基于计算机视觉技术的棉花长势监测系统构建-作物栽培学与耕作学专业论文.docx

Establishment of System for Monitoring Cotton Growth Based on Computer Vision TechnologyA Dissertation Submitted toShihezi UniversityIn Partial Fulfillment of the Requirements for the Degree ofDoctor of AgricultureBy Biao jia(Crop Cultivation and Farming Science)Dissertation Supervisor: Prof. Fuyu MaMay, 2014石河子大学学位论文独创性声明及使用授权声明学位论文独创性声明本人所呈交的学位论文是在我导师的指导下进行的研究工作及取得的研究成果。据我所 知，除文中已经注明引用的内容外，本论文不包含其他个人已经发表或撰写过的研究成果。 对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并表示谢意。 时间 :CT忻d 月 夕 日使用授权声明本人完全了解石河子大学有关保留、使用学位论文的规定，学校有权保留学位论文并向 国家主管部门或指定机构送交论文的电子版和纸质版。有权将学位论文在学校图书馆保存并 允许被查阅。有权自行或许可他人将学位论文编入有关数据库提供检索服务。有权将学位论 文的标题和摘要汇编出版 。必威体育官网网址的学位论文在解密后适用本规定。研究生签名:时间 :ol-oc件6 月 多 日时间:二句ψ年二 月 今 日摘要基于计算机视觉技术的作物长势监测与诊断是近年来农业信息技术研究的主 要方向与发展趋势。其快速、高效、实用的监测方法为农作物精准监测提供新的 理论基础和技术支撑，对于推动现代农业近地面遥感监测技术的实际应用具有一 定的学术价值与社会价值。因此，构建基于计算机视觉技术的作物长势监测与诊 断系统具有极其深远的意义。本研究采用数码相机或 CCD 数字摄像头在棉田进行实时跟踪监测，通过数字 图像分割技术对棉花群体冠层图像进行分析，筛选棉花长势监测与 N 素营养诊断 反应敏感的特征颜色参数，主要目的旨在构建不同特征颜色参数与棉花农学参数 间的关系模型，并通过高产田独立试验对模型进行检验，力图搭建基于计算机视 觉技术的棉花长势监测与 N 素营养诊断远程服务平台，实现对棉花生长信息和氮 素营养状况进行快速准确的监测与诊断。主要研究结果如下：1．不同氮素处理棉花群体冠层图像颜色特征动态变化规律选用北疆 2 棉花主栽品种新陆早 43 号（XLZ 43）和 新陆早 48 号（XLZ 48） 为试验材料，于 2010 年和 2011 年开展 5 个 N 素水平的小区试验，应用数码相机 获取棉花群体冠层图像，通过数字图像识别系统（DIRS）提取各处理棉花群体冠 层图像的颜色特征参数 R、G、B、H、I、S 值，探讨各颜色分量在棉花生育期内 的动态变化。分析结果表明，基于 RGB 模型的 R 分量值、G 分量值和基于 HIS 模 型的亮度 I 值能充分反应棉花群体生长发育规律，且相关性好，其动态模拟曲线的 函数通式为：y=a-b×ln(x+c)，因此 R、G 和 I 能作为棉花群体监测的量化指标；基 于 HIS 模型的色度 H 值，随不同施 N 量的增加，拟合参数呈现规律性变化，且相 关性显著，其动态曲线满足通式：y=a+bx+cx2。然而模型中蓝色分量 B 值其动态 变化虽然满足二次函数关系，但不同 N 素水平间拟合参数值波动性大，规律不明 显；颜色分量 S 值动态模拟结果不理想，无规律可循。2．基于覆盖度 CC 的棉花长势监测与氮素营养状况诊断模型 通过数字图像分割法提取各试验中棉花全生育期内群体冠层图像特征参数值，运用颜色特征法将棉花冠层图像分割为冠层和土壤层，通过阈值分割法和四 分量分割法将棉花冠层图像分为 4 层，即：冠层图像分割为光照冠层（Sunlit canopy， SC）与阴影冠层（Shaded canopy，ShC）；土壤层分割为光照土壤层（Sunlit soil， SS）和阴影土壤层（Shaded soil，ShS）。为了减小图像处理误差，采用 MATLAB 图像处理软件和 VC++计算机程序语言以及 2 种方法求出棉花冠层覆盖度 CC。应 用手持冠层光谱仪 GreenSeekerTM 测量棉花冠层的 NDVI 值与 RVI 值，分析比较 CC 与 NDVI 和 RVI 之间的关系，研究结果表明，CC 与 NDVI 具有显著的线性正 相关（R20.914，P0.01），与 RVI 具有显著的线性负相关（R20.826，P0.05）；II这充分说明 CC 同 NDVI 有类似的光谱反射特性，能较好的诊断