论文部分内容阅读
为了解决传统氮素营养诊断复杂,过量施肥导致的环境污染、土地板块化等问题,论文利用图像处理技术开展了小麦氮素营养诊断模型的研究。实验选用大田环境下的济麦22号为研究对象,利用索尼FDR-AXP35 4K高清摄录一体机对小麦冠层叶片进行图像获取,通过对基于SPAD值(叶绿素值)的颜色特征参数和N值相关性问题、群体小麦颜色特征参数与N值的预测估计问题研究,得到了一些初步的研究结果。具体工作如下:(1)图像数据的采集和图像预处理的研究在小麦的拔节期使用索尼FDR-AXP35 4K高清摄录一体机获取小麦叶片图像时使用白色背景板遮挡。从获取的图像看,图像质量较高,背景简单,有利于后期的图像处理、特征提取等工作。针对大田坏境下获取小麦叶片图像易受光照影响的问题,采用归一化方法去除了光照对小麦颜色特征提取的影响。此外,本文还利用阈值分割方法对小麦叶片进行了彩色分割,保留了小麦叶片的颜色信息,为后期颜色特征提取和特征分析打下了基础。(2)建立了基于叶绿素值的颜色特征参数和N值的关系模型首先,通过线性相关性分析,选取了与SPAD值相关性较大的颜色特征参数是b、r、g、G、R,并利用线性回归模型,建立了上述颜色特征与叶绿素值SPAD间的回归模型;然后,进一步分析叶绿素梯度区间与氮素值间的相关性,估测出SPAD值与小麦的氮素含量关系。借助叶绿素SPAD值,建立了颜色特征与氮素含量间的映射关系表。最后,通过模型检验,该模型的均方根误差为0.16,相对误差介于11%~27%之间,精确度为0.69。(3)建立了群体小麦颜色特征参数与氮值的预测模型首先,基于图像信息选取了4个颜色特征参数:红光标准值NRI、绿光标准值NGI、蓝光标准值NBI,红光值与绿光值比值R/G;然后通过线性相关性分析和线性回归分析,分别建立4个颜色特征参数与N素值的关系模型;最后,采用独立检验样本来评定模型的估测能力,并采用相对误差E、均方根误差RMSE、判定系数R~2(coefficient of determination)进行模型估测能力的评定。该估测模型其相应的均方根误差小于0.050,相对误差介于0.54%~7.35%之间,精确度为0.875,表明该估测达到了较高精确度。