作為主要糧食作物之一的小麥在世界范圍內(nèi)普遍種植,葉片含水量直接體現(xiàn)了田間持水量、大田墑情等重要環(huán)境因素,并通過灌溉量影響未來小麥產(chǎn)量,因此葉片含水量可以作為評(píng)價(jià)小麥產(chǎn)量的重要指標(biāo)。以往大多采用濕度傳感器測(cè)取土壤含水量,但在農(nóng)田使用濕度傳感器給耕地、灌溉作業(yè)帶來諸多不便,雖然已有部分研究開始解決這類問題,但仍存在只檢測(cè)單個(gè)葉片或研究算法過于陳舊等問題。該文研究并設(shè)計(jì)了基于機(jī)器視覺技術(shù)的小麥葉片含水量無損檢測(cè)模型。該含水量預(yù)測(cè)模型利用機(jī)器視覺技術(shù),對(duì)小麥葉片含水量進(jìn)行準(zhǔn)確、快速、無損預(yù)測(cè)。在自然光照條件下拍攝小麥葉片圖像,為了提高預(yù)測(cè)模型的精度,首先對(duì)葉片圖像進(jìn)行增強(qiáng)處理,圖像增強(qiáng)部分選擇直方圖均衡化、同態(tài)濾波、Retinex增強(qiáng)等算法來消除自然光照的影響,并增強(qiáng)圖像目標(biāo)與背景的對(duì)比度。在圖像分割部分,因圖像目標(biāo)顏色與背景顏色差距較大,選擇K-means聚類分割算法來分割圖像,得到了較好的分割效果。對(duì)分割后的圖像再進(jìn)行顏色與紋理特征提取,提取的顏色特征有R、G、B、H、S、I、r、g、b等,紋理特征有灰度平均、一致性、熵、能量、相關(guān)性、慣性矩等,分析這些特征參數(shù)與含水量的相關(guān)性,選擇相關(guān)性...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
1 引言
    1.1 研究背景及意義
    1.2 機(jī)器視覺概述與國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器視覺概述
        1.2.2 機(jī)器視覺技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容及技術(shù)路線
2 小麥葉片圖像采集與含水量檢測(cè)系統(tǒng)設(shè)計(jì)
    2.1 葉片圖像采集系統(tǒng)設(shè)計(jì)
    2.2 含水量檢測(cè)系統(tǒng)設(shè)計(jì)
        2.2.1 供試作物
        2.2.2 采集系統(tǒng)儀器設(shè)備
        2.2.3 實(shí)驗(yàn)方案
    2.3 小結(jié)
3 葉片圖像處理
    3.1 圖像處理技術(shù)
    3.2 圖像處理的目的與主要方法
        3.2.1 圖像處理的目的
        3.2.2 圖像處理的主要方法
    3.3 圖像灰度化
    3.4 圖像增強(qiáng)
        3.4.1 全局直方圖均衡化
        3.4.2 同態(tài)濾波
        3.4.3 Retinex增強(qiáng)
        3.4.4 圖像增強(qiáng)結(jié)果分析
    3.5 圖像分割
    3.6 小結(jié)
4 小麥葉片圖像特征提取
    4.1 常用顏色模型
        4.1.1 RGB顏色空間模型
        4.1.2 HSI顏色空間模型
    4.2 顏色特征提取
    4.3 紋理特征值提取算法
    4.4 小結(jié)
5 小麥葉片含水量模型的建立
    5.1 主成分分析(PrincipalComponentAnalysis)
        5.1.1 基本思想
        5.1.2 主成分分析的基本原理
        5.1.3 主成分分析的基本步驟
        5.1.4 基于主成分分析特征值提取
    5.2 建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
        5.2.1 BP神經(jīng)網(wǎng)絡(luò)概述
        5.2.2 BP神經(jīng)網(wǎng)絡(luò)原理及結(jié)構(gòu)
        5.2.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
        5.2.4 BP與PCA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立
    5.3 小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間成果



本文編號(hào)：3904263