基于叶绿素荧光成像的温室黄瓜植株病害分类与病情监测
发布时间：2021-08-11 21:04
[目的]针对黄瓜植株极易染病且部分病害症状相似的问题,利用叶绿素荧光成像系统研究黄瓜植株不同病害区分及早期病害监测的可行性。[方法]采用叶绿素荧光成像系统采集全植株冠层图像,以褐斑病和炭疽病胁迫下的黄瓜植株为试验材料,分析植株生理状态,建立基于叶绿素荧光参数的病害分类和病情诊断模型。首先通过图像的分割得到病斑区域;然后采集植株氮含量、叶绿素含量与荧光参数,并分析其变化趋势;最后基于叶绿素荧光强度和动力学参数对黄瓜褐斑病和炭疽病进行分类和早期监测,分别采用支持向量机（SVM）算法和极端梯度提升（XGBoost）算法对不同程度病害植株进行分类。[结果]与对照植株相比,染病植株叶绿素含量及氮含量呈逐渐下降趋势,最大光化学量子产量（Fv/Fm）、实际光化学效率(ΦPSⅡ)降低,非光化学淬灭（NPQ）、非光化学淬灭系数（qN）和光化学淬灭系数（qP）上升。对于植株的病害与病情分类,利用XGBoost算法进行分类的结果整体较好。对2种病害单独分类的准确率达到90%以上,对2种病害同时分类准确率达到85%以上,对病情和病害种类同时监测...
【文章来源】：南京农业大学学报. 2020,43(04)北大核心CSCD
【文章页数】：11 页
【部分图文】：
叶绿素荧光成像系统示意图
成像系统技术路线图
将采集到的荧光图像(图3-a)经过RGB阈值分割(R通道阈值约为20/255,G通道阈值约为160/255)得到粗分割后的图像(图3-b),图像粗分割后虽然大部分背景噪声被滤除,但仍存在一些点噪声,会影响后续处理。而中值滤波方法对于去除点噪声的效果卓越,因此采用中值滤波(参数为5×5)对粗分割后的图像进一步处理得到精分割图像(图3-c)。此步骤后,背景噪声基本被滤除,再次采用RGB阈值分割(G通道阈值约为170/255,B通道阈值约为110/255)得到病斑区域图像(图3-d),最终通过图像膨胀得到感兴趣的病害区域(图3-e)。使用Matlab绘图区打开图像,通过滑动数据游标观察得到具体阈值。由于各个植株拍摄环境及病害特征类似,所以该分割适用于本试验所有样本。该分割方法是各种图像分割方法中速度最快、计算最简单的方法,能满足本试验的要求。后续则对该区域进行荧光参数特征提取。其中,健康植株进行到第4步提取病斑时出现全黑图像,没有病斑点。因此,使用精分割后的图像进行后续处理。由于少数早期病害的植株,其病斑区域小,病斑颜色变化不明显,在提取病斑时表现和健康植株一样,此时则与健康植株一样处理,采用精分割后的图像进行后续操作。由于精分割后的图像是整株植物的图像,早期病害植株整体叶绿素荧光较健康植株仍有差异,所以这样操作对后续试验结果影响较小。2.2 叶片营养参数及荧光参数的变化
【参考文献】：
期刊论文
[1]基于零阶减小方差方法的鲁棒支持向量机[J]. 鲁淑霞,蔡莲香,张罗幻. 计算机科学. 2019(11)
[2]基于CNN-XGBoost混合模型的短时交通流预测[J]. 王青松,谢兴生,佘颢. 测控技术. 2019(04)
[3]温室地上环境因子模型研究综述[J]. 张宁,谭亲跃,张戈风. 中国农学通报. 2019(02)
[4]基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 刘恩泽,吴文福. 吉林大学学报(工学版). 2018(06)
[5]大棚黄瓜栽培常见病害问题与防治研究[J]. 张凌云. 农业与技术. 2018(20)
[6]高光谱成像分析植物叶片滞尘前后光谱特征变化[J]. 张爱武,张泰配,康孝岩,郭超凡. 农业工程学报. 2018(19)
[7]红外热成像与近红外光谱结合快速检测潜育期番茄花叶病[J]. 朱文静,李林,李美清,刘继展,魏新华. 光谱学与光谱分析. 2018(09)
[8]基于高光谱技术的农作物常见病害监测研究[J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华. 光谱学与光谱分析. 2018(07)
[9]基于卷积神经网络的温室黄瓜病害识别系统[J]. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 农业工程学报. 2018(12)
[10]基于手机APP的温室大棚温湿度自动控制系统设计[J]. 吴宝忠,任振辉,王娟. 中国农机化学报. 2018(04)
硕士论文
[1]基于高光谱成像技术的大麦真菌病害早期检测的研究[D]. 许凯雯.浙江大学 2018
[2]黄瓜褐斑病菌（Corynespora cassiicola）生物学特性、遗传多样性及防治基础研究[D]. 吴桥.沈阳农业大学 2017
本文编号：3336892
【文章来源】：南京农业大学学报. 2020,43(04)北大核心CSCD
【文章页数】：11 页
【部分图文】：
叶绿素荧光成像系统示意图
成像系统技术路线图
将采集到的荧光图像(图3-a)经过RGB阈值分割(R通道阈值约为20/255,G通道阈值约为160/255)得到粗分割后的图像(图3-b),图像粗分割后虽然大部分背景噪声被滤除,但仍存在一些点噪声,会影响后续处理。而中值滤波方法对于去除点噪声的效果卓越,因此采用中值滤波(参数为5×5)对粗分割后的图像进一步处理得到精分割图像(图3-c)。此步骤后,背景噪声基本被滤除,再次采用RGB阈值分割(G通道阈值约为170/255,B通道阈值约为110/255)得到病斑区域图像(图3-d),最终通过图像膨胀得到感兴趣的病害区域(图3-e)。使用Matlab绘图区打开图像,通过滑动数据游标观察得到具体阈值。由于各个植株拍摄环境及病害特征类似,所以该分割适用于本试验所有样本。该分割方法是各种图像分割方法中速度最快、计算最简单的方法,能满足本试验的要求。后续则对该区域进行荧光参数特征提取。其中,健康植株进行到第4步提取病斑时出现全黑图像,没有病斑点。因此,使用精分割后的图像进行后续处理。由于少数早期病害的植株,其病斑区域小,病斑颜色变化不明显,在提取病斑时表现和健康植株一样,此时则与健康植株一样处理,采用精分割后的图像进行后续操作。由于精分割后的图像是整株植物的图像,早期病害植株整体叶绿素荧光较健康植株仍有差异,所以这样操作对后续试验结果影响较小。2.2 叶片营养参数及荧光参数的变化
【参考文献】：
期刊论文
[1]基于零阶减小方差方法的鲁棒支持向量机[J]. 鲁淑霞,蔡莲香,张罗幻. 计算机科学. 2019(11)
[2]基于CNN-XGBoost混合模型的短时交通流预测[J]. 王青松,谢兴生,佘颢. 测控技术. 2019(04)
[3]温室地上环境因子模型研究综述[J]. 张宁,谭亲跃,张戈风. 中国农学通报. 2019(02)
[4]基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 刘恩泽,吴文福. 吉林大学学报(工学版). 2018(06)
[5]大棚黄瓜栽培常见病害问题与防治研究[J]. 张凌云. 农业与技术. 2018(20)
[6]高光谱成像分析植物叶片滞尘前后光谱特征变化[J]. 张爱武,张泰配,康孝岩,郭超凡. 农业工程学报. 2018(19)
[7]红外热成像与近红外光谱结合快速检测潜育期番茄花叶病[J]. 朱文静,李林,李美清,刘继展,魏新华. 光谱学与光谱分析. 2018(09)
[8]基于高光谱技术的农作物常见病害监测研究[J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华. 光谱学与光谱分析. 2018(07)
[9]基于卷积神经网络的温室黄瓜病害识别系统[J]. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 农业工程学报. 2018(12)
[10]基于手机APP的温室大棚温湿度自动控制系统设计[J]. 吴宝忠,任振辉,王娟. 中国农机化学报. 2018(04)
硕士论文
[1]基于高光谱成像技术的大麦真菌病害早期检测的研究[D]. 许凯雯.浙江大学 2018
[2]黄瓜褐斑病菌（Corynespora cassiicola）生物学特性、遗传多样性及防治基础研究[D]. 吴桥.沈阳农业大学 2017
本文编号：3336892
本文链接：https://www.wllwen.com/wenshubaike/kaixinbaike/3336892.html