植物受到营养胁迫,即当土壤养分过低时,叶片内的叶绿素含量变化,植物光合作用效率降低等影响产量的现象就会出现。传统的植物营养检测方法是一系例的化学分析方法,属于破坏性测量。近年来,许多学者开始致力于研究自动、连续监测植物生长和营养状况信息,把作物的生长情况作为植物栽培标准管理的决策依据。本研究在实验室条件下,应用计算机视觉技术,进行温室种植黄瓜栽培过程中氮含量的非接触式营养检测,并探讨植物图像颜色特征与含氮量之间的关系。 基于以上目的,本论文完成的主要工作有: 1.设计构造了基于计算机视觉温室黄瓜营养监测系统。该系统由植物生长系统、图像采集系统、图像处理系统构成,可以完成植物营养近似在线监测。 2.利用计算机图像处理技术,提取温室黄瓜叶片图像的颜色特祉,经过相关分析,异常点剔除后,建立某些颜色特征统计值与破坏性测量得到的叶片含氮量的线悱拟合方程,可以基本实现含氮量的预测。 3.接着利用反向传播神经网络建立含氮量预测模型,叶片图像的RGB平均值作为三个输入参数,含氮量为输出参数,验证结果显示,预测值与实测含氮量的相关系数达到了0.871,达到了预测需求。 4.利用虚拟仪器公司开发的Labwindows/CVI语方工具,结合该公司提供的IMAQ Vision图像处理函数库,开发了专用的温室植物营养监测及图像处理分析软件,可以实现图像采集、图像预处理、系统标定、植物特征参数的提取、叶片含氮量的预测和数据管理等功能。 本研究对于计算机视觉技术应用于温室植物生产精准管理,并最终实现工厂化农业的智能化具有重要意义。