基于图像识别的棉花水分状况诊断研究

探讨了利用图像识别技术快速获取棉花水分信息的方法。分析了颜色参数与棉花水分含量及水分含量指数的关系,并建立了水分状况的预测模型。结果表明,HIS颜色系统的色调H值与棉花含水量显著正相关,而亮度I值和水分含量指数呈极显著正相关;RGB颜色系统的G-R与棉花水分含量及水分含量指数相关性最好。以G-R参数和棉花水分含量及水分含量指数建立回归模型,预测精度分别达到了90.71%和91.02%,预测模型分别为0.3955+0.0139(G-R)(R2=0.7460**)和-0.0428+0.0223(G-R)(R2=0.8552**)。基于图像识别技术诊断棉花水分状况是可行的,有望成为作物水分信息获取的新手段。

基于机器视觉的棉花群体叶绿素监测

研究了利用机器视觉技术快速获取棉花群体叶绿素信息的方法，以期获得预测性高的颜色特征参数。结果表明，RGB颜色系统的G-R、（G-R）／（G＋R）、r与g的组合值和棉花功能叶叶绿素含量、群体绿色指数呈极显著相关，而且拟合度较高；HIS颜色系统的Hue值和棉花功能叶叶绿素含量、群体绿色指数之间也极显著相关。对筛选出的两组模型进行检验，预测精度在84．07％～93．04％之间，推荐预测精度最高的G-R参数作为获取棉花群体叶绿素信息的最佳颜色指标。G-R预测叶绿素含量和群体绿色指数的模型分别为Y=-1．3008＋0．2125（G-R）-0．0038（G-R）^2（R^2=0.8669^＊＊）和Y=-0．9726＋0．1227（G-R）-0．0016（G-R）^2（R^2=0．7487^＊＊）。