在果園管理中,氮元素可以增強(qiáng)果樹(shù)光合作用,合理施用氮肥是提高果實(shí)品質(zhì)與產(chǎn)量的有效措施。隨著我國(guó)果園經(jīng)營(yíng)規(guī)模的不斷擴(kuò)大,傳統(tǒng)粗放式的果園施肥管理方式亟待改善。目前蘋(píng)果栽培過(guò)程中存在偏施氮肥、施肥不足或超量、施肥時(shí)期不合理等問(wèn)題,導(dǎo)致果實(shí)產(chǎn)量和品質(zhì)下降、種植成本偏高和環(huán)境污染嚴(yán)重。因此,氮素營(yíng)養(yǎng)檢測(cè)和優(yōu)化施肥管理在現(xiàn)代果園管理中起著至關(guān)重要的作用。目前對(duì)果樹(shù)葉片氮含量檢測(cè)的研究多為對(duì)葉片的光色信息的分析,而葉片表現(xiàn)出的顏色特征受光照影響大,在不同的光譜范圍內(nèi)呈現(xiàn)出的反射光特征是不同的,影響分析精度。僅依賴(lài)于高光譜、葉綠素計(jì)等方法難以采集可以反映缺氮程度的新梢生長(zhǎng)狀態(tài)以及葉片形狀等特征來(lái)做進(jìn)一步的分析。因此,研究受采集環(huán)境影響較小的果樹(shù)形態(tài)學(xué)特征作為檢測(cè)果樹(shù)葉片氮含量的特征參數(shù),以及探尋一種低成本、普及性強(qiáng)的葉片氮含量估測(cè)方法顯得尤為重要。本論文應(yīng)用數(shù)字圖像處理技術(shù),在可見(jiàn)光光譜范圍內(nèi)針對(duì)不同氮水平處理的蘋(píng)果樹(shù),選取其新梢葉片形態(tài)特征參數(shù)與葉節(jié)距特征參數(shù)進(jìn)行分析,從而建立出蘋(píng)果樹(shù)葉片氮含量估測(cè)模型,以實(shí)現(xiàn)蘋(píng)果樹(shù)氮含量的無(wú)損傷快速檢測(cè),判斷蘋(píng)果生長(zhǎng)發(fā)育的營(yíng)養(yǎng)狀態(tài),從而指導(dǎo)果園管理者按需施肥。主... 

【文章來(lái)源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于圖像處理的蘋(píng)果樹(shù)葉片形態(tài)特征參數(shù)測(cè)量的硬件系統(tǒng)

圖 2-2 基于圖像處理的蘋(píng)果樹(shù)葉片形態(tài)特征參數(shù)測(cè)量的硬件系統(tǒng)ig. 2-2 Hardware system for measuring the shape parameters of apple leaves based on image process2 中，1-工業(yè) CCD 相機(jī)、2-成像鏡頭、3-光源、4-標(biāo)定紙、5-相機(jī)支架算機(jī)顯示屏、7-計(jì)算機(jī)主機(jī)、8-圖像采集軟件。設(shè)備的技術(shù)參數(shù)在本節(jié)采集設(shè)備像采集硬件選用的是便攜式的工業(yè) CCD 相機(jī)和成像鏡頭，見(jiàn)圖 2-3鏡頭的技術(shù)參數(shù)分別見(jiàn)表 2-1 和表 2-2。

圖 2-4 定標(biāo)板Fig. 2-4 Calibration board光源節(jié)選用康視達(dá)的 SP-300-192-W 四面無(wú)影光源，如圖 2-5 所示。四面無(wú)影光源的漫反射光源，使光線均勻照射到待檢測(cè)目標(biāo)的表面，從而使相機(jī)視場(chǎng)內(nèi)的片樣本被均勻的照亮，真實(shí)還原待采集目標(biāo)圖像的顏色，使圖像具有較高的清晰度，保證成像質(zhì)量。圖 2-5 中，1-電源、2-四面無(wú)影光源。圖 2-5 四面無(wú)影光源

【參考文獻(xiàn)】：
期刊論文
[1]HSV色彩空間下三邊濾波的Retinex圖像增強(qiáng)算法研究[J]. 師晶晶.  自動(dòng)化與儀器儀表. 2018(12)
[2]應(yīng)用智能終端的立木高度測(cè)量方法[J]. 高莉平,徐愛(ài)俊.  東北林業(yè)大學(xué)學(xué)報(bào). 2018(11)
[3]基于紋理抑制平滑濾波的織物圖案識(shí)別[J]. 史景宵,崔俊峰.  印染助劑. 2018(10)
[4]基于非局部均值濾波的復(fù)雜地表區(qū)浮動(dòng)基準(zhǔn)面計(jì)算方法[J]. 王勝春,李進(jìn),胡珊珊.  地球物理學(xué)進(jìn)展. 2018(05)
[5]基于數(shù)字圖像處理技術(shù)的測(cè)樹(shù)儀算法研究[J]. 呂奇,岳德鵬.  西北林學(xué)院學(xué)報(bào). 2018(05)
[6]基于圖像處理技術(shù)的植物葉片面積和周長(zhǎng)測(cè)量[J]. 崔世鋼,秦建華,張永立.  江蘇農(nóng)業(yè)科學(xué). 2018(15)
[7]基于圖像分割的蘋(píng)果葉片幾何參數(shù)計(jì)算[J]. 張萬(wàn)紅.  中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(08)
[8]基于FCM及HSV模型的方格蔟黃斑繭檢測(cè)與剔除技術(shù)[J]. 劉莫塵,許榮浩,閆筱,閆銀發(fā),李法德,劉雙喜.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(07)
[9]植物葉面積測(cè)定方法探討[J]. 吳千華,孟祥麗,劉一鳴.  熱帶林業(yè). 2018(02)
[10]穩(wěn)健總體最小二乘法一元線性回歸的相對(duì)有效性探討[J]. 劉清,葛永慧.  統(tǒng)計(jì)與決策. 2017(24)

博士論文
[1]采摘機(jī)器人圖像處理系統(tǒng)中的關(guān)鍵算法研究[D]. 謝忠紅.南京農(nóng)業(yè)大學(xué) 2013
[2]基于數(shù)字圖像的水稻氮磷鉀營(yíng)養(yǎng)診斷與建模研究[D]. 石媛媛.浙江大學(xué) 2011
[3]立木枝干機(jī)器視覺(jué)識(shí)別技術(shù)研究[D]. 孫仁山.北京林業(yè)大學(xué) 2006

碩士論文
[1]基于色調(diào)差的蘋(píng)果樹(shù)葉片氮含量檢測(cè)研究[D]. 李友永.山東農(nóng)業(yè)大學(xué) 2018
[2]基于高光譜的柑橘葉片氮磷鉀含量檢測(cè)模型[D]. 全東平.華南農(nóng)業(yè)大學(xué) 2016
[3]植物葉片幾何參數(shù)測(cè)量研究與應(yīng)用[D]. 康宇.西南科技大學(xué) 2016
[4]基于植物葉形狀和葉脈的植物葉自動(dòng)分類(lèi)研究[D]. 劉春爽.浙江理工大學(xué) 2016
[5]基于顏色的圖像識(shí)別技術(shù)及其應(yīng)用研究[D]. 王賽.杭州電子科技大學(xué) 2016
[6]基于HSV空間的彩色圖像亞像素邊緣檢測(cè)[D]. 李麗莎.西安工業(yè)大學(xué) 2015
[7]草本植物圖像特征提取與分類(lèi)研究[D]. 康欣.東北林業(yè)大學(xué) 2015
[8]基于圖像的植物葉片參數(shù)測(cè)量方法研究[D]. 周樂(lè)前.湖南大學(xué) 2015
[9]葡萄樹(shù)冬剪機(jī)器人剪枝點(diǎn)定位方法研究[D]. 賈挺猛.浙江工業(yè)大學(xué) 2012
[10]基于機(jī)器視覺(jué)技術(shù)的水稻營(yíng)養(yǎng)快速診斷研究[D]. 劉江桓.江西農(nóng)業(yè)大學(xué) 2011



本文編號(hào)：3625430