溫室蔬菜病害預(yù)警中最常用的警兆來源是環(huán)境因子,葉片濕潤時(shí)間(leaf wetness duration,LWD),是許多植物葉部病害侵染和流行的主導(dǎo)因子之一。而日光溫室室內(nèi)相對(duì)濕度大、LWD長(zhǎng)是普遍現(xiàn)象,從而使霜霉病等病害多發(fā)。但是在日光溫室環(huán)境下,由于葉片濕潤時(shí)間是一個(gè)漸變的過程,葉片濕潤時(shí)間的獲取仍然十分困難,因此有效的監(jiān)測(cè)葉片濕潤時(shí)間方法就顯得十分重要。本文以黃瓜葉片為研究對(duì)象,開展日光溫室里的黃瓜LWD機(jī)器視覺監(jiān)測(cè)研究。主要研究?jī)?nèi)容如下:(1)日光溫室環(huán)境中黃瓜葉片圖像的獲取。黃瓜葉片上的水滴,可見光條件下是無色透明的,和背景對(duì)比區(qū)別很小。因此本文分別用尼康D90數(shù)碼相機(jī)、熒光成像設(shè)備(藍(lán)光)、熱紅外成像設(shè)備FLIR A615采集圖像。分別對(duì)這三種圖像采集設(shè)備采集的圖像分析:D90拍攝的是可見光下的數(shù)字圖像,因?yàn)槿~片濕潤時(shí)間是一個(gè)動(dòng)態(tài)變化的過程,由初吐水葉片上很小很少的水滴開始到吐水旺盛期葉片上很大面積的水滴,可見光的圖片因?yàn)樗臒o色,形態(tài)不固定,分布分散,人眼尚且識(shí)別困難,機(jī)器視覺的方法很難對(duì)其進(jìn)行監(jiān)測(cè)。熒光成像儀成像效果上比D90效果要好,熒光成像儀(藍(lán)光版)拍照時(shí)發(fā)射藍(lán)光,但是水強(qiáng)烈反射藍(lán)光而葉綠素吸收藍(lán)光,使得圖像上水的部分和背景顏色對(duì)比明顯,但是因?yàn)槭艿疆?dāng)時(shí)儀器的限制,成像面積較小,不能監(jiān)測(cè)整個(gè)葉片。熱紅外成像技術(shù)可以呈現(xiàn)不同物體表面的溫差,從而在圖像上表現(xiàn)為不同顏色,且視野范圍大,可以監(jiān)測(cè)整個(gè)黃瓜葉片,因此本研究采用熱紅外成像技術(shù)獲取圖像。(2)詳細(xì)闡述了本文研究用到的圖像預(yù)處理算法,此外,鑒于本研究所分割目標(biāo)圖像的特殊性,對(duì)不同的顏色模型進(jìn)行了對(duì)比分析,選擇最優(yōu)的顏色模型,這里選擇L*a*b*顏色模型進(jìn)行分割。(3)研究了日光溫室黃瓜葉片圖像分割算法。常用的圖像分割方法可分為四類:閾值分割、邊緣檢測(cè)、區(qū)域分割以及基于特定理論的分割算法。閾值分割方法是直接利用圖像的灰度特性,其關(guān)鍵和難點(diǎn)是合適閾值的選取,本研究的圖像目標(biāo)和背景灰度值很接近,閾值分割不適用。基于邊緣的分割算法中效果最優(yōu)的是Canny算子邊緣檢測(cè),我們要分割的水滴附著在葉片上,圖像上很難區(qū)分出邊緣形態(tài),所以經(jīng)典的邊緣檢測(cè)同樣不適用。區(qū)域生長(zhǎng)法首先要人工給出種子點(diǎn),且對(duì)于圖像中不相鄰或是灰度值相近的區(qū)域分割效較差。K-means算法利用黃瓜葉片熱紅外圖像背景和目標(biāo)的顏色區(qū)別對(duì)圖像進(jìn)行分割,和基于G-MRF模型的分割方法作了對(duì)比,平均匹配率、平均誤分率分別比G-MRF模型分割算法高出5.48%、3.62%,并綜合擬合指數(shù)、置信指數(shù)、決定系數(shù)、回歸參數(shù),回歸截距等參數(shù)分析得到K均值聚類分割算法分割效果更優(yōu)。(4)確立葉片濕潤時(shí)間機(jī)器視覺監(jiān)測(cè)方法。統(tǒng)計(jì)分割出來圖像有水部分的像素為N,單個(gè)葉片圖像的像素為M,這里計(jì)算一個(gè)百分比Q來界定葉片濕潤的情況,百分比Q的表達(dá)式為:Q=(N/M)%,令Q5%(查閱相關(guān)文獻(xiàn)再結(jié)合實(shí)際的數(shù)據(jù)分析確定),此時(shí)的葉片視為濕潤情況。對(duì)我們采集的圖像進(jìn)行分割,計(jì)算分割出有水部分圖像的像素值和單個(gè)葉片圖像的像素值,計(jì)算Q值,選擇出這個(gè)Q值大于5%的所有圖片數(shù)量n,圖像采集時(shí),相鄰的圖片之間都有固定的拍照時(shí)間間隔,記為t,則LWD(T)可表示為T=(n-1)*t。本文以葉片黃瓜熱紅外圖像為實(shí)驗(yàn)材料,應(yīng)用機(jī)器視覺的方法對(duì)日光溫室葉片濕潤時(shí)間估算方法進(jìn)行研究,并把最終的實(shí)驗(yàn)結(jié)果和人為觀察結(jié)果對(duì)照。從結(jié)果來看,機(jī)器視覺方法監(jiān)測(cè)得到的葉片濕潤時(shí)間和人工觀測(cè)的結(jié)果誤差不到1h,而黃瓜霜霉病等葉部病害初侵染的時(shí)間至少需要2h以上才能誘發(fā)病原孢子萌發(fā),因此本文的方法是可行的。
【學(xué)位單位】：上海海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：S626;S642.2;TP391.41
【部分圖文】：

因?yàn)槭艿綀D像采集設(shè)備與外部環(huán)境等因素中混入了噪聲，這樣會(huì)對(duì)后期的圖像處理和分析造成等因素影響，采用一些預(yù)處理算法來解決。集系統(tǒng)湯山實(shí)驗(yàn)基地進(jìn)行，實(shí)驗(yàn) 2016 年 10 月份開始進(jìn)行，這時(shí)黃瓜長(zhǎng)勢(shì)旺盛，且大多處于健康狀態(tài)。根據(jù)黃瓜考慮當(dāng)天的天氣情況，每天從下午 6 點(diǎn)（或是 7-8 點(diǎn)）開 7 點(diǎn)到 10 點(diǎn)（或是 11 點(diǎn)）左右結(jié)束，每隔一小時(shí)左試驗(yàn)?zāi)芘牡近S瓜葉片吐水的現(xiàn)象，試驗(yàn)植株選擇生長(zhǎng)。選擇三株黃瓜植株，每棵植株上面選擇三個(gè)葉片，并掛上標(biāo)簽作標(biāo)記。圖像采集器分別為尼康（Nikon）jpg，圖像分辨率為 3216 像素×2136 像素）和熱紅外成像拍攝的圖像作為標(biāo)準(zhǔn)對(duì)照組。

圖 2-4 L*a*b*顏色空間Fig.2-4 L*a*b* color space空間可由 XYZ 顏色空間轉(zhuǎn)換得到。XYZ 顏色空間中所基色的正數(shù)值去描述的，由 值表示人眼對(duì)亮度信息的間轉(zhuǎn)換的計(jì)算公式如式（2-3）所示[46]：0.40 ' 0.325 ' 0.265 '0.234 ' 0.656 ' 0.110 '0.048 ' 0.108 ' 1.279 ' X R G BY R G BZ R G B1/40( R / 255)，1/4G ' 100(G / 255)，1/4B ' 100( B / 255)。L*a*b*顏色空間如式（2-4）[47]：*0*0 0*0 0116 ( / ) 16500[ ( / ) ( / )]200[ ( / ) ( / )] L f Y Ya f X X f Y Yb f Y Y f Z Z

圖 3-1 熱紅外成像儀的參數(shù)設(shè)定Fig.3-1 Parameters setting of thermal infrared imager15，設(shè)備名稱為默認(rèn)值，數(shù)字接口選擇 USB vide址配置為 192.168.15.18。集實(shí)驗(yàn)基地的 12 號(hào)日光溫室中進(jìn)行，圖像采集在 植株長(zhǎng)勢(shì)旺盛，吐水現(xiàn)象較頻繁，基本能保證采采集三天的圖像，結(jié)合當(dāng)天的天氣情況，如果白吐水的時(shí)間就會(huì)提前，實(shí)驗(yàn)拍照時(shí)間大約下午 6瓜葉片吐水時(shí)間就會(huì)延后，這時(shí)拍照時(shí)間就在 7旺盛的植株，每株都選取三片葉片，分別選擇上記。將熱紅外成像儀 FLIR A615 固定在三腳架上且放置熱紅外成像儀的位置可以任意調(diào)節(jié)角度，這

相關(guān)期刊論文 前10條

1 鄭丹;馬尚昌;趙靜;;基于空域?yàn)V波的圖像增強(qiáng)法的探討[J];微型機(jī)與應(yīng)用;2017年04期

2 楊信廷;孫文娟;李明;陳梅香;明楠;韓佳偉;李文勇;陳明;;基于K均值聚類和開閉交替濾波的黃瓜葉片水滴熒光圖像分割[J];農(nóng)業(yè)工程學(xué)報(bào);2016年17期

3 李亞文;;基于頻域?yàn)V波的視頻圖像幀復(fù)原技術(shù)研究[J];電子測(cè)量技術(shù);2016年08期

4 莫玲;;基于RGB彩色空間的圖像分割研究[J];計(jì)算機(jī)科學(xué);2016年S1期

5 王紅軍;熊俊濤;黎鄒鄒;鄧建猛;鄒湘軍;;基于機(jī)器視覺圖像特征參數(shù)的馬鈴薯質(zhì)量和形狀分級(jí)方法[J];農(nóng)業(yè)工程學(xué)報(bào);2016年08期

6 黃兆良;朱啟兵;;基于RGB顏色模型的紅富士蘋果表皮紅色區(qū)域檢測(cè)[J];激光與光電子學(xué)進(jìn)展;2016年04期

7 熊艷;王鶴冰;向華豐;張洪成;;黃瓜霜霉病研究進(jìn)展[J];中國農(nóng)學(xué)通報(bào);2016年01期

8 顧明;鄭林濤;尤政;;基于顏色空間轉(zhuǎn)換的交通圖像增強(qiáng)算法[J];儀器儀表學(xué)報(bào);2015年08期

9 徐黎明;呂繼東;;基于同態(tài)濾波和K均值聚類算法的楊梅圖像分割[J];農(nóng)業(yè)工程學(xué)報(bào);2015年14期

10 房俊龍;楊森森;趙朝陽;李明;王潤濤;;基于DSP與ARM的大豆籽粒視覺分級(jí)系統(tǒng)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年08期

相關(guān)碩士學(xué)位論文 前8條

1 盧曉宇;牛肉圖像在線采集及分割方法研究[D];南京農(nóng)業(yè)大學(xué);2011年

2 張利利;基于多特征的彩色圖像融合分割方法研究[D];合肥工業(yè)大學(xué);2011年

3 馬建元;基于圖像處理的烤煙煙葉質(zhì)量分級(jí)的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2011年

4 曾傳華;基于顏色和紋理特征的竹條分級(jí)方法研究[D];華中農(nóng)業(yè)大學(xué);2010年

5 董鐳;基于車牌識(shí)別技術(shù)的車輛管理系統(tǒng)的研發(fā)[D];廣西大學(xué);2008年

6 陸秋琰;基于計(jì)算機(jī)視覺的牛肉顏色自動(dòng)分級(jí)技術(shù)研究[D];南京農(nóng)業(yè)大學(xué);2008年

7 吳濤;基于數(shù)字圖像處理的土壤表層含水量在線檢測(cè)方法研究[D];江蘇大學(xué);2007年

8 翟劍;模糊數(shù)學(xué)在機(jī)器人顏色識(shí)別中的應(yīng)用[D];東南大學(xué);2006年

本文編號(hào)：2835034