【摘要】：含水率直接影響農(nóng)作物葉片的生理代謝和生長發(fā)育,是其健康生長過程中必不可少的一項重要指標。實現(xiàn)科學、快速、準確的農(nóng)作物葉片含水率無損檢測對實時了解作物水分、指導灌溉具有十分重要的意義。近年來,農(nóng)作物水分含量無損檢測方法主要集中在光譜技術和計算機視覺技術,光譜技術采用的是點采樣方式,不能較好的代表整個樣本信息,因而會導致檢測結(jié)果隨機性強;計算機視覺技術采集目標對象的各部位圖像信息,能夠克服光譜分析過程中只采集樣本點信息、采樣要求嚴格、采樣范圍小等缺陷。應用計算機視覺技術檢測作物葉片水分含量時,會因為鏡頭反光影響圖像分割效果,因而本文提出了一種基于PSO+Otsu(S)算法的圖像分割方法。另外,隨著Android技術的快速普及與應用,越來越多的功能能夠在Android系統(tǒng)中實現(xiàn)。因此,本文提出了基于Android平臺的生菜葉片含水率檢測方法,主要研究內(nèi)容及結(jié)論如下:(1)在溫室大棚中采用無土栽培技術培育生菜樣本,保持營養(yǎng)液相同的情況下分四個水平施水,栽培出呈現(xiàn)一定的含水率梯度的生菜葉片,這為后續(xù)研究奠定基礎。(2)對生菜葉片圖像進行預處理操作,包括圖像灰度化、去噪、分割、形態(tài)學處理。為解決因鏡頭反光而造成的圖像亮度不均等問題,提出了一種新的PSO+Otsu(S)分割算法,并將該算法與傳統(tǒng)Otsu算法進行對比。結(jié)果表明,PSO+Otsu(S)算法分割效果較好、算法實現(xiàn)速度較快,程序運行時間約為Otsu算法的1/2。(3)分別從顏色、形狀、紋理三個角度提取與生菜葉片含水率相關的26個特征參數(shù),采用Pearson相關系數(shù)法對26個特征參數(shù)進行篩選。結(jié)果表明,相關系數(shù)小于0.01時,共篩選出7個與生菜葉片含水率相關度極高的圖像特征;相關系數(shù)小于0.05時,共篩選出12個與生菜葉片含水率相關度較高的圖像特征。(4)分別采用多元線性回歸(MLR)、偏最小二乘回歸(PLSR)、支持向量回歸(SVR)三種數(shù)學建模方法建立生菜葉片含水率與圖像特征參數(shù)之間的關系模型,每一種模型分別對不同的特征參數(shù)進行建模,選用決定系數(shù)R~2和均方根誤差RMSE作為模型性能評判標準。結(jié)果表明,基于7個特征參數(shù)的PLSR模型預測能力最好,測試集決定系數(shù)R~2為0.902,均方根誤差RMSE為0.302。(5)根據(jù)本文基于Android平臺的生菜葉片含水率檢測系統(tǒng)的需求分析,將軟件分為5個功能模塊。針對各個模塊設計界面和實現(xiàn)算法,設置三個Button組件、一個ImageView組件、多個TextView組件,并使用XML布局文件編寫界面。建立生菜葉片圖像特征參數(shù)與含水率之間的多元線性回歸模型Y=B*0.377-H*185.136+S*23.639+r*86.801+g*102.906+h*145.95+s*52.246-94.315,并將特征數(shù)據(jù)帶入到該模型中。最后,實現(xiàn)了基于Android平臺的生菜葉片含水率檢測功能。
【學位授予單位】：江蘇大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;S636.2
【圖文】：

江蘇大學專業(yè)碩士學位論文第 2 章 生菜樣本培育與葉片圖像采集2.1 生菜樣本培育試驗生菜品種選用意大利全年耐抽苔生菜（Italy annual resistant boltiettuce），生菜樣本培育地點設在江蘇大學 Venlo 型試驗溫室，該溫室由江蘇大代農(nóng)業(yè)裝備以及技術省部共同建造，如圖 2.1 所示。

(a)生菜幼苗 (b)生菜長勢圖圖 2.2 生菜樣本培育Fig.2.2 Lettuce sample culture2.2 生菜葉片圖像采集通常情況下，生菜生長共經(jīng)歷發(fā)芽期、幼苗期、蓮座期、結(jié)球期四個周期，其中蓮座期生菜長勢較好，葉肉飽滿、大小適中。因而，本文選取蓮座期生菜葉片作為試驗樣本，采摘過程中遵循葉面平整、大小一致、葉片完整的原則進行采摘，每個水平各摘取 50 片葉片，共采集 200 片葉片。由于生菜葉片葉面積大、蒸騰量大，易受氣溫影響蒸發(fā)水分，因而采摘后立即將其放入保鮮袋中帶回實驗室，稱取鮮葉質(zhì)量，采用高精度分析天平（如圖 2.3 所示）秤取。

【參考文獻】

相關期刊論文 前10條

1 楊春合;江朝暉;楊寶華;陳yN瓊;劉連忠;;基于移動互聯(lián)網(wǎng)圖像處理模式的作物葉片含水量檢測研究[J];浙江農(nóng)業(yè)學報;2015年10期

2 江朝暉;楊春合;周瓊;饒元;劉莉;;基于圖像特征的越冬期冬小麥冠層含水率檢測[J];農(nóng)業(yè)機械學報;2015年12期

3 鄭姣;劉立波;;基于Android的水稻病害圖像識別系統(tǒng)設計與應用[J];計算機工程與科學;2015年07期

4 路文超;趙勇;羅斌;潘大宇;王成;;基于Android手機的水稻劍葉角測量系統(tǒng)[J];農(nóng)業(yè)機械學報;2015年11期

5 郭小粉;李磊;李敏;蘇闖;;智能手機在智慧農(nóng)業(yè)中的應用研究[J];電腦知識與技術;2015年12期

6 陸元洲;江朝暉;李想;祁釗;;植物水分含量檢測綜述[J];中國農(nóng)學通報;2015年09期

7 宋小燕;白福忠;武建新;陳曉東;張鐵英;;應用灰度直方圖特征識別木材表面節(jié)子缺陷[J];激光與光電子學進展;2015年03期

8 王昊鵬;李慧;;基于局部二值模式和灰度共生矩陣的籽棉雜質(zhì)分類識別[J];農(nóng)業(yè)工程學報;2015年03期

9 付德玲;;植物生長與科學用水[J];農(nóng)業(yè)開發(fā)與裝備;2014年10期

10 戴建國;賴軍臣;;基于圖像規(guī)則與Android手機的棉花病蟲害診斷系統(tǒng)[J];農(nóng)業(yè)機械學報;2015年01期

本文編號：2737048