基于计算机视觉技术的温室作物水肥胁迫状态识别方法

摘要

本发明涉及一种基于计算机视觉技术的温室作物水肥胁迫状态识别方法，本发明以温室环境中的作物为研究对象，构造计算机视觉监测平台，研究适应自然光照变化、复杂场景下植物图像分割方法，对获得的植物叶片图像，从形态、颜色、纹理等方面提取并构造数量足够的特征集合，采用遗传算法、模拟退火算法、蚁群算法或粒子群算法等启发式搜索算法结合神经网络技术寻找最优特征子集，利用BP神经网络对作物胁迫特征进行识别。采用水平定位系统移动相机，可全方位获取植物图像。采用CUDA硬件平台实现算法运算，以满足监测的实时性要求。本发明为温室植物的水肥胁迫状态费破坏性测量提供了一种技术手段，具有广阔的应用前景。

主权项

一种基于计算机视觉的温室作物胁迫状态识别方法，其特征在于具体步骤如下：（1）构建计算机视觉监测平台，所述监测平台由CCD相机(1)、支架(9)、计算机(3)、步进电机控制器(4)、X方向电机(5)、Y方向电机(6)、X方向导轨(7)和Y方向导轨(8)组成相机水平定位系统，其中：导轨(8)位于温室顶部前后两侧，导轨(7)两端位于导轨(8)上；Y方向电机(6)控制X方向导轨(7)在导轨(8)上沿Y方向运动；CCD相机(1)通过支架(9)安装于X方向导轨(7)上，X方向电机(5)控制支架(9)在导轨(7)上沿X方向来回移动，CCD相机(1)位于温室作物上方；CCD相机(1)通过图像采集卡(2)连计算机(3)的输入端，计算机(3)的输出端连接步进电机控制器(4)的输入端，步进电机控制器(4)的输出端分别连接X方向电机(5)和Y方向电机(6)；计算机通过向步进电机控制器(4)发出指令，实现CCD相机在温室上方的水平定位，依次采集作物图像；计算机具有CUDA硬件平台，用于实现复杂图像处理运算；电机(5)、电机(6)均为步进电机；（2）对获取的图像，选择归一化颜色空间用于聚类分割，以消除自然光照变化对分割结果的影响；在颜色量化的基础上，利用模糊C均值聚类算法进行图像分割，将植物叶片图像和土壤等背景分离；对分割后图像，利用数学形态学运算进行处理，去除噪声；对去噪后图像，运用像素标记算法标记图像并进行BLOB分析，根据BLOB分析结果去除杂草，填充叶片孔洞，抽取场景中的所有叶片图像用于后续处理；（3）对植物叶片图像，从形态、颜色和纹理等方面构造数量足够大的胁迫特征集合；对获取的每个植物叶片，抽取叶片的周长、形心、面积、高度、宽度、内切椭圆长轴、内切椭圆短轴、面积周长比、紧致度、伸长率、长宽比对数、周长宽度比、周长长度比13个形态特征，颜色通常描述为三维空间的一个向量，即每个颜色为颜色空间中的一个坐标；获取图像数据是RGB格式，HSI符合人眼感知心理，CIE(L*a*b*)是均匀颜色空间可以用欧式距离测量小的色差；获取R、G、B、H、S、L、a*、b*每个颜色分量的均值及灰度均值作为颜色特征；纹理是反映目标表面亮度特征变化的测度；二维灰度共生矩阵用于纹理分析，熵用来描述灰度分布的随机性，当作物营养不足，表面复杂度降低，熵也会降低；能量是反映灰度亮度一个指标，当缺水时，叶片发黄，亮度增加，能量也增加，对比度提高；与灰度图像相比，彩色图像在可见光谱中提供了更多的颜色特征，据此，本项目拟利用彩色共生矩阵进行彩色纹理分析；对于R、G、B、H、S、I、L*、a*、b*的每个分量，根据距离为1角度为0的空间关系计算共生矩阵，计算能量、熵、对比度、均匀性、倒数差分矩、互相关、均值和、方差、类趋势、最大概率和每个分量计算10个Haralick纹理特征，共90个特征；（4）对构造的特征集合，利用启发式搜索算法结合神经网络选择水、肥状态最优特征子集；（5）根据选出的水、肥状态最优特征子集，利用BP神经网络对作物胁迫特征进行识别。