本发明专利技术涉及一种观赏凤梨的叶绿素检测方法，主要是在观赏凤梨叶片的可见光图像中，通过采样区域聚类，建立R、G、B数值与叶绿素含量之间的logistic回归模型，并使用该回归模型估算观赏凤梨叶片叶绿素含量值；在检测观赏凤梨叶片叶绿素含量方面取得了比较理想的结果，不但省时省力，且不破坏了观赏凤梨的叶片结构及作物生长，是一种实时、准确、快速和低成本的观赏凤梨无损叶绿素检测方法。
【技术实现步骤摘要】
本专利技术涉及一种观赏凤梨的叶绿素检测方法，主要是在观赏凤梨叶片的可见光图像中，通过采样区域聚类，建立R、G、B数值与叶绿素含量之间的logistic回归模型，并使用该回归模型估算观赏凤梨叶片叶绿素含量值。
技术介绍
观赏凤梨是一种高档的热带花卉，叶子中叶绿素含量是衡量其生长状况的关键指标，对温室培育环境调节有着重要意义。传统的观赏凤梨叶片叶绿素检测有两种，第一种采用采摘其叶片，通过化学实验的方法进行，不仅费时费力，而且会破坏观赏凤梨叶片;第二种采用手持叶绿素计测量叶片中的叶绿素含量。手持叶绿素计的缺点是价格昂贵，同时需要人工现场检测。因此，寻找一种实时、准确、快速和低成本的观赏凤梨无损叶绿素检测方法成为必要。
技术实现思路
本专利技术所要解决的技术问题是克服上述不足而提供一种在可见光图像上检测观赏凤梨叶绿素的方法，主要解决的是仅通过图像采集设备拍摄叶片图像，然后估算出观赏凤梨叶片中叶绿素的含量。本专利技术解决其技术问题所采用的技术方案。可见光图像基于logistic回归的观赏凤梨叶绿素检测方法分为两个阶段:—、叶绿素估算模型训练阶段该阶段其步骤如下:I)拍摄一组观赏凤梨叶片图像，并在叶片图像中选取叶绿素采样点，采样区域A是以采集点为圆心，半径为r的一个圆；2)在采样区域A中，采用k-means方法对RGB中的G分量聚类，得至1」3个聚类中心102和03，根据聚类中心计算影响叶绿素含量值的三个因素值Rf、Gf和Bf;3)用手持叶绿素计测量采样点的叶绿素含量值P;4)采用logistic回归方法对影响叶绿素含量值的三个因素值素Rf、Gf和Bf与叶绿素计测量的叶绿素含量值P进行拟合，得到叶绿素估算模型；二、叶绿素在线检测阶段该阶段其步骤如下:I)拍摄观赏凤梨叶片图像，并在叶片图像中选取叶绿素采样点，采样区域A是以采集点为圆心，半径为r的一个圆；2)在采样区域A中，采用k-means方法对RGB中的G分量聚类，得至1」3个聚类中心O1A和03，根据聚类中心计算影响叶绿素含量值的三个因素值Rf、Gf和Bf;3)在叶绿素估算模型中，输入Rf、Gf和Bf，估算叶片中该采样点的叶绿素含量。【附图说明】图1是叶绿素估算模型训练流程图；图2是叶绿素检测流程图；图3是叶片采样区域中基于k-means方法的聚类示意图。【具体实施方式】下面结合附图和实施例对本专利技术作进一步描述。 一、本专利技术的整体思想:主要考虑以下两个方面:如何估算叶片采样点区域中合适的R、G、B值作为logistic回归模型中的因素;如何有效地建立叶片图像样本中的可见光信息与手持叶绿素计采集叶绿素含量值之间的回归模型。二、本专利技术所述的这种在可见图像中基于logistic回归的观赏凤梨叶绿素检测方法分为两个阶段:1、叶绿素估算模型训练阶段如图1所示，该阶段其步骤如下:I)采用普通摄像头或数码相机拍摄一组数量为N的观赏凤梨叶片图像{U}，其中i=1，...，N。图片采用RGB模式存储。在某一叶片图像1^中选取一点作为叶绿素采样点，记为O点，并以O点为圆心，半径r的圆A为采样区域(如图3所示)。2)在步骤I)获得的圆形区域A中，采用k-means方法对RGB模式中的G分量聚类，得至1」3个聚类中心01、02和03(如图3所示)。其中，k-means方法聚类具体步骤如下:①在采样区域A中随机选取3个点作为初始聚类中心，并以RGB图像中的G分量值作为聚类特征；②计算在采样区域A中每个像素G分量值与3个聚类中心G分量值的欧氏距离，并根据最小距离对像素进行划分；③重新计算每个聚类的中心(该聚类中所有像素的均值)；④重复步骤②和③，直到每个聚类中心不再发生变化。3)根据聚类中心(h、02和O3计算影响叶绿素含量值的三个因素值Rf1、Gfi和Bfi。计算公式如下:Rfi= (Ni*Ri+N2*R2+N3*R3)/(Ni+N2+N3)Gfi= ( Ni*Gi+N2*G2+N3*G3 ) / (N1+N2+N3)Bfi= (Ni*Bi+N2*B2+N3*B3)/(Ni+N2+N3)其中，(h、02和O3中R分量值分别为R1、R2和R3，G分量值分别为G1、G2和G3，B分量值分别为B1、B2和B3，三个区域的像素个数分别为N1、N2和N3。4)用手持叶绿素计测量采样点的叶绿素含量值。采用手持叶绿素计(例如，KONIC MINOLTA SPAD_502Plus)采集观赏凤梨叶片Li的叶绿素含量值，记为P:。5)采用logistic回归方法对因素Rf、Gf和Bf与叶绿素计采集的叶绿素含量值P进行拟合。叶绿素估算模型定义如下，ln(P/(l-P)) = Co+Ci*Rf+C2^Gf+C3^Bf其中P表示手持叶绿素采集到叶绿素含量，输入的样本数据为(P1Ki= I，...，N，Rf ,Gf, Bf表示影响叶绿素含量值的三个因素，输入的样本数据为{Rf i，Gf i，Bf i}，i = I，...，N。利用SPSS软件(Statistical Product and Service Solut1ns,一种集成化的数据分析处理软件)，求得参数OkC1J2和C3的值。2、叶绿素在线检测阶段如图2所示，该阶段其步骤如下:I)采用普通摄像头或数码相机拍摄一张观赏凤梨叶片图像L。图片采用RGB模式存储。在叶片图像中选取一点作为叶绿素采样点，记为O点，并以O点为圆心，半径r的圆A为采样区域(如图3所示)。2)在步骤I)获得的圆形区域A中，采用k-means方法对RGB模式中的G分量聚类，得至IJ3个聚类中心(h、02和03(如图3所示)。其中，k-means方法聚类与叶绿素估算模型训练阶段中k-means聚类过程相同。3)根据聚类中心(h、02和O3计算影响叶绿素含量值的三个因素值Rf、Gf和Bf。计算公式如下:Rfi= (Ni*Ri+N2*R2+N3*R3 ) / (N1+N2+N3)Gfi= (Ni*Gi+N2*G2+N3*G3)/(Ni+N2+N3)Bfi= (Ni*Bi+N2*B2+N3*B3)/(Ni+N2+N3)其中，O1、O2和O3中R分量值分别为R1、R2和R3，G分量值分别为G1、G2和G3，B分量值分别为B1、B2和B3，三个区域的像素个数分别为N1、N2和N3。 4)利用训练阶段计算得到叶绿素估算模型估算叶绿素含量P。公式如下:p = l/(l+e—θ)Θ = Co+Ci*Rf+C2^Gf+C3^Bf三、验证结果:为了验证该方法的效果，采用交叉测试方法。测得样本共50份，将其中10份作为训练样本，剩余40份作为测试样本，平均误差为9.6 %。其中1份样本数据为:P = {26.4 %，30.1%,39.2%,45.7%,46% ,48.5% , 50.7% , 51.2% , 52.9% , 54.7% } ,Rf = {107,93,52,48,57,69,46,72,44,80},Gf={127,110,81,82,88,99,80,108,76,108},Bf={76，59，50，47，44，71，47，70，37，78}。计算得到0) = -0.9894，(:1 = -0.0433，02 = 0.0283，03 = 0.0163。四、实验结论:由实验结果可以看本文档来自技高网...
【技术保护点】
一种可见光图像基于logistic回归的观赏凤梨叶绿素检测方法，其特征在于：该检测方法分为两个阶段：一、叶绿素估算模型训练阶段该阶段其步骤如下：a1）拍摄一组观赏凤梨叶片图像，并在叶片图像中选取叶绿素采样点,采样区域A是以采集点为圆心，半径为r的一个圆;a2）在采样区域A中，采用k‑means方法对RGB中的G分量聚类，得到3个聚类中心O1、O2和O3，根据聚类中心计算影响叶绿素含量值的三个因素值Rf、Gf和Bf;a3）用手持叶绿素计测量采样点的叶绿素含量值P;a4）采用logistic回归方法对影响叶绿素含量值的三个因素值素Rf、Gf和Bf与叶绿素计测量的叶绿素含量值P进行拟合，得到叶绿素估算模型;二、叶绿素在线检测阶段该阶段其步骤如下：b1）拍摄观赏凤梨叶片图像，并在叶片图像中选取叶绿素采样点,采样区域A是以采集点为圆心，半径为r的一个圆;b2）在采样区域A中，采用k‑means方法对RGB中的G分量聚类，得到3个聚类中心O1、O2和O3，根据聚类中心计算影响叶绿素含量值的三个因素值Rf、Gf和Bf;b3）在叶绿素估算模型中，输入Rf、Gf和Bf，估算叶片中该采样点的叶绿素含量。
【技术特征摘要】
【专利技术属性】
技术研发人员：孙霖，朱剑锋，郑增威，蔡建平，吴剑钟，
申请(专利权)人：浙江大学城市学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。