基于計算機視覺技術的玉米葉綠素含量檢測研究

杜玉紅，孫文新

(1.鶴壁汽車工程職業學院，河南 鶴壁 458030；2.鶴壁職業技術學院，河南 鶴壁 458030)

?

基于計算機視覺技術的玉米葉綠素含量檢測研究

杜玉紅1，孫文新2

(1.鶴壁汽車工程職業學院，河南 鶴壁 458030；2.鶴壁職業技術學院，河南 鶴壁 458030)

植株葉片中葉綠素濃度的高低與植株進行的光合作用效率、植株的整體生長狀況息息相關，在農業生產過程中，常常根據葉片中葉綠素含量(SPAD)的多少來精確的判斷植物的生長狀態，也是控制植株長勢的依據。傳統的葉綠素含量檢測方式分光光度法，存在耗時長、步驟多、操作要求高等問題，而采用計算機視覺技術處理圖像的過程更加準確、高效，不會像人眼分析時受到主觀因素的影響導致偏差。為此，基于計算機視覺技術來檢測玉米葉片中葉綠素含量，利用掃描儀采集玉米葉片的圖像，將圖像輸送至計算機，然后通過軟件處理圖像，分割出圖像中有效像素的顏色特征值，將特征值轉換就可以得到玉米葉片中葉綠素。試驗結果顯示：利用計算機視覺技術可以準確地測定玉米葉片中葉綠素含量，進而進行合理施肥，避免浪費，對增加玉米的產量具有極大的價值。

玉米葉片；葉綠素；計算機視覺；圖像分割處理；顏色特征提取

0 引言

葉綠素(Chlorophyll)是植物體內與光能合成作用有關的關鍵因素，而光能合成作用是合成多種有機化合物，即將光能轉換為化學能。因此，葉綠素相當于從光中獲得能量，又使CO2轉變為碳水化合物，進而影響農作物的產量，同時葉綠素含量的多少還能判斷植株種植的密度是否合適。在種植過程中, 施肥可以直接影響植株產量和質量, 但施肥過量會存在副作用， 如投入加大、地下水資源污染及能源的消耗等，這些影響都與可持續發展相背離。農作物生長狀態判斷是進行施肥的依據，判斷方法大致分為兩個方向： 一是根據植株本身的生長狀況進行；二是從外界環境方面入手，如土壤、水等。不管采用什么方法,對檢測技術要求都比較高，在種植戶中推廣使用很難，種植戶比較容易接受的簡單、易操作的方法[1]。從種子的挑選、培育、植株的生長、采摘到后續的加工中都開始應用計算機技術，計算機技術已在植物生長狀態的采集、農業資源信息庫的建設等方面得到廣泛的應用。目前，我國玉米的種植面積在0.2億hm2左右，僅次于水稻和小麥。

在玉米的整個生長周期中，需要進行光合作用，從陽光中能獲取多少能量決定了玉米植株能否長得茂盛、產量是高還是低，葉綠素含量在其中起著決定性的作用，故葉綠素含量的檢測在玉米生產中有著非常重要的意義。在國外，1995年，Blackmer和Schepers就將獲取的圖像轉變成了R、G、B單色通道進行分析，提取圖中的顏色空間特征，計算出葉綠素含量[2]。在國內，陳家娟等[3]使用電腦圖像處理技術將遺傳算法與神經網絡相結合識別田間玉米葉片圖像，并通過對顏色直方圖的分析 求得玉米葉色的數值，實驗顯示該方法檢測出來的數據準確率達到了91.5%。蔡健榮[4]借助HIS模型描述茶葉顏色，并改進、建立了更加理想的顏色分析模型。王克如等[5]基于電腦視覺技術創建了6組棉葉葉綠素含量檢測模型，檢測誤差都在可控范圍內。2009年，柴阿麗等[6]利用MatLab圖像處理工具提取圖像的顏色特征參數, 對顏色特征參數和番茄功能葉葉綠素含量做相關分析，得出顏色參數G-R可為檢測葉SPAD的非線性回歸方程的系數，其檢測誤差在22.22%以下。

1 實驗設計

1.1 設計原理

玉米葉綠素含量在玉米種植過程中需要進行多次測量，而傳統方法工作繁重。為此，本文借助掃描儀對玉米葉片進行圖像采集，將獲取的圖像輸送至電腦中， 再通過圖像的空間域法、灰度分級、二值化閾值分割等一系列的操作將葉片圖像與背景圖像區分開來，計算各值的均值，分析各特征參數與葉綠素含量的關系，做歸一模型，以達到檢測葉綠素檢測目的。

本研究以玉米品種“龍高L2 ”作為實驗對象，由計算機進行圖像采集，通過圖像分割、邊緣輪廓計算及圖像增強等方法處理圖像后，測得玉米葉片中葉綠素含量。

1.2 總體設計

基于計算機視覺的玉米葉片葉綠素含量檢測系統由掃描儀、圖像采集卡和計算機構成。工作時，首先是通過掃描儀掃描玉米葉片獲取葉片圖像，將采集的圖像匯集在采集卡中；然后傳輸至計算機進行圖像分析處理，得到葉片顏色特征值，再將特征值轉換就可以得到葉綠素的濃度，完成檢測工作。

本設計中采用的掃描儀自帶照明設備為冷陰極熒光燈，可根據使用場合的形狀彎曲，且燈頭接觸處直接挨上，不會產生陰影，可以提高采集的圖像質量及顯色指數，使圖像清晰易于分析。采用RGB模型分析圖像，也稱為加色法混色模型。它是以RGB三單色來進行混色的方式，R、G、B分別表示紅、綠、藍。

2 顏色特征提取

通過掃描儀采集的圖像需經處理才能進行提取，在圖像分析之前需要將玉米葉片分割出來。針對玉米葉片分析，在源頭上排除雜物的干擾，增加分析效果的正確率。玉米葉片圖像分析處理時，首先對采集的圖像采用空間域法中具有代表性的算法—中值濾波方法，既能去除噪聲又不會模糊圖像的邊緣,處理后圖像中玉米葉片輪廓線突顯。該方法可以使采集的圖像更易于分析和鑒別，消除不需要的背景，提高圖像中玉米葉片圖片質量。本研究采用RGB模型，故需要將圖像的顏色通道降為單通道，便于提取顏色特征。濾波方法也可以將圖像降為單通道，然后進行灰度分級，提取需要區間的灰度值，最后是二值分割，將玉米葉片圖像分割，分離區需要的圖像，通過直方圖獲得顏色特征值，通過軟件計算到RGB顏色通道特征值的平均值。為提高檢測精度，增加參數r、g、b，即

r=R/(R+G+B)

g=G/(R+G+B)

b=B/(R+G+B)

這3個參數用來降低顏色空間值的誤差，再歸一處理得到玉米葉片的顏色空間值，與葉綠素濃度進行線性分析，便可以計算出葉片的SPAD。

3 實驗結果

3.1 實驗基本條件

以玉米品種”龍高L2“為實驗對象，選取玉米生長周期中拔節期進行測量，在拔節期用掃描儀掃描的圖像中隨機各取10幅圖像分析。

3.2 結果分析

為了驗證采用計算機視覺信息技術的玉葉片葉綠素含量的有效性，進行3次測量并分別進行平均，作為最終的測最值，得到30份數據如表1所示。然后，進行交互驗證，驗證結果如表2所示。與此同時，為驗證重復性，在玉米葉片同一位置采集圖像10次，然后計算葉綠素含量，檢測分析結果如表3所示。

表1 檢測數據

表2 驗證數據分析

表3 重復性檢測數據

由表1、表2可以看出：利用計算機視覺技術檢測值的均方根誤差為1.18SPAD值，誤差范圍很小，檢測精度高。根據表3檢測重復性可以看出：計算機視覺檢測技術具有很好的穩定性，在葉片圖像處理中, 獲取玉米葉片圖像時的葉片狀態和外界環境等諸多因素都會在一定程度上影響顏色空間特征的分析效果，進而影響檢測結果的準確性。因此，本研究采用冷陰極熒光燈，穩定性好， 有很好的受光均勻特性。

4 結論

實驗結果表明：采用計算機視覺方法檢測玉米葉片葉綠素含量，檢測結果精度高、檢測數據誤差小，完全可以到達對玉米葉片葉綠索含量檢測的要求，可實現葉綠素含量的實時、便捷、無損檢測。

[1] BlackmerT.M.,SchepersJ.S.Techniques for monitoring cropnitro genstatus in corn [J].Commun.SoilSci.PlantA2nal,1994,25:1791 -1800.

[2] Blackmer TM,Schepers JS.Use of chlorophyll meter to moniter nitrogen status and schedule fertigation for corn[J].Journal of production agriculture,1995(8):56-60.

[3] 陳佳娟,紀壽文,馬成林,等.基于遺傳神經網絡的玉米葉色的自動測定研究[J]. 農業工程學報,2000(3):115-117．

[4] 蔡健榮. 利用計算機視覺定量描述茶葉色澤[J]. 農業機械學報,2000(4):67-70.

[5] 王克如,李少昆,王崇桃,等. 用機器視覺技術獲取棉花葉片葉綠素濃度[J].作物學報,2006(1):34-40.

[6] 柴阿麗,李寶聚,王倩,等. 基于計算機視覺技術的番茄葉片葉綠素含量的檢測[J]. 園藝學報,2009(1):45-52.

Maize Chlorophyll Content Detection Based on Computer Vision Technology

Du Yuhong1， Sun Wenxin2

(1.Hebi Automotive Engineering Professional College, Hebi 458030,China；2.Hebi Polytechnic,Hebi 458030,China)

Plant leaf photosynthesis efficiency and the number of plant chlorophyll content, the overall condition of the plant is closely related to the growth in the agricultural production process, often depending on the growth condition of chlorophyll content in order to determine precisely how much of the plant, the leaves are often color See change as seedlings and fertilizer and water management is an important diagnostic indicators. The traditional method of detecting chlorophyll spectrophotometry, the presence of time-consuming, multi-step, complex operation and other issues, with the development of computer technology and image processing technology, computer vision, vision measuring chlorophyll-based approach has become an important point of plant chlorophyll access to information It means that the method is convenient, real-time and other advantages. Computer vision technology can be put to a human eye to outside information and imaging process, and analyzes the image information obtained. The process of the human eye, computer vision, image processing technology compared to the more accurate and efficient, not like human eye analysis influenced by subjective factors result from bias. Based on computer vision technology to detect maize leaf chlorophyll content, using a scanner acquisition maize leaf image, the image is transferred to the computer, and then analyze the processed image by previously installed on the computer software, segment the image effective pixel color characteristic value the characteristic values can be converted to maize leaf chlorophyll content. Experimental results show that the use of computer vision technology to accurately measuring the chlorophyll content of maize, and maize chlorophyll content (SPAD) accurate determination can be made rational fertilization, no waste, to improve the yield of corn has a very big help.

maize leaves; chlorophyll； computer vision；image segmentation processing； color feature extraction

2016-06-07

河南省教育廳自然科學研究計劃項目(2011C520018)；河南省高等教育重點研究基金項目(13B520108)

杜玉紅(1979-)，女，河南安陽人，講師，碩士，(E-mail)duoyuhong0604@163.com。

孫文新(1966-)，女，河南濮陽人，副教授。

S126

A

1003-188X(2017)08-0199-03