论文部分内容阅读
本文对玉米小斑病图象及监测原理与方法进行了较系统的研究,将作物病害危害程度的监测理论和技术与现代信息技术结合,根据我国植保工作、病害监测的基本现状、发展趋势及现实需求,构建了基于图像识别的玉米小斑病发病程度诊断系统,得到以下结论。1数字图象的采集与预处理试验中所采集的作物植株图像包含土壤、塑料盆、杂草等一些背景因素,但土壤等非植物背景的红色分量R占主导地位,而叶片部分的绿色分量G占主导地位,从而为植物与非植物背景的识别提供了很好的依据。通过利用玉米植株彩色图像的R、G、B单个分量和R、G、B的组合分量分别对图像进行分割,提取作物植株,比较发现以(2G-R-B)组合分割玉米植株能够得到较为满意的效果。对于大量图片的作物植株的提取,使用迭代的方法自动选择最佳的分割阈值。用上述方法对试验中采集的图像进行分割,全部成功自动分割,很好的将玉米植株与背景分离开来。2玉米小斑病图象的颜色特征值与单株病情指数之间的关系本实验用RGB和HIS两个颜色系统的特征值分别建立了18个对苗期和拔节期不同发病程度的玉米单株病情指数进行预测的统计模型,并分别筛选出决定系数最高的5组,用未参加建模的15株玉米图像的颜色特征值进行验证。从预测值和实测值间线性回归方程的决定系数的大小可以看出,不同模型的预测精度有所差异,但对这两个不同生育期而言,均以红色分量R、红色分量与绿色分量互为比值的组合值R/G和G/R与其对应的病情指数间的回归模型的预测精度较高。3单叶水平下颜色特征值、病斑占叶片面积百分率和叶绿素含量间的关系3.1颜色特征值与病斑占叶片面积百分率之间的关系从RGB和HIS两个颜色系统的特征值与单叶水平下病斑占叶片面积百分率建立的18个统计预测模型中筛选出决定系数最高的6组,并用未参加建模的玉米图像的颜色特征值进行验证,发现由这6组回归模型的预测精度均比较高。3.2病斑占玉米叶片面积的百分率与叶绿素含量间的关系病斑占叶片面积的百分率与叶绿素含量之间均存在极显著的相关关系,相关系数都达到0.95以上,并且随着病斑占叶片面积的百分率的增加,各叶绿素的含量也随之降低。3.3颜色特征值与不同感病程度的玉米叶片的叶绿素含量间的关系通过对不同发病程度玉米叶片的颜色特征值和其对应的叶绿素a、b和a+b浓度之间进行回归分析,并根据决定系数的大小从中共筛选出22组模型进行验证。结果发现R、G、R/G、G/R、R/(G+B)、r和H等颜色特征值与叶绿素a浓度的回归模型的预测效果较好;R、G和H等特征值与叶绿素a+b浓度的回归模型的预测精度较高;但各颜色特征值与叶绿素b浓度的回归模型的预测精度均较低。4不同发病程度下玉米植株生理指标的变化根据以整株为单位的玉米小斑病的分级标准,将植株的发病情况分为0级、0.5级、1级、2级、3级和4级。采用L16400便携式光合仪测定感染玉米小斑病的植株净光合速率、气孔导度和蒸腾速率等生理指标。结果表明,随着感病程度的增加,净光合速率、气孔导度和蒸腾速率均呈现下降趋势。