基于机器视觉的玉米苗期土壤湿度检测试验研究

发布时间：2022-05-08 16:07

　　在玉米苗期进行土壤湿度动态监测是提供精准灌溉的重要依据,对于玉米在此阶段快速健康生长具有重要意义。本文模拟超低空图像采集设备的试验方式,通过试验平台采集玉米苗期土壤水分的变化情况,以期建立图像与土壤水分数据的联系。利用超绿特征（2G-R-B）对采集到的玉米苗期土壤图像进行分割以排除植株本身对图像的影响。对试验中分割处理后的土壤图像的均值、归一化方差特征参数与试验平台测得土壤水分数据进行分析比较,分析后对所处理图像采用4G-R-B颜色特征修正,通过计算归一化方差σ_4G-R-B作为特征参数与实测土壤湿度进行线性回归分析,二者相关性验证结果为:R~2=0.73,RMSE=3.2%。表明修正处理后图像归一化方差σ_4G-R-B图像特征参数能够较好的表征土壤的水分变化。 

【文章页数】：7 页

【文章目录】：
0 引言
1 试验设备与材料
    1.1 试验设备
    1.2 试验材料与试验方法
2 试验土壤图像采集与处理
    2.1 土壤图像采集
    2.2 玉米苗土壤图像分割
    2.3 玉米苗期土壤表面区域获取
3 土壤湿度图像分析比较
    3.1 土壤湿度测量
    3.2 玉米苗期土壤图像计算分析
4 结论


【参考文献】：
期刊论文
[1]基于RGB图像处理的烟叶水分无损检测方法研究[J]. 张娟利,宋朝阳,韩文霆,尚晓明,刘治开.  中国农机化学报. 2019(05)
[2]基于改进自适应加权融合算法的土壤湿度监测研究[J]. 王浩,董振振,赵景波,唐勇伟,段杰.  中国农机化学报. 2019(01)
[3]一种改进的田间导航特征点提取算法[J]. 陈艳,李春贵,胡波.  广西科技大学学报. 2018(03)
[4]基于机器视觉的玉米根茎导航基准线提取方法[J]. 宋宇,刘永博,刘路,朱德泉,焦俊,陈黎卿.  农业机械学报. 2017(02)
[5]基于颜色特征的水稻秧苗图像分割[J]. 迟德霞,张伟,王洋.  中国农机化学报. 2013(03)
[6]夏玉米苗期管理措施[J]. 张善云.  农业知识. 2012(16)
[7]基于分数阶植被归一化系数的表层土壤湿度分析模型[J]. 王斌,王伟锋,窦惠芳.  安徽农业科学. 2009(09)
[8]基于CWSI和土壤水分修正系数的冬小麦田土壤含水量估算[J]. 张振华,蔡焕杰,杨润亚.  土壤学报. 2005(03)
[9]水分亏缺指数在全国干旱遥感监测中的应用研究[J]. 齐述华,张源沛,牛铮,王长耀,郑林.  土壤学报. 2005(03)
[10]用气象卫星监测土壤水分的试验研究[J]. 肖乾广,陈维英,盛永伟,李靖.  应用气象学报. 1994(03)

博士论文
[1]基于无人机采集图像的土壤湿度预测模型研究[D]. 王斌.中国石油大学 2009



本文编号：3651958