[发明专利]一种植物氮素含量丰缺图像检测方法

说明书

技术领域

本发明属于植物营养学领域，涉及一种植物养分的检测方法，具体涉及一种利用植物叶片图像特征对植物氮素进行丰缺检测的方法，可快速、准确地判定植物氮素丰缺情况，为植物栽培及时追肥提供可靠的指导依据。

背景技术

根据植物叶片图像特征分析提取植物养分信息尤其是氮素丰缺信息为植物栽培精准施肥、产量预测、长势分析以及营养情况分析等农业生产决策提供支持是近年来发展起来的基于机器视觉的植物营养智能分析技术。这种技术的特点是撇开复杂的农化分析过程，简单地利用植物氮素丰缺情况与叶片外观图像特征的强相关性（线性或非线性农化模型），通过图像分析提取相应叶片图像特征以此得到植物氮素丰缺信息。使用这种技术，用户首先使用图像采集设备拍摄到给定区域的冠层叶片或者公认的具有代表性的指定植物叶片样本图像，然后采用图像分析技术提取图像外观特征（如色彩、轮廓形态等），根据相应农化模型，得到指定植物氮素丰缺分析结果。据此，农业专家能够有效地指导农民进行合理施肥。

按照图像采集的方式可以将这种技术分为两种类型：基于区域的航拍（遥感）图像分析以及基于个体的单张（或多张）叶片图像分析。两种类型又分别对应不同的拍摄条件，前者对应户外拍摄，后者则一般对应户内（也可以在户外）拍摄，并且大多要求把叶片摘下来。前者特点在于无损检测，图像内容干扰素比较多，适合分布密集的较大面积营养情况控制场合；后者则需要挑选具有代表性叶片，其特点在于检测成本低，图像分析精度高，控制单位可精确到株，适合个体差异大、植物分布稀疏的施肥控制场合。这种技术的本质差别取决于其核心内容（包括农化模型、图像采集、图像特征择用以及图像处理算法设计等方面）的不同。

农化模型的建模技术路线一般有两类：1）高光谱分析与叶片色彩关系模型：借助农化分析以及高光谱仪、叶绿素仪等昂贵手段研究，目前已经有大量报道证实，植物叶片的外观特征（色彩、轮廓形态等）能够在某种程度上反映植物营养状况。但是，直接采用高端设备检测，成本高、周期长、不利于推广普及。2）非参数（经验）模型：我国古代就有通过目测方法观察水稻叶片色彩判断其营养情况的经验；上世纪70年代日本曾流行过采用“比色卡”方法来判定水稻营养情况，但这些方法都受观察者的视觉因素以及比对对象差异影响过大，判断结果有效性不高。

在图像采集方面一般按采集环境、采集设备、采集方式进行划分。户外环境的类别与变化十分复杂，包括天气情况、环境光照情况等，差异性比较大，难以统一，但灵活性、便利性很强；户内环境相对稳定，易于采取一些措施进行规范化处理，但灵活性不够。采集设备的差别来自于成像系统等硬件差异，高端设备一般来说分辨率与清晰度较好，形状与色彩畸变失真较小；中低端设备如手机则形状与色彩畸变失真相对较大。此外，不同设备采集的图像之间普遍存在不同程度的色差。这些因素都为基于像素、色素等图像特征进行检测分类的方法带来巨大的难度。采集方式一般可以分为标准化方式与随意性方式。标准化方式按照事先设定的标准规程来完成，其结果具有一定的共性，适宜于相应的比较分析；随意性方式，如不同拍摄角度、距离等差异都会带来明显的差异。

在图像特征择用方面，尽管不同植物具有明显的外观差异，但其氮素丰缺的主要差异从生理过程上说主要表现在叶片色彩的均匀黄化上，因此涉及其氮素丰缺检测的大量研究成果主要集中在寻找与植物氮素丰缺具有强相关性的色彩分量特征方面，例如，色度分量R、G、B的相对比值等。这些指标未考虑不同图像采集过程因采集设备以及环境光照不同的色度畸变问题。

在图像处理算法设计方面，一般的步骤是，1）提取叶片图像特征；2）根据实验所得氮素丰缺情况与叶片图像特征之间的强相关性模型，得出氮素丰缺检测结果。可见，叶片图像特征的选取及其与氮素丰缺之间的相关性决定了检测结果的可靠性。