[发明专利]一种基于计算机视觉的水稻叶片SPAD值估测方法及系统

说明书

本发明公开了一种基于计算机视觉的水稻叶片SPAD值估测方法，该方法包括：(1)采集一定数量的水稻叶片样本，并将所述水稻样本放在18％灰板上，获取对应样本图像；(2)测定所有样本图像的SPAD值；(3)采用阈值分割法去除样本图像中的灰板部分，留下绿色叶片主体部分；(4)提取所述样本图像的颜色特征，获得样本图像中的RGB颜色空间中颜色特征和HSV颜色空间中的颜色特征；(5)以所述颜色分量为输入，采用逐步回归分析方法，建立基于颜色分量的SPAD值估测模型M'₂。本发明提出的方法，可快速得到整片水稻叶片SPAD值数据，估测结果精度较高、误差小，不仅能减少人工检测水稻叶片SPAD值的工作效率，还能为水稻叶片可视化研究提供依据。

技术领域

本发明涉及计算机视觉技术和作物生长观测交叉的领域，具体涉及一种基于计算机视觉的水稻叶片SPAD值估测方法及系统。

背景技术

植物叶片颜色可以指示植物养分、水分状况、植物病害以及叶片的衰老程度，是精准农业中开展水肥管理、诊断植物长势、预测产量等的重要依据。SPAD(Soil PlantAnalysis Development)叶绿素仪是通过测量叶片在红光和近红外光范围内的透光系数来获得的SPAD值，确定植物叶片的“绿色度”，具有无损、快速、便携等特点，常被用来反映植物叶片的叶绿素含量或含氮量。但SPAD叶绿素仪只能逐点测量，无法快速获得整个叶片的“绿色度”。高光谱成像技术结合了图像技术和光谱技术，可以快速、无损地获取整个植物叶片的图像信息和生化信息，但普遍存在算法复杂、仪器成本高等缺点。因此，寻找一种易操作、低成本、便于推广应用的植物叶片颜色估测方法很有必要。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于计算机视觉的水稻叶片SPAD值估测方法，该方法可以解决目前估测算法复杂、仪器成本高、估测算法精度低的问题，本发明还提供一种基于计算机视觉的水稻叶片SPAD值估测系统。

技术方案：本发明所述的基于计算机视觉的水稻叶片SPAD值估测方法，该方法包括：

(1)采集一定数量的水稻叶片样本，并将所述水稻样本放在18％灰板上，获取对应样本图像；

(2)测定整个样本图像的SPAD值；

(3)采用阈值分割法去除样本图像中的灰板部分，留下绿色叶片主体部分；

(4)提取所述样本图像的颜色特征，获得样本图像中的RGB颜色空间中颜色特征的红光值R、绿光值G、蓝光值B和HSV颜色空间中的颜色特征色相H、饱和度S、明度V；

(5)依据R、G、B和H、S、V颜色特征参数，得到每张图像的颜色分量，以所述颜色分量为输入，采用逐步回归分析方法，建立基于颜色分量的SPAD值估测模型M'₂。

优选的，所述步骤(1)中，采集从齐穗期至成熟期的水稻叶片样本。

优选的，步骤(2)中，整个样本图像的SPAD值测定方法为使用叶绿素计从样本图像的叶枕到叶尖，逐点检测SPAD值；检测点等间隔均匀分布于整个叶片，并将每个检测点的SPAD值取平均。

优选的，所述步骤(5)中，采用简单相关分析方法对所有样本的样本图像的颜色分量和对应SPAD值进行相关分析，确定颜色分量和SPAD值间的相关性。

优选的，基于颜色分量的SPAD值估测模型M'₂，表示为：

M′₂＝A₀+A₃X₃+A₆X₆+A₇X₇+A₉X₉