[发明专利]一种基于叶色检测的植物生长状况监测方法

权利要求书

1.一种基于叶色检测的植物生长状况监测方法，其特征在于，该方法包括以下步骤：

(1)采集待监测植物的叶片彩色图像；

(2)对步骤1得到的叶片彩色图像进行预处理，首先将图像从RGB色彩空间转换到灰度空间，接着用OTSU算法分割前景和背景，然后将背景像素点置为(255,255,255)，即白色；

(3)将步骤2所得的叶片图像尺寸缩放到统一尺寸；

(4)将步骤3所得的预处理完成后的图像用基于LeNet的卷积神经网络进行训练，得到一个区分植物种类的分类器；

(5)用步骤4得到的分类器对植物叶片进行分类，获得不同种类的植物叶片；

(6)对每一种类植物叶片分别进行叶色-叶色值建模；

(7)利用步骤6得到的叶色-叶色值模型，估计新叶片的叶色值，从而得出该新叶片的叶绿素含量及生长状况。

2.根据权利要求1所述的基于叶色检测的植物生长状况监测方法，其特征在于，所述步骤2中，OTSU算法的实现方式如下：

记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：u＝w₀*u₀+w₁*u₁，前景和背景图象的方差为：g＝w₀*w₁*(u₀-u₁)*(u₀-u₁)；

当方差最大时，则认为前景和背景的差异最大，此时的阈值t就是分割前景和背景的最佳阈值；灰度值大于阈值t的像素点即为背景，从而可以将背景像素点的灰度值置为(255,255,255)，即白色，实现背景分割。

3.根据权利要求1所述的基于叶色检测的植物生长状况监测方法，其特征在于，所述步骤3中，将步骤2所得的叶片图像尺寸缩放到统一尺寸，采用双线性插值法，具体如下：

假设源图像大小为m*n，目标图像大小为a*b，那么两幅图像的长宽比分别为m/a和n/b，则目标图像上坐标为(i，j)的像素点可以通过长宽比对应回源图像，其对应坐标为(i*m/a，j*n/b)。显然，这个对应坐标一般来说不是整数，而非整数的坐标是无法直接在源图像中找到对应的像素值的，此时就需要使用双线性插值法来计算该点的值。

双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向上分别进行一次线性插值。若想得到源图像f在点P＝(x,y)的值，首先找到在源图像f上距离该坐标最近的四个像素点，即：Q₁₁＝(x₁,y₁)、Q₁₂＝(x₁,y₂)、Q₂₁＝(x₂,y₁)、Q₂₂＝(x₂,y₂)。

首先在x方向上进行线性插值，得到和点P在同一竖轴上的R₁、R₂两点对应的像素值：

$f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{21}\right),R_1=(x,y_1)$

$f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{22}\right),R_2=(x,y_2)$

然后在y方向上进行线性插值，得到P点的像素值：

其中，f(R₁)、f(R₂)、f(Q₁₁)、f(Q₂₁)、f(Q₁₂)、f(Q₂₂)、f(P)表示各点在源图像f上的像素值。