基于数字图像处理技术的苹果树叶片氮含量检测研究
发布时间：2022-02-14 23:04
在果园管理中,氮元素可以增强果树光合作用,合理施用氮肥是提高果实品质与产量的有效措施。随着我国果园经营规模的不断扩大,传统粗放式的果园施肥管理方式亟待改善。目前苹果栽培过程中存在偏施氮肥、施肥不足或超量、施肥时期不合理等问题,导致果实产量和品质下降、种植成本偏高和环境污染严重。因此,氮素营养检测和优化施肥管理在现代果园管理中起着至关重要的作用。目前对果树叶片氮含量检测的研究多为对叶片的光色信息的分析,而叶片表现出的颜色特征受光照影响大,在不同的光谱范围内呈现出的反射光特征是不同的,影响分析精度。仅依赖于高光谱、叶绿素计等方法难以采集可以反映缺氮程度的新梢生长状态以及叶片形状等特征来做进一步的分析。因此,研究受采集环境影响较小的果树形态学特征作为检测果树叶片氮含量的特征参数,以及探寻一种低成本、普及性强的叶片氮含量估测方法显得尤为重要。本论文应用数字图像处理技术,在可见光光谱范围内针对不同氮水平处理的苹果树,选取其新梢叶片形态特征参数与叶节距特征参数进行分析,从而建立出苹果树叶片氮含量估测模型,以实现苹果树氮含量的无损伤快速检测,判断苹果生长发育的营养状态,从而指导果园管理者按需施肥。主...
【文章来源】：山东农业大学山东省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
基于图像处理的苹果树叶片形态特征参数测量的硬件系统
图 2-2 基于图像处理的苹果树叶片形态特征参数测量的硬件系统ig. 2-2 Hardware system for measuring the shape parameters of apple leaves based on image process2 中，1-工业 CCD 相机、2-成像镜头、3-光源、4-标定纸、5-相机支架算机显示屏、7-计算机主机、8-图像采集软件。设备的技术参数在本节采集设备像采集硬件选用的是便携式的工业 CCD 相机和成像镜头，见图 2-3镜头的技术参数分别见表 2-1 和表 2-2。
图 2-4 定标板Fig. 2-4 Calibration board光源节选用康视达的 SP-300-192-W 四面无影光源，如图 2-5 所示。四面无影光源的漫反射光源，使光线均匀照射到待检测目标的表面，从而使相机视场内的片样本被均匀的照亮，真实还原待采集目标图像的颜色，使图像具有较高的清晰度，保证成像质量。图 2-5 中，1-电源、2-四面无影光源。图 2-5 四面无影光源
【参考文献】：
期刊论文
[1]HSV色彩空间下三边滤波的Retinex图像增强算法研究[J]. 师晶晶. 自动化与仪器仪表. 2018(12)
[2]应用智能终端的立木高度测量方法[J]. 高莉平,徐爱俊. 东北林业大学学报. 2018(11)
[3]基于纹理抑制平滑滤波的织物图案识别[J]. 史景宵,崔俊峰. 印染助剂. 2018(10)
[4]基于非局部均值滤波的复杂地表区浮动基准面计算方法[J]. 王胜春,李进,胡珊珊. 地球物理学进展. 2018(05)
[5]基于数字图像处理技术的测树仪算法研究[J]. 吕奇,岳德鹏. 西北林学院学报. 2018(05)
[6]基于图像处理技术的植物叶片面积和周长测量[J]. 崔世钢,秦建华,张永立. 江苏农业科学. 2018(15)
[7]基于图像分割的苹果叶片几何参数计算[J]. 张万红. 中国农业大学学报. 2018(08)
[8]基于FCM及HSV模型的方格蔟黄斑茧检测与剔除技术[J]. 刘莫尘,许荣浩,闫筱,闫银发,李法德,刘双喜. 农业机械学报. 2018(07)
[9]植物叶面积测定方法探讨[J]. 吴千华,孟祥丽,刘一鸣. 热带林业. 2018(02)
[10]稳健总体最小二乘法一元线性回归的相对有效性探讨[J]. 刘清,葛永慧. 统计与决策. 2017(24)
博士论文
[1]采摘机器人图像处理系统中的关键算法研究[D]. 谢忠红.南京农业大学 2013
[2]基于数字图像的水稻氮磷钾营养诊断与建模研究[D]. 石媛媛.浙江大学 2011
[3]立木枝干机器视觉识别技术研究[D]. 孙仁山.北京林业大学 2006
硕士论文
[1]基于色调差的苹果树叶片氮含量检测研究[D]. 李友永.山东农业大学 2018
[2]基于高光谱的柑橘叶片氮磷钾含量检测模型[D]. 全东平.华南农业大学 2016
[3]植物叶片几何参数测量研究与应用[D]. 康宇.西南科技大学 2016
[4]基于植物叶形状和叶脉的植物叶自动分类研究[D]. 刘春爽.浙江理工大学 2016
[5]基于颜色的图像识别技术及其应用研究[D]. 王赛.杭州电子科技大学 2016
[6]基于HSV空间的彩色图像亚像素边缘检测[D]. 李丽莎.西安工业大学 2015
[7]草本植物图像特征提取与分类研究[D]. 康欣.东北林业大学 2015
[8]基于图像的植物叶片参数测量方法研究[D]. 周乐前.湖南大学 2015
[9]葡萄树冬剪机器人剪枝点定位方法研究[D]. 贾挺猛.浙江工业大学 2012
[10]基于机器视觉技术的水稻营养快速诊断研究[D]. 刘江桓.江西农业大学 2011
本文编号：3625430
【文章来源】：山东农业大学山东省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
基于图像处理的苹果树叶片形态特征参数测量的硬件系统
图 2-2 基于图像处理的苹果树叶片形态特征参数测量的硬件系统ig. 2-2 Hardware system for measuring the shape parameters of apple leaves based on image process2 中，1-工业 CCD 相机、2-成像镜头、3-光源、4-标定纸、5-相机支架算机显示屏、7-计算机主机、8-图像采集软件。设备的技术参数在本节采集设备像采集硬件选用的是便携式的工业 CCD 相机和成像镜头，见图 2-3镜头的技术参数分别见表 2-1 和表 2-2。
图 2-4 定标板Fig. 2-4 Calibration board光源节选用康视达的 SP-300-192-W 四面无影光源，如图 2-5 所示。四面无影光源的漫反射光源，使光线均匀照射到待检测目标的表面，从而使相机视场内的片样本被均匀的照亮，真实还原待采集目标图像的颜色，使图像具有较高的清晰度，保证成像质量。图 2-5 中，1-电源、2-四面无影光源。图 2-5 四面无影光源
【参考文献】：
期刊论文
[1]HSV色彩空间下三边滤波的Retinex图像增强算法研究[J]. 师晶晶. 自动化与仪器仪表. 2018(12)
[2]应用智能终端的立木高度测量方法[J]. 高莉平,徐爱俊. 东北林业大学学报. 2018(11)
[3]基于纹理抑制平滑滤波的织物图案识别[J]. 史景宵,崔俊峰. 印染助剂. 2018(10)
[4]基于非局部均值滤波的复杂地表区浮动基准面计算方法[J]. 王胜春,李进,胡珊珊. 地球物理学进展. 2018(05)
[5]基于数字图像处理技术的测树仪算法研究[J]. 吕奇,岳德鹏. 西北林学院学报. 2018(05)
[6]基于图像处理技术的植物叶片面积和周长测量[J]. 崔世钢,秦建华,张永立. 江苏农业科学. 2018(15)
[7]基于图像分割的苹果叶片几何参数计算[J]. 张万红. 中国农业大学学报. 2018(08)
[8]基于FCM及HSV模型的方格蔟黄斑茧检测与剔除技术[J]. 刘莫尘,许荣浩,闫筱,闫银发,李法德,刘双喜. 农业机械学报. 2018(07)
[9]植物叶面积测定方法探讨[J]. 吴千华,孟祥丽,刘一鸣. 热带林业. 2018(02)
[10]稳健总体最小二乘法一元线性回归的相对有效性探讨[J]. 刘清,葛永慧. 统计与决策. 2017(24)
博士论文
[1]采摘机器人图像处理系统中的关键算法研究[D]. 谢忠红.南京农业大学 2013
[2]基于数字图像的水稻氮磷钾营养诊断与建模研究[D]. 石媛媛.浙江大学 2011
[3]立木枝干机器视觉识别技术研究[D]. 孙仁山.北京林业大学 2006
硕士论文
[1]基于色调差的苹果树叶片氮含量检测研究[D]. 李友永.山东农业大学 2018
[2]基于高光谱的柑橘叶片氮磷钾含量检测模型[D]. 全东平.华南农业大学 2016
[3]植物叶片几何参数测量研究与应用[D]. 康宇.西南科技大学 2016
[4]基于植物叶形状和叶脉的植物叶自动分类研究[D]. 刘春爽.浙江理工大学 2016
[5]基于颜色的图像识别技术及其应用研究[D]. 王赛.杭州电子科技大学 2016
[6]基于HSV空间的彩色图像亚像素边缘检测[D]. 李丽莎.西安工业大学 2015
[7]草本植物图像特征提取与分类研究[D]. 康欣.东北林业大学 2015
[8]基于图像的植物叶片参数测量方法研究[D]. 周乐前.湖南大学 2015
[9]葡萄树冬剪机器人剪枝点定位方法研究[D]. 贾挺猛.浙江工业大学 2012
[10]基于机器视觉技术的水稻营养快速诊断研究[D]. 刘江桓.江西农业大学 2011
本文编号：3625430
本文链接：https://www.wllwen.com/nykjlw/yylw/3625430.html
