学位论文 > 优秀研究生学位论文题录展示

基于计算机图像处理的叶片氮素检测系统研究

作　者: 张辉
导　师: 马明建
学　校: 山东理工大学
专　业: 农业机械化工程
关键词: 计算机视觉图像处理扫描仪颜色特征值改进Sobel算法氮素含量
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 52次
引　用: 0次
阅　读: 论文下载

内容摘要

氮肥在农业生产中的大量和广泛使用极大的提高了作物的产量。但是氮肥的盲目增施和不合理利用也带来了过量施用和环境污染等问题。传统的作物营养诊断方法,对经验的依赖性很强,同时具有很大的滞后性；分析工作繁琐且工作量大,同时由于需要采取鲜样分析而对作物植株体有较大伤害。因此,传统的作物生长营养监测方法在大面积的推广中受很大限制。用计算机图像处理技术来获取作物的营养信息比传统方法具有实时、精准、无损、简便的特性。本研究的目的是应用图像处理技术分析植物叶片的氮元素含量,判断植株的生长状况,以确定植株的氮肥使用量,有效地提高农业中氮肥的使用率。本文使用扫描仪获取叶片图像,利用计算机图像技术对叶片图像进行滤波、边缘检测、图像分割等处理；本文提出了一种改进Sobel算法,对叶片图像进行边缘检测,该算法对于不同叶片图像具有自适应性,且计算准确,速度快,能满足实时性要求,试验结果表明该算法能有效地应用于叶片氮素检测系统,并取得了令人比较满意的效果。此外,文中还对通过上述算法得出叶片图像的默认颜色空间RGB、非线性空间变换得到的颜色空间HSL的颜色特征值,拟合出最能够表征氮素含量的特征值,得到最佳的氮素含量检测模型。本文利用Delphi 7.0对上述算法进行了编程实现,验证了方法的准确性和可行性,为下一步的研究奠定了坚实的基础。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-13
  1.1 研究的目的和意义  7-8
    1.1.1 研究的目的  7
    1.1.2 研究的意义  7-8
  1.2 国内外研究现状  8-10
    1.2.1 国外研究现状  8-9
    1.2.2 国内研究现状  9-10
  1.3 主要研究内容及创新点  10-12
    1.3.1 主要研究内容  10-11
    1.3.2 研究的创新点  11-12
  1.4 研究成果及意义  12
  1.5 本章小结  12-13
第二章研究与试验方法  13-20
  2.1 试验设计与数据采集  13-19
    2.1.1 试验材料与方法  13-14
    2.1.2 凯氏定氮法  14-18
    2.1.3 叶片全氮测量结果  18-19
  2.2 本章小结  19-20
第三章颜色的表达及颜色信息的获取  20-25
  3.1 颜色系统的选择与颜色表达  20-23
    3.1.1 RGB颜色空间  20
    3.1.2 HIS颜色空间  20-22
      3.1.2.1 从RGB到HIS转变  21
      3.1.2.2 从HIS到RGB转变  21-22
    3.1.3 CIE颜色空间  22-23
  3.2 数字图像的格式  23-24
  3.3 本章小结  24-25
第四章叶片图像获取及预处理  25-39
  4.1 叶片图像的获取  25-28
    4.1.1 试验装置  25-27
    4.1.2 Delphi 7.0软件开发环境简介  27-28
  4.2 叶片图像的预处理  28-38
    4.2.1 叶片图像预处理流程  29-30
    4.2.2 中值滤波  30-31
    4.2.3 图像锐化  31-32
    4.2.4 边缘检测  32-36
      4.2.4.1 Roberts算子  32-33
      4.2.4.2 Laplacian算子  33
      4.2.4.3 Prcwitt算子与Sobcl算子  33-36
    4.2.5 叶片图像分割  36-38
  4.3 本章小结  38-39
第五章叶片氮素含量检测的可视化软件  39-57
  5.1 叶片图像预处理模块  40-56
    5.1.1 用户界面  40-42
    5.1.2 程序的实现  42-56
      5.1.2.1 中值滤波  42-45
      5.1.2.2 改进Sobel算法的边缘检测  45-49
      5.1.2.3 FCM分割  49-53
      5.1.2.4 特征值提取  53-56
  5.2 本章小结  56-57
第六章叶片图像颜色特征值提取及分析  57-86
  6.1 叶片图像颜色特征值的提取  57-64
  6.2 氮素与叶片图像颜色特征值之间的相关性分析  64-85
  6.3 小结  85-86
第七章结论与研究  86-88
  7.1 结论  86
  7.2 需要改进之处及下一步工作建议  86-88
致谢  88-89
参考文献  89-91

基于计算机图像处理的叶片氮素检测系统研究

内容摘要

全文目录

相似论文