亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于計(jì)算機(jī)視覺的棗葉含水率估算模型

        2015-06-15 08:18:51勞東青陳立平鄔歡歡郭麗峰李發(fā)永
        江蘇農(nóng)業(yè)科學(xué) 2015年4期
        關(guān)鍵詞:計(jì)算機(jī)視覺紅棗

        勞東青+陳立平+鄔歡歡+郭麗峰+李發(fā)永

        摘要:通過對棗葉圖像預(yù)處理、顏色特征提取及含水率測定,分析棗葉圖像顏色特征值與含水率的相關(guān)性。結(jié)果表明,棗葉G-R和H這2個(gè)顏色特征與含水率相關(guān)性顯著?;贕-R和H建立棗葉含水率估算模型為:y=0.877 2-0.001 5×(G-R)-0.101 3×H,復(fù)相關(guān)系數(shù)R為0.890 7,應(yīng)用計(jì)算機(jī)視覺技術(shù)進(jìn)行棗葉含水率估算可行。

        關(guān)鍵詞:圖像分析;葉片含水率;紅棗;中值濾波;估算模型;計(jì)算機(jī)視覺

        中圖分類號: S126;TP391.4 文獻(xiàn)標(biāo)志碼: A

        文章編號:1002-1302(2015)04-0384-02

        收稿日期:2014-11-24

        基金項(xiàng)目:國家自然科學(xué)基金(編號:51169024);塔里木大學(xué)校長基金(編號:TDZKSS201208)。

        作者簡介:勞東青(1983—),女,廣西靈山人,碩士,講師,從事圖像處理、節(jié)水灌溉研究。E-mail:dql904@126.com。

        通信作者:李發(fā)永,碩士,副教授,從事節(jié)水農(nóng)業(yè)研究。E-mail:lisen8279@163.com。

        紅棗是南疆地區(qū)的主要特色林果之一。近年來,隨著紅棗矮化密集栽培方式的推廣,兵團(tuán)紅棗種植規(guī)模迅速擴(kuò)大,需水量也節(jié)節(jié)攀升。棗農(nóng)為追求眼前效益,田間補(bǔ)水往往采用漫灌而非滴灌方式,這導(dǎo)致大量水資源浪費(fèi),使南疆水資源進(jìn)一步緊缺,節(jié)水灌溉已經(jīng)成為南疆農(nóng)林業(yè)研究的重點(diǎn)之一。根據(jù)作物缺水信息實(shí)施精量控制灌溉,是提高水利用率和生產(chǎn)效率的重要途徑之一[1],而葉片是作物水分虧缺時(shí)反應(yīng)最為敏感的外部形態(tài)器官,當(dāng)作物缺水,葉片的顏色、形狀和紋理會(huì)表現(xiàn)出一定的癥狀,如顏色變黃、變暗、葉片萎蔫、葉面積減少、葉角改變等[2]。圖像采集設(shè)備具有比人眼更為精細(xì)的分辨能力,能更客觀地描述肉眼不可能辨別出來的色澤、形態(tài)、紋理等相關(guān)特性,計(jì)算機(jī)視覺技術(shù)在作物水分檢測領(lǐng)域逐漸得到興起[3-5],目前,在黃瓜、棉花、馬鈴薯、煙草等作物上有研究應(yīng)用。由于數(shù)碼相機(jī)具有圖像質(zhì)量好、成本低、易于開發(fā)與集成等優(yōu)點(diǎn),被廣泛應(yīng)用于作物水分虧缺診斷研究圖像采集過程,并取得較好的效果[6-9]。 本試驗(yàn)對棗葉含水率與棗葉圖像的顏色特征進(jìn)行相關(guān)性分析,探討基于顏色特征的棗葉水分狀況診斷的可行性,為提高南疆水資源利用、實(shí)現(xiàn)南疆紅棗種植園的精量灌溉和自動(dòng)化灌溉提供有益參考。

        1 材料與方法

        1.1 試驗(yàn)設(shè)計(jì)

        試驗(yàn)在新疆維吾爾自治區(qū)塔里木大學(xué)精準(zhǔn)農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室的自動(dòng)化節(jié)水灌溉實(shí)驗(yàn)基地進(jìn)行,供試品種為駿棗。試驗(yàn)小區(qū)面積為40 m2,共計(jì)6個(gè)小區(qū),采用完全隨機(jī)區(qū)組排列,各小區(qū)均設(shè)保護(hù)行,采用單獨(dú)的滴灌設(shè)備以便于試驗(yàn)控制。試驗(yàn)采用單因素水分處理,根據(jù)紅棗在各個(gè)生育期占整個(gè)生育期需水比例分配每次滴水量,并根據(jù)實(shí)際土壤含水量進(jìn)行適當(dāng)調(diào)整。試驗(yàn)設(shè)置3個(gè)處理水平,重復(fù)2次。

        1.2 圖像采集

        圖像采集使用有效像素高達(dá)1 620萬的尼康D7000單反相機(jī),每次拍攝均采用自動(dòng)曝光模式,圖像分辨率采用3 696×2 448,統(tǒng)一存儲(chǔ)為JPG格式。圖像于2014年7月4日14:00左右在田間自然光條件下采集,晴天,微風(fēng),每試驗(yàn)小區(qū)隨機(jī)挑選2株,選取植株冠層枝椏第3~10節(jié)位4張完全展開的葉片進(jìn)行編號、拍攝。為減少后期處理工作量,在距樣本葉片垂直高度為0.3 m處垂直拍攝,以保證每次拍攝的光照強(qiáng)度基本一致;拍攝前,調(diào)整攝像者、樹枝和葉片的位置,以免造成陰影。此外,為便于后期圖像處理時(shí)人工剔除復(fù)雜背景,拍攝時(shí)在葉片下放置白板,使白板和葉片保持水平。

        1.3 棗葉含水率測定

        圖像采集后,迅速摘取樣本葉片裝入自封塑料袋,并放入保鮮盒帶回實(shí)驗(yàn)室,采用傳統(tǒng)的烘干法測定棗葉含水率。烘干前,用型號為DENVER TP-214的分析天平稱量葉片鮮質(zhì)量(mF),精確到0.000 1 g;將葉片放入烘干器皿,置于光明101型電熱鼓風(fēng)干燥箱內(nèi)105 ℃殺青0.5 h;保持70 ℃恒溫,烘干葉片至恒質(zhì)量,稱量葉片干質(zhì)量(mD),計(jì)算棗葉含水率為:葉片含水率=(mF-mD)/mF×100%。

        1.4 圖像處理

        將葉片圖像導(dǎo)入到Photoshop CS6中,綜合運(yùn)用裁剪工具和魔棒工具剔除葉片之外的復(fù)雜背景,使圖像只保留葉片部分,背景透明,并將圖片另存為PNG格式;采用中值濾波法[10]對圖像進(jìn)行降噪處理,以減少圖像在采集和傳輸過程中的噪聲影響。

        MATLAB圖像處理工具箱提供的medfilt2函數(shù)可對二維矩陣進(jìn)行中值濾波處理,其基本語法格式為:B=medfilt2(A,[M N]),表示用指定大小為M×N的窗口對矩陣A進(jìn)行中值濾波處理。濾波窗口通常為方形窗口,大小可取值為3×3、5×5、7×7或9×9,默認(rèn)為3×3。函數(shù)imread()讀入彩色圖像時(shí),返回1個(gè)M×N×3的三維矩陣C,3個(gè)面分別對應(yīng)紅、綠、藍(lán)3個(gè)通道信息,用C(:,:,1)、C(:,:,2)、C(:,:,3)表示。由于medfilt2函數(shù)只能對二維矩陣進(jìn)行處理,對彩色圖像進(jìn)行中值濾波時(shí),通常分別提取圖像的R、G、B分量進(jìn)行中值濾波處理,并將濾波后的3個(gè)分量通過多維矩陣構(gòu)造函數(shù)cat()整合還原成三維矩陣。

        1.5 顏色特征提取

        由于RGB和HIS顏色系統(tǒng)對光源變化不敏感,易于區(qū)分不同顏色[9],在圖像分析時(shí)常被使用。RGB系統(tǒng)中的R、G、B分量易于提取但不直觀,顏色分析時(shí),通常用標(biāo)準(zhǔn)化后的色度坐標(biāo)r、g、b以消除外界光強(qiáng)對顏色的影響,其中,r、g、b分別表示R/(R+G+B)、G/(R+G+B)、B/(R+G+B),也可對R、G、B值進(jìn)行多種組合變換如(G-R)、(G/R)等,并作為圖像的顏色特征進(jìn)行分析。

        HIS顏色系統(tǒng)比RGB系統(tǒng)更符合人的視覺特性,系統(tǒng)中的H、S具有光強(qiáng)不變性,可以作為顏色特征值直接使用[8,11]。HIS顏色系統(tǒng)與RGB系統(tǒng)可相互轉(zhuǎn)換,I、S、H值計(jì)算公式分別為:I=(R+G+B)/3;S=1-3[min(R,G,B)]/(R+G+B);H=θ B≤Gendprint

        360-θ B>G,其中,θ=cos-1{[(G-R)+(R-B)]/2[(R-G)2+(R-B)(G-B)]1/2}。

        1.6 數(shù)據(jù)分析

        對提取的顏色特征和葉片含水率進(jìn)行相關(guān)性分析,根據(jù)P值的大小,篩選出與葉片含水率關(guān)系顯著的顏色特征量,通過回歸分析方法構(gòu)建棗葉含水率估算模型。

        在MATLAB中,利用corrcoef函數(shù)求出數(shù)據(jù)的相關(guān)系數(shù)矩陣,數(shù)據(jù)的維度不同,corrcoef函數(shù)的調(diào)用格式也不同。分析2個(gè)一維向量的相關(guān)性時(shí),corrcoef函數(shù)的調(diào)用格式為:[R,P]=corrcoef(x,y),其中,x和y是長度相同的一維列向量,對應(yīng)行上的數(shù)據(jù)為1個(gè)樣本。R是一個(gè)大小為2×2的矩陣,R(1,1)和R(2,2)分別表示x和y的自相關(guān)系數(shù),其值恒為1;R(1,2)和R(2,1)分別表示y與x、x與y的相關(guān)系數(shù),其值相等,大小在[-1,1]區(qū)間。當(dāng)x和y的相關(guān)系數(shù)值大于0時(shí),表示x和y正相關(guān),反之,x和y負(fù)相關(guān)。P也是一個(gè)2×2的矩陣,表示無效檢驗(yàn)的實(shí)際顯著性水平P,其值越小,表示x和y的相關(guān)性越顯著。一般P小于0.05時(shí),拒絕無效假設(shè):系數(shù)=0,x和y關(guān)系顯著;小于0.01 時(shí),x和y關(guān)系極顯著;大于0.05時(shí),不能否定無效假設(shè),x和y無顯著關(guān)系?;貧w分析可通過函數(shù)regress()進(jìn)行,其調(diào)用格式為:[b,bint,r,rint,stats]=regress(y,x),其中,x為m×n的自變量矩陣,y為m×1的因變量矩陣,b為回歸模型的系數(shù)矩陣,第一項(xiàng)為常數(shù)項(xiàng),bint為b的置信區(qū)間,r為殘差矩陣,rint為r的置信區(qū)間,stats是用于檢驗(yàn)回歸模型的統(tǒng)計(jì)量,包含相關(guān)系數(shù)R、F統(tǒng)計(jì)量值、與F對應(yīng)的概率P和殘差方差共4個(gè)值。

        2 結(jié)果與分析

        2.1 葉片含水率與顏色特征的相關(guān)性分析

        由表1可見,棗葉含水率與G-R、H之間呈高度的負(fù)相關(guān)關(guān)系,達(dá)到顯著性檢驗(yàn)水平(P<0.05),可用于構(gòu)建棗葉含水率估算模型。

        2.2 棗葉含水率估算模型

        通過自編的MATLAB程序腳本,對棗葉含水率、G-R、H進(jìn)行多元線性回歸分析,建立基于G-R和H的 2個(gè)顏色特征棗葉含水率估算模型:y=0.877 2-0.001 5×(G-R)-0.101 3×H,R=0.890 7,P=0.019 4。其中,P<0.05,回歸模型成立。

        表1 棗葉含水率與棗葉圖像顏色特征的相關(guān)性分析

        顏色特征 顏色特征的定義 相關(guān)系數(shù)R P

        r

        紅光的標(biāo)準(zhǔn)化,表示紅光在圖像中所占的比例 0.660 0

        0.074 9

        g

        綠光的標(biāo)準(zhǔn)化,表示綠光在圖像中所占的比例 -0.352 5

        0.391 7

        g-r

        綠光與紅光之差在圖像中所占比例 -0.570 6

        0.139 6

        g-b

        綠光與藍(lán)光之差在圖像中所占比例 -0.206 6

        0.623 6

        r-b

        紅光與藍(lán)光之差在圖像中所占比例 0.178 1

        0.673 1

        R 圖像中的紅光均值 0.392 3 0.336 4

        B 圖像中的藍(lán)光均值 0.160 5 0.704 2

        G-R 綠光與紅光的差值 -0.758 2 0.029 2

        R-B 紅光與藍(lán)光的差值 0.296 5 0.475 7

        G/R 綠光與紅光的比值 0.634 9 0.090 8

        G/B 綠光與藍(lán)光的比值 -0.169 3 0.688 6

        H 圖像的色調(diào)大小 -0.716 0 0.045 8

        I 圖像的顏色強(qiáng)度 0.254 0 0.543 8

        H-S 圖像色調(diào)與色彩飽和度的差值 -0.302 2 0.466 9

        H/I 圖像色調(diào)與顏色強(qiáng)度的比值 -0.368 3 0.369 4

        I-H 圖像顏色強(qiáng)度與色調(diào)的差值 0.257 6 0.537 9

        I/S

        圖像顏色強(qiáng)度與色彩飽和度的比值 0.162 4

        0.700 8

        3 結(jié)論與討論

        通過對棗葉圖像顏色特征的提取與分析,探討了水分脅迫條件下棗葉圖像顏色特征與棗葉含水率的相關(guān)性分析,發(fā)現(xiàn)G-R和H 2個(gè)顏色特征與棗葉含水率關(guān)系顯著,可用于棗葉含水率的預(yù)測與評價(jià);應(yīng)用多元線性回歸分析方法建立基于G-R和H的棗葉含水率估算模型,其相關(guān)系數(shù)高達(dá)0890 7,無效檢驗(yàn)的顯著性水平接近0.01,進(jìn)一步說明應(yīng)用計(jì)算機(jī)視覺技術(shù)進(jìn)行棗葉含水率的診斷與評價(jià)是可行的。

        顏色是圖像最為直觀和相對重要的一種視覺特征,相對于紋理特征和形狀特征,在基于計(jì)算機(jī)視覺技術(shù)的水分診斷,探討顏色特征與葉片含水率關(guān)系的研究中更為常見,常常通過提取作物圖像的R、G、B、H、I、S分量值,對其進(jìn)行多種組合變換,分析變量或變量組合與作物水分狀況的相關(guān)關(guān)系,并建立相應(yīng)估算模型。蔡鴻昌等應(yīng)用直方圖法提取黃瓜葉片的顏色特征,發(fā)現(xiàn)G/(R+G+B)和G-R可用于葉片干基含水量的估算[8];王方永等建立基于G-R參數(shù)的棉花水分含量及其指數(shù)的預(yù)測模型,預(yù)測精度分別達(dá)到90.71%和9102%[9];Zakaluk等通過試驗(yàn),同樣證明基于顏色特征進(jìn)行馬鈴薯植株葉水勢的估算是可行的[12]。作物圖像的灰度梯度值用于作物水分狀況診斷效果也很好,于常樂等建立基于圖像灰度梯度的黃瓜葉片含水量的預(yù)測模型,實(shí)現(xiàn)了黃瓜葉片水分虧缺的無損檢測[6-7]。

        總之,應(yīng)用計(jì)算機(jī)視覺技術(shù)進(jìn)行作物水分狀況診斷是可行的,這為田間精量灌溉與自動(dòng)化灌溉的實(shí)現(xiàn)提供了理論依據(jù)和技術(shù)支撐。本試驗(yàn)篩選的顏色特征中,沒有與棗葉含水率關(guān)系極顯著的量,分析原因可能有3個(gè)方面:(1)新疆沙塵endprint

        大,葉片上落灰多,影響棗葉圖像質(zhì)量和棗葉含水率的精確度;(2)部分葉片采集圖像時(shí),局部反光,出現(xiàn)亮點(diǎn),影響棗葉圖像顏色特征的提取;(3)棗葉圖像的降噪算法可能影響棗葉含水率估算模型的精度。在后續(xù)研究中,應(yīng)找出相關(guān)的解決辦法,優(yōu)化估算模型,也可變換角度,分析棗葉圖像的灰度特征與棗葉含水率的相關(guān)性,挖掘出與棗葉含水率關(guān)系更為顯著的特征量。

        參考文獻(xiàn):

        [1]康紹忠,蔡煥杰,馮紹元.現(xiàn)代農(nóng)業(yè)與生態(tài)節(jié)水的技術(shù)創(chuàng)新與未來研究重點(diǎn)[J]. 農(nóng)業(yè)工程學(xué)報(bào),2004,20(1):1-6.

        [2]彭 文,李慶武,霍冠英,等. 基于計(jì)算機(jī)視覺的植物水分脅迫狀況監(jiān)測方法[J]. 科學(xué)技術(shù)與工程,2013,13(9):2313-2317,2330.

        [3]Ahmad U,Mardison S,Tjahjohutomo R,et al. Development of automatic grading machine prototype for citrus using image processing[J]. Australian Journal Agricultural Engineering,2010,1(5):165-169.

        [4]梁改梅,楊錦忠,陳穩(wěn)良,等. 計(jì)算機(jī)圖像處理與分析技術(shù)在作物領(lǐng)域的應(yīng)用[J]. 科技情報(bào)開發(fā)與經(jīng)濟(jì),2006,16(12):222-224.

        [5]Romano G,Baranyai L,Gottschalk K,et al. An approach for monitoring the moisture content changes of drying banana slices with laser light backscattering imaging[J]. Food and Bioprocess Technology,2008,1(4):410-414.

        [6]于常樂. 基于圖像處理的葉片含水量的無損檢測研究[D]. 長春:吉林大學(xué),2007.

        [7]孫瑞東,于海業(yè),于常樂,等. 基于圖像處理的黃瓜葉片含水量無損檢測研究[J]. 農(nóng)機(jī)化研究,2008(7):87-89.

        [8]蔡鴻昌,崔海信,高麗紅,等. 基于顏色特征的葉片含水率與比葉重估算模型初探[J]. 中國農(nóng)學(xué)通報(bào),2006,22(8):532-535.

        [9]王方永,王克如,王崇桃,等. 基于圖像識別的棉花水分狀況診斷研究[J]. 石河子大學(xué)學(xué)報(bào):自然科學(xué)版,2007,25(4):404-407.

        [10]杜麗美.幾種常見的圖像去噪算法研究[J]. 山西大同大學(xué)學(xué)報(bào):自然科學(xué)版,2012,28(5):7-9.

        [11]甘露萍,謝守勇,鄒大軍.基于計(jì)算機(jī)視覺的烤煙鮮煙葉含水量無損檢測及MATLAB實(shí)現(xiàn)[J]. 西南大學(xué)學(xué)報(bào):自然科學(xué)版,2009,31(7):166-170.

        [12]Zakaluk R,Ranjan R S. Artificial neural network modelling of leaf water potential for potatoes using RGB digital images:a greenhouse study[J]. Potato Research,2006,49(4):255-272.endprint

        猜你喜歡
        計(jì)算機(jī)視覺紅棗
        一顆大紅棗
        手摘紅棗想親人
        我愛家鄉(xiāng)的紅棗
        紅棗期貨價(jià)格大漲之后怎么走
        基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
        雙目攝像頭在識別物體大小方面的應(yīng)用
        機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用
        危險(xiǎn)氣體罐車液位計(jì)算機(jī)視覺監(jiān)控識別報(bào)警系統(tǒng)設(shè)計(jì)
        計(jì)算機(jī)視覺在交通領(lǐng)域的應(yīng)用
        基于計(jì)算機(jī)視覺的細(xì)小顆粒團(tuán)重量測量的研究
        喷潮出白浆视频在线观看 | 久久综合99re88久久爱| 无码人妻一区二区三区免费视频| 久久久日韩精品一区二区三区| 成 人 色综合 综合网站| 日韩av无卡无码午夜观看| 精品少妇人妻av免费久久久| 国产成人亚洲欧美三区综合| 日本一曲二曲三曲在线| 喷水白浆视频在线观看| 日本又色又爽又黄又免费网站 | 人妻献身系列第54部| 欧美色图50p| 免费女同毛片在线不卡| 亚洲av综合色一区二区| 人人做人人爽人人爱| 亚洲国产精品成人无码区| 一区二区三区内射视频在线观看 | 国产精品亚洲一区二区三区在线看| 久久人人爽人人爽人人片av高请| 无人视频在线观看免费播放影院 | 日韩精品无码一区二区三区 | 久久精品国产亚洲av蜜点| 久久午夜无码鲁丝片午夜精品| 女人色毛片女人色毛片18| 69国产成人综合久久精| 国产精品丝袜美女久久| 高级会所技师自拍视频在线| 97精品国产97久久久久久免费| 无码夜色一区二区三区| 极品美女尤物嫩模啪啪| 免费av网址一区二区| 狠狠爱婷婷网五月天久久| 久久精品国产亚洲av影院| 天天躁日日躁狠狠躁人妻 | 又湿又黄裸乳漫画无遮挡网站| 中文字幕久久久久久久系列| 久久五月精品中文字幕| 日本人妻伦理在线播放| 午夜福利试看120秒体验区| 久久se精品一区精品二区国产|