[发明专利]基于多光谱图像特征的土壤酸碱度快速检测方法

摘要

本发明公开了一种基于多光谱图像特征的土壤酸碱度快速检测方法，其特征在于，所述方法包括以下步骤：（1）利用2CCD摄像机采集可见光通道和近红外通道的土壤样本图像和参考白板图像；（2）将土壤可见光图像分别转换至RGB颜色空间和HIS颜色空间；（3）将参考白板的可见光图像分别转换至RGB颜色空间和HIS颜色空间；（4）计算每个样本的6个特征值R_avgi、G_avgi、B_avgi、H_avgi、S_avgi、IR_avgi；（5）将所述的6个特征值作为自变量，土壤酸碱度作为因变量Y，建立一个多元线性回归方程Y=6.492+0.688R_avgi-1.440G_avgi+0.858B_avgi+645.547H_avgi-0.623S_avgi-0.115IR_avgi，即可预测土壤酸碱度。本发明方法能够快速预测土壤酸碱度，适合便携式检测仪器开发使用。

主权项

基于多光谱图像特征的土壤酸碱值快速检测方法，其特征在于：所述方法包括以下步骤：（1）利用2CCD摄像机采集可见光通道和近红外通道的土壤样本图像和参考白板图像；（2）将土壤可见光图像分别转换至RGB颜色空间和HIS颜色空间，记为R_i、G_i、B_i、H_i、S_i、I_i，其中i是每个样本的编号，R_i、G_i、B_i、H_i、S_i、I_i均为m×n像素矩阵；近红外图像记为IR_i，其中i为每个样本的编号，IR_i是m×n像素矩阵；（3）将参考白板的可见光图像分别转换至RGB颜色空间和HIS颜色空间，记为R_ref、G_ref、B_ref、H_ref、S_ref、I_ref，其中R_ref、G_ref、B_ref、H_ref、S_ref、I_ref均为m×n像素矩阵；近红外图像记为IR_ref，其中IR_ref是m×n像素矩阵；（4）计算每个样本的6个特征值；所述6个特征值R_avgi、G_avgi、B_avgi、H_avgi、 S_avgi、IR_avgi的计算公式分别为：R_avgi=(ΣR_i‑ΣR_ref)/m×n，G_avgi=(ΣG_i‑ΣG_ref)/m×n，B_avgi=(ΣB_i‑ΣB_ref)/m×n，H_avgi=(ΣH_i‑ΣH_ref)/m×n，S_avgi=(ΣS_i‑ΣS_ref)/m×n， IR_avgi=(ΣIR_i‑ΣIR_ref)/m×n，其中i是每个样本的编号；式中，ΣR_i是第i个土壤样本R通道R_i矩阵中m行n列数据的总和；ΣG_i是第i个土壤样本G通道G_i矩阵中m行n列数据的总和；ΣB_i是第i个土壤样本B通道B_i矩阵中m行n列数据的总和；ΣH_i是第i个土壤样本H通道H_i矩阵中m行n列数据的总和；ΣS_i是第i个土壤样本S通道S_i矩阵中m行n列数据的总和；ΣIR_i是第i个土壤样本IR通道IR_i矩阵中m行n列数据的总和；ΣR_ref是参考白板R通道R_ref矩阵中m行n列数据的总和；ΣG_ref是参考白板G通道G_ref矩阵中m行n列数据的总和；ΣB_ref是参考白板B通道B_ref矩阵中m行n列数据的总和；ΣH_ref是参考白板H通道H_ref矩阵中m行n列数据的总和；ΣS_ref是参考白板S通道S_ref矩阵中m行n列数据的总和；ΣIR_ref是参考白板IR通道IR_ref矩阵中m行n列数据的总和；（5）将所述的6个多光谱图像特征值作为自变量，土壤酸碱度（pH）作为因变量，建立多元线性回归方程Y=6.492+0.688 R_avgi‑1.440 G_avgi+0.858 B_avgi+645.547 H_avgi‑0.623 S_avgi‑0.115IR_avgi ，即可预测土壤酸碱度。