基于三维机器视觉的植物叶片萎蔫预测模型

作者:张新;赵燕东;郑力嘉;Martin Kraft 刊名:农业机械学报 上传者:李隽

【摘要】采用基于激光斜射测距原理的三维扫描装置实时获取植株三维图像,从中提取叶面卷曲统计指数、分形维数和二维傅里叶变换直流分量作为萎蔫指数来定量研究植物的萎蔫程度,采用西葫芦、葫芦、南瓜及秋葵4种植物的嫩叶期体态变化检验了3种萎蔫指数与萎蔫程度的相关性,结果表明:3种萎蔫指数与萎蔫程度均具有较好的相关性,相关系数都达到了0.82以上。在此基础上,运用SPSS软件建立了3种萎蔫指数与环境饱和水气压差VPD及光合有效辐射的多元线性回归统计模型。

全文阅读

引言机器视觉是用机器代替人眼来对物体进行测量与特征判断。基于二维图像的机器视觉主要辨识特征是颜色,它在植物营养亏缺方面已经获得了较多的应用。然而,对于植物水分亏缺的观测,叶片颜色的改变表明植物生理上已经受到了一定程度的危害[1-3]。因此,植物水分亏缺症状的早期判别显得尤为必要[4-7]。近年来随着三维图像获取技术日新月异的发展,三维机器视觉在工业与农业上的应用已经成为一个新的技术生长点。与二维机器视觉不同的是,三维视觉可以从植物形态的变化上做出判据。一旦植物生长过程中出现亏水胁迫,必定首先在体态上做出快速响应[8-10]。例如,很多植物在体内不缺水时,它们的叶片是自然舒展的,当冠层蒸腾量大于根吸水时,叶片开始出现萎蔫。因此应用机器视觉方法实现植物萎蔫信息的早期识别,对于植物需水信息的诊断与精细节水灌溉均有重要价值[11-13]。本文采用三维扫描装置实时获取4种植株的三维图像,定义叶面卷曲统计指数、分形维数和二维傅里叶变换直流分量作为萎蔫指数来定量研究植物的萎蔫程度,检验3种萎蔫指数与萎蔫程度相关性,并且建立萎蔫指数和环境参数的多元线性回归统计模型。1植物体态萎蔫指数根据所得到的叶片三维数据的特点,定义了叶面卷曲统计指数、分形维数、二维傅里叶变换直流分量3种萎蔫指数来定量研究植物的萎蔫程度。1.1叶面卷曲统计指数将不同凹凸程度叶片卷曲样本视为一类具有某种随机分布特征的空间高度数据集合,定义以标准方差作为描述叶面形态的萎蔫指数(Statisticalindexofwilt-inducedleaf,SIWL)[14]。SIWL=1mn-1mi=1nj=1(Zij-Z)槡2(1)其中Z=1mn-1mi=1nj=1Zij(2)式中SIWL萎蔫指数m、nx轴、y轴方向上的步进测量点数Zij叶面任意采样点(xi,yj)的地面相对高度1.2分形维数运用三维盒计数法计算分形维数,首先根据植物叶片占据的三维空间范围构建出一个三维立方体。当一个立方体在规定的坐标系内被建立之后,该立方体的8个角点就被赋予了坐标值。而后,按照不同的尺度对该立方体进行三维等尺度的网格划分,若将每边等分成若干份,则将立方体分为若干个相等的小立方体。这时,每一个小立方体的8个角点上也被赋予了坐标值。然后计算被测植物叶片占据的小立方体数目。由于植物叶片的三维坐标已经由三维激光扫描仪系统测得,把植物叶片和植物叶片到X-Y平面的投影看作一个封闭的三维区域。叶片的X轴范围为0~56mm,Y轴为0~54mm,高度(即Z轴)范围为0~30mm。首先选择一个边长为64mm的正立方体,那么植物的叶片和投影构成的封闭区域就在这个立方体内。边长缩小1/2变为32mm,此时有8个小立方体,同时可以获得每个小立方体8个角点的坐标。分别判断每个小立方体的下表面的4个顶点的坐标是否小于相对应的植物叶片的高度,如果4个顶点的坐标中有任意一个小于植物叶片的高度,则认为叶片所形成的三维立体空间包含这个小立方体。统计小立方体边长从1~64mm(其边长取值为2的n次幂,n=0,1,2…),对应被叶片所形成的三维立体空间包含的小立方体的数目。得到对应的小立方体个数Q和边长r的对应关系,并对其取对数,由三维盒计数法即可得叶面分形维数[15-16]D=limr0lgQlg(1/r)=limrlgQlgr(3)1.3二维傅里叶变换傅里叶谱方法的数学意义是:当叶片出现萎蔫时,如果叶片的形态从舒展转向萎蔫,表明了三维曲面各点的斜率发生了不同程度的改变,从傅里叶谱看,其低频谱将减小,高频谱将增加。因此,通过谱分解可以得到一个叶片萎蔫指数[17

参考文献

引证文献

问答

我要提问