基于图像处理的小麦干旱状态诊断方法研究

发布时间：2023-03-19 07:39

　　本研究在分析了国内外小麦表型研究背景的基础上,梳理和借鉴前人研究思路和成果,结合本试验目的和要求,制定了详细的研究方案,通过开展该试验掌握小麦干旱表型特征量化提取的方法,并建立一套能够识别小麦干旱表型特征并进行分类的模型,及利用数字图像处理技术判断小麦所处干旱状态的方法。最终实现三个目的:1.小麦干旱表型指标的量化方法;2.图像解析与表型特征值的计算;3.小麦干旱表型分类模型的建立。以温室中培育3组不同灌水量的盆栽小麦为研究对象,使用Canon EOS 700D的1800万像素单反相机在无损害的前提对拔节期到抽穗期的小麦进行三维立体拍摄,获取图像数据,经过图像处理,包括:a.灰度化处理、b.图像增强、c.图像分割、d.形态学处理、e.小麦颜色赋值,再利用Matlab提取了34个特征值,包括颜色特征值、纹理特征值和能量特征值,分别为:颜色特征值包括R(红)、G(绿)、B(蓝)及其线性组合:R/G、R/B、R/(G+B)、G/R、G/B、G/(R+B)、B/R、B/G、B/(R+G)、2G-R、2G-B、2G-R-B,以及H(色调)、I(饱和度)、S(亮度)和H(色彩)、S(纯度)、V(明...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 文献综述
    1.1 表型平台
        1.1.1 表型平台的传感器
        1.1.2 传感器使用的技术困难
    1.2 小麦传感器定量化的表型特征
    1.3 计算机视觉技术在在农业干旱监测中的应用
2 引言
    2.1 研究目的和意义
    2.2 研究内容
    2.3 拟解决的关键问题
    2.4 技术路线
3
    3.1 材料与方法
        3.1.1 田间试验材料
        3.1.2 水分控制方法
        3.1.3 图像获取方式
        3.1.4 SPAD的测定
        3.1.5 环境参数的采集
        3.1.6 图像数据处理和统计分析
    3.2 结果和分析
        3.2.1 基于叶片颜色特征值的分析
        3.2.2 基于叶片能量特征值的分析
        3.2.3 基于灰度共生矩阵中4个特征值的的分析
        3.2.4 预测模型的建立和测试
4 结论
    4.1 基于小麦颜色特征值与所处干旱状态的关系
    4.2 基于叶片能量特征值与所处干旱状态的关系
    4.3 基于灰度共生矩阵中4个特征值与干旱状态的关系
    4.4 预测模型的测试结果
5 讨论
参考文献
个人简介



本文编号：3764852