基于图像技术的作物水分检测研究与应用

《基于图像技术的作物水分检测研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391.4单位代码：10364密级：学号：13720451安徽农业大学学位论文基于图像技术的作物水分检测研究与应用TheStudyandApplicationofCropMoistureContentDetectionBasedOnImageTechnology研究生：杨春合指导教师：江朝晖教授合作指导教师：申请学位类别：工学硕士专业领域名称：计算机应用技术研究方向：信息检测与处理答辩委员会主席：2016年6月独创性声明本人声明所呈交的论文是巧个人在导师指导下进行的研巧工作及取得的研究成果。，除了文中特别加ｙ■标注和致谢的地方外尽我所知，论文中不包含其他

2、人已经发巧或撰写过的研究成果，也不包含为获得安徽农业大学或其它教育机构的学位一或证书而使用过的材料。与我同工作的同志对本硏究所做的任何贡献均已在论文中作了明确的说明并表示了谢意？。＾：扬若时间１追研究生签名：列年＾月？曰关于论文使用授权的说明本人完全了解安徽农业大学有关保留、目Ｐ使用学位论文的规定；，学校有权保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论文。同意安徽农业大学可Ｗ用不同方式在不同媒体上发表、巧播学位论文的全部或部分内容。（保密的学位论文在解密后应遵守此协议）羞

3、名？研究生签名：杨时间：年Ｉ月乐曰第一导师签《屯；卻巧时间；亦山年月日摘要作物水分检测是农业“四情”监测的内容之一，对作物旱情预警、灌溉管理以及产量预测等方面具有重要意义。随着图像技术和互联网技术的飞速发展，以作物叶片或冠层图像为对象、采用机器视觉技术对作物含水量进行快速、无损检测是一个重要研究课题。为了提高作物含水量图像检测方法的精度和实用性，本文以玉米叶片图像和小麦冠层图像为对象，研究光照增强、图像分割、特征选取和检测模型构建等方法，并以此为基础开展应用试验。主要研究内容和结果如下所述：（1）作物图像的光照增强和分割研究。针对野外获取的作物图像受自然光照影

4、响严重的问题，提出同态滤波-Retinex组合算法进行光照增强预处理，较好地消除了光照不均匀和颜色失真影响，并改善了图像的整体亮度；比较了k-means聚类分割、二维最大信息熵分割和颜色特征分割的性能，并采用颜色特征分割法对小麦冠层图像进行分割，最大限度保留了作物信息，有效去除背景中土壤及枯叶败叶。（2）特征提取、筛选和模型检测研究。在现有研究基础上提取与作物水分相关的众多颜色特征、纹理特征和形态特征，研究运用相关分析和假设检验等方法进行特征筛选，获得表征含水量的显著特征，并通过主成分分析、偏最小二乘法构建精度较高的水分检测模型。（3）玉米叶片含水量检测应用。提出并实现基于

5、智能手机—服务器模式的作物叶片含水量检测系统，并以玉米为对象进行试验。结果表明，该系统可以便捷获取作物叶片图像，实时获取检测结果，其检测误差在可接受范围之内，后台算法的更新与扩展对用户透明，适合农民、农技人员使用。（4）冬小麦冠层含水量检测应用。以数码相机拍摄的越冬期冬小麦冠层可见光图像为对象，进行冠层含水量检测试验。对淮麦30和烟农19两个冬小麦品种的测试结果显示，检测相对误差均值为1.290%，方差为1.053，两个品种之间没有明显差异。该方法可拓展至田间摄像头和农业无人机等检测场合。关键词：大田作物，含水量，图像处理，模型检测，互联网IAbstractCropwate

6、rdetection,oneofthe"fourcases"monitoringofagriculture,hasbeenwidelyappliedintocropdroughtwarning,irrigationmanagementandyieldpredictionetc.Ithasbecomeanimportantresearchtopicthatdetectingthecropmoisturecontentfastandinoffensively.Generally,itusesmachinevisiontechnologyofcropmoisturewiththe

7、cropleaforcanopyimageastheresearchobjectsincetherapiddevelopmentoftheimagetechnologyandInternettechnology.Inordertoimprovetheprecisionandpracticabilityofcropmoisturecontentdetection,themethodsofilluminationenhancement,imagesegmentation,andfeatureselectionandde