基于多光谱机器视觉的油菜氮素营养检测方法研究.pdf

《基于多光谱机器视觉的油菜氮素营养检测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、江苏大学硕士学位论文基于多光谱机器视觉的油菜氮素营养检测方法研究姓名：张元申请学位级别：硕士专业：机械设计及理论指导教师：毛罕平20090607江苏大学硕士学位论艾摘要本研究采蔫营养液培养不同氮素水平的油菜样本，利用多光谱视觉系统拍摄不同氮素水平下的油菜冠层多光谱图像，通过机器视觉技术对获取的油菜冠层多光谱图像进行分析与特征提取，将提取的多个黧像特征与油菜冠层SPAD僮进行多元线性回归，确立油菜氮素营养诊断模型。主要研究成果如下：构建油菜氮素营养多光谱机器视赞诊断系统，自主设计密闭实验光照箱体，对不同氮素水平的油

2、菜样本进行冠层图像获取与图像分析。透过分析油菜冠层各通道多光谱图像的一维和二维直方图，选择冠层近红外图像进行背景分割。对油菜冠层近红外图像采用基于二维最大信息熵算法进行图像分割，取得了较好的分割效采。同时，对比最大类闽方差法f拶鹣玢图像分割效果，结果表明二维最大信息熵算法在去除土壤背景的同时，更多的保留了作物冠层信息，分割平均相对误差仅为9％，较OTSU算法在油菜冠层图像背景分割上效果更好。在图像特征提取方面，将分割后的各通道浦菜冠层多光谱图像进行获度平均，得到AGI、AIR和IR／R这三个特征同油菜整株全氮含量

3、高度相关。通过进一步分析发现，讯瓜可以用来凝略诊断油菜是否缺氮，k承瓜《王．4时油菜属于正常水平，当瓜瓜《1时，油菜缺氮。但是，单独采用某个特征难以对油菜整株全氮含量进行定量的预测。分别在油菜的不同生长期，将提取的多种图像特征同油菜冠层SPAD值进行多元线性霹l胃，得到各生长期酶}杰菜氮素营养诊断模型，其中，苗期、薹期、花期与角果期油菜的多元线性回归预测模型的决定系数R2分别为0．76、0．94、0．84和0．85。对模型进行验证后得捌苗麓、薹期、麓期和焦采裳阶段预测的平均相对误差分别为13％、9％、16％和16

4、％，这表明应用多光谱视觉技术进行油菜氮素营养检测是准确可行的。关键词：油菜多光谱视觉图像分割二维最大信息熵江苏大学硕士学位论文ABSTRACTInthisresearch，weusenutritionliquidinOfdertohavetheoilseedrapeindifferentnitrogenlevel，weusemultispectralvisionsystemfortakingimageofoilseedrapecanopywhichaleunderdifferentnitrogenlevel，pr

5、ocessingtheimageandthenextractthefeatureswhicharehighlycorrelatedwithSPADvaluesusingthemachinevisiontechnology．Forfiguringoutthediagnosism6delforoilseedrapenitrogen,weusethelinearregression．Themainresearchresultsarebelow：Designedthehardwareofmultispectralmach

6、inevisionsystemofdiagnosisofoilseedrapenitrogencontent，Moreover,wedesignedaobturationilluminationlightboxforexperimentingandtakingimageofdifferentrapesamplecanopy．Byanalyzingthe重·Dhistogramand2-Dhistogramofeverychannel'smultispectralimageofrapesample，finallyw

7、echoosetheIRchannel'simagetOperformtheimagesegmentation．WesegmenttheIRimageofrapecanopyinthewayofmaximizethe2一Dentropy,andwegotagoodresult．Meanwhile，wechoosetheOTSUmethodtOcontrast,anditwasshownthattheentropyalgorithmkeepmorginformationaboutplantwhenitthesoil

8、canopysegmentbackground，thesegmentationerrorofitis9％，itisbeRerthanOTSU．Intheaspectoffeatureextraction，aftertheimagesegmentation，averagetheintensitiesofeachmultispectralimageofoilseedrapec