的优劣性。试验统计结果表明，对于长柄叶和无柄叶而言，采用直尺法测量其平均相对误差分别为6.41％和5.11％，而采用计算机视觉法则为4.16％和2.48％。两种方法相比较，计算机视觉法在测量精度上稍显优势，然而在无柄叶的测量中，如采用直尺法测量，系数同样选择0.7时，其平均相对误差为10.49％，而采用计算机视觉法仅为3.09％，后者的测量精度明显优于前者。进一步根据标准测量值对直尺法测量无柄叶时的系数进行再校正，发现系数选择0.75更为合适。 (2)采用计算机视觉技术提取了油菜叶片的27个颜色特征值，分析了自然光照条件下早、中、晚三个时段油菜叶片图像颜色特征值的差异性，以及这种差异性对颜色特征值与SPAD值相关性的影响。研究结果表明，中午时段拍摄图像的颜色特征值与SPAD值的相关性好于早晚时段。进一步分析室内光照条件下二者的相关性，发现室内光照条件下拍摄的图像好于自然光照，且叶片的正面图像好于反面图像。 (3)建立了颜色特征值与SPAD值的反演模型，其中，中午时段自然光照条件下，依据B／R，r-b，B／(R+G)建立的预测模型，预测精度可达90％以上：室内光照条件下，依据B／G，b，S，B／(R+G)建立的预测模型精度更高，B／G预测模型的决定系数达到0.9081。 (4)探讨了基于计算机视觉技术的叶片孔洞及叶柄叶脉的准确识别和面积计算。这一研究结果既可用于去除孔洞和叶柄叶脉的精确叶面积测量，也可为下一步进行油菜病虫害斑点分析和特征信息获取提供借鉴。 综上所述，利用计算机视觉技术获取油菜的叶片信息是可行的，且此方法对油菜叶片面积的精准测量和SPAD值的快速提取比传统方法更为有效。本研究的结果为基于计算机视觉技术的作物信息无损获取、作物实时监测以及作物信息快速获取便携式设备的研制提供了一定的理论基础和合理模型。