在果園管理中,氮元素可以增強果樹光合作用,合理施用氮肥是提高果實品質與產量的有效措施。隨著我國果園經營規(guī)模的不斷擴大,傳統(tǒng)粗放式的果園施肥管理方式亟待改善。目前蘋果栽培過程中存在偏施氮肥、施肥不足或超量、施肥時期不合理等問題,導致果實產量和品質下降、種植成本偏高和環(huán)境污染嚴重。因此,氮素營養(yǎng)檢測和優(yōu)化施肥管理在現代果園管理中起著至關重要的作用。目前對果樹葉片氮含量檢測的研究多為對葉片的光色信息的分析,而葉片表現出的顏色特征受光照影響大,在不同的光譜范圍內呈現出的反射光特征是不同的,影響分析精度。僅依賴于高光譜、葉綠素計等方法難以采集可以反映缺氮程度的新梢生長狀態(tài)以及葉片形狀等特征來做進一步的分析。因此,研究受采集環(huán)境影響較小的果樹形態(tài)學特征作為檢測果樹葉片氮含量的特征參數,以及探尋一種低成本、普及性強的葉片氮含量估測方法顯得尤為重要。本論文應用數字圖像處理技術,在可見光光譜范圍內針對不同氮水平處理的蘋果樹,選取其新梢葉片形態(tài)特征參數與葉節(jié)距特征參數進行分析,從而建立出蘋果樹葉片氮含量估測模型,以實現蘋果樹氮含量的無損傷快速檢測,判斷蘋果生長發(fā)育的營養(yǎng)狀態(tài),從而指導果園管理者按需施肥。主... 

【文章來源】：山東農業(yè)大學山東省

【文章頁數】：93 頁

【學位級別】：碩士

【部分圖文】：

基于圖像處理的蘋果樹葉片形態(tài)特征參數測量的硬件系統(tǒng)

圖 2-2 基于圖像處理的蘋果樹葉片形態(tài)特征參數測量的硬件系統(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、2-成像鏡頭、3-光源、4-標定紙、5-相機支架算機顯示屏、7-計算機主機、8-圖像采集軟件。設備的技術參數在本節(jié)采集設備像采集硬件選用的是便攜式的工業(yè) CCD 相機和成像鏡頭，見圖 2-3鏡頭的技術參數分別見表 2-1 和表 2-2。

圖 2-4 定標板Fig. 2-4 Calibration board光源節(jié)選用康視達的 SP-300-192-W 四面無影光源，如圖 2-5 所示。四面無影光源的漫反射光源，使光線均勻照射到待檢測目標的表面，從而使相機視場內的片樣本被均勻的照亮，真實還原待采集目標圖像的顏色，使圖像具有較高的清晰度，保證成像質量。圖 2-5 中，1-電源、2-四面無影光源。圖 2-5 四面無影光源

【參考文獻】：
期刊論文
[1]HSV色彩空間下三邊濾波的Retinex圖像增強算法研究[J]. 師晶晶.  自動化與儀器儀表. 2018(12)
[2]應用智能終端的立木高度測量方法[J]. 高莉平,徐愛俊.  東北林業(yè)大學學報. 2018(11)
[3]基于紋理抑制平滑濾波的織物圖案識別[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雜地表區(qū)浮動基準面計算方法[J]. 王勝春,李進,胡珊珊.  地球物理學進展. 2018(05)
[5]基于數字圖像處理技術的測樹儀算法研究[J]. 呂奇,岳德鵬.  西北林學院學報. 2018(05)
[6]基于圖像處理技術的植物葉片面積和周長測量[J]. 崔世鋼,秦建華,張永立.  江蘇農業(yè)科學. 2018(15)
[7]基于圖像分割的蘋果葉片幾何參數計算[J]. 張萬紅.  中國農業(yè)大學學報. 2018(08)
[8]基于FCM及HSV模型的方格蔟黃斑繭檢測與剔除技術[J]. 劉莫塵,許榮浩,閆筱,閆銀發(fā),李法德,劉雙喜.  農業(yè)機械學報. 2018(07)
[9]植物葉面積測定方法探討[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有效性探討[J]. 劉清,葛永慧.  統(tǒng)計與決策. 2017(24)

博士論文
[1]采摘機器人圖像處理系統(tǒng)中的關鍵算法研究[D]. 謝忠紅.南京農業(yè)大學 2013
[2]基于數字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D]. 石媛媛.浙江大學 2011
[3]立木枝干機器視覺識別技術研究[D]. 孫仁山.北京林業(yè)大學 2006

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



本文編號：3625430