基于机器视觉的植物群体生长参数反演方法

• 作者: 孙国祥 施印炎 李雪 汪小旵 闫婷婷 陈景波 陈满
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像处理 无损检测 机器视觉 植物群 生长参数 反演 图像分割
• 年，卷（期）: 2014,（20）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 187-195
• 页数: 9页
• 分类号: TP391
• 字数: 6253字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2014.20.023

摘要

为实现植物群生长参数在线无损检测，采用机器视觉技术捕获植物群冠层图像，通过RGB空间超绿色-超红色指标（excess green minus excess red，ExG-ExR）、超绿色指标（excess green，ExG）和归一化差异指标（normalized difference indices，NDI）3种指标分割植物群冠层图像，提取植物群图像特征参数：覆盖率、冠层幅长和冠层幅宽，并结合人工测量植物群体参数：茎秆高度、茎直径、叶面数量、坐果数量和叶面指数（leaf area index，LAI）（拟合值），建立植物群5个生长参数的5种反演模型分别为覆盖率反演模型、冠层幅宽反演模型、冠层幅长反演模型、回归方程反演模型和均值反演模型。结果表明：采用 ExG?ExR 分割的植物群冠层区域与人工提取区域重合度大于99.5%，识别率大于98.2%，分割性能优于 ExG+Otsu 和 NDI+Otsu 分割方法。采用120幅反演模型验证图验证反演模型性能，结果表明植物群冠层覆盖率反演模型反演5个植物群生长参数时，其反演值与测量值间相关性决定系数大于0.958，性能优于冠层幅宽和幅长反演模型，而回归方程和均值反演模型在反演植物群5个生长参数时，都仅有2个参数反演性能优于覆盖率反演模型。茎秆高度、叶面数量、茎直径、坐果数量和LAI的反演模型反演值与测量值间线性相关决定系数最高分别为0.979、0.976、0.979、0.965和0.973，标准误差（standard error，SE）分别为10.55 cm、1.37、0.213 mm、0.672和0.055，其对应的反演模型分别为均值反演模型、覆盖率反演模型、覆盖率反演模型、覆盖率反演模型和均值反演模型。通过机器视觉技术及反演模型能够在线无损准确反演植物群生长参数，为温室环境调控及精准肥水一体灌溉控制系统提供具有代表性意义的决策依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雪	南京农业大学工学院	27	257	9.0	15.0
2	汪小旵	南京农业大学工学院	90	1480	23.0	34.0
4	孙国祥	南京农业大学工学院	23	384	11.0	19.0
8	陈满	南京农业大学工学院	8	78	6.0	8.0
9	施印炎	南京农业大学工学院	15	154	8.0	12.0
12	闫婷婷	南京农业大学工学院	1	26	1.0	1.0
13	陈景波	南京农业大学工学院	4	39	2.0	4.0