[发明专利]一种基于叶色检测的植物生长状况监测方法

说明书

技术领域

本发明涉及计算机视觉技术及植物生长状况监测领域，尤其涉及一种基于叶色检测的植物生长状况监测方法。

背景技术

农业上，为了获得更好的经济效益或生态效益，常常需要对植物的生长状况进行监测，以及时对生长状况不良的植株采取措施。叶绿素含量与植物的光合作用、营养状况等密不可分，因此农业上常把叶绿素含量作为指标来判断植物的生长状况。而叶片颜色本质上是由植物体内的色素引起的，叶绿素作为一种重要的色素与叶片颜色密切相关。

叶绿素含量的精确测定十分繁琐，传统的方法主要有分光光度计法、近红外光谱法、高光谱法等。这些方法都需要采集叶片，研碎并浸在提取液中，通过昂贵的仪器来做定量分析。这种传统的叶绿素含量测定方法测定时间很长，且步骤繁琐、成本高，更重要的是，它会破坏叶片。研究表明，叶色值与叶色存在一定的相关关系，因此可以通过图像处理技术建立叶色与叶色值的对应关系来间接测定叶色值，继而得出叶绿素含量。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于叶色检测的植物生长状况监测方法。

本发明是通过以下技术方案来实现的：一种基于叶色检测的植物生长状况监测方法，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。

进一步的，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。

进一步的，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：

R₁＝(x,y₁)

R₂＝(x,y₂)

然后在y方向上进行线性插值，得到P点的像素值：