基于计算机视觉技术的玉米叶绿素含量检测研究

杜玉红，孙文新

(1.鹤壁汽车工程职业学院，河南 鹤壁 458030；2.鹤壁职业技术学院，河南 鹤壁 458030)



基于计算机视觉技术的玉米叶绿素含量检测研究

杜玉红1，孙文新2

(1.鹤壁汽车工程职业学院，河南 鹤壁 458030；2.鹤壁职业技术学院，河南 鹤壁 458030)

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关，在农业生产过程中，常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态，也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法，存在耗时长、步骤多、操作要求高等问题，而采用计算机视觉技术处理图像的过程更加准确、高效，不会像人眼分析时受到主观因素的影响导致偏差。为此，基于计算机视觉技术来检测玉米叶片中叶绿素含量，利用扫描仪采集玉米叶片的图像，将图像输送至计算机，然后通过软件处理图像，分割出图像中有效像素的颜色特征值，将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示：利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量，进而进行合理施肥，避免浪费，对增加玉米的产量具有极大的价值。

玉米叶片；叶绿素；计算机视觉；图像分割处理；颜色特征提取

0 引言

叶绿素(Chlorophyll)是植物体内与光能合成作用有关的关键因素，而光能合成作用是合成多种有机化合物，即将光能转换为化学能。因此，叶绿素相当于从光中获得能量，又使CO2转变为碳水化合物，进而影响农作物的产量，同时叶绿素含量的多少还能判断植株种植的密度是否合适。在种植过程中, 施肥可以直接影响植株产量和质量, 但施肥过量会存在副作用， 如投入加大、地下水资源污染及能源的消耗等，这些影响都与可持续发展相背离。农作物生长状态判断是进行施肥的依据，判断方法大致分为两个方向： 一是根据植株本身的生长状况进行；二是从外界环境方面入手，如土壤、水等。不管采用什么方法,对检测技术要求都比较高，在种植户中推广使用很难，种植户比较容易接受的简单、易操作的方法[1]。从种子的挑选、培育、植株的生长、采摘到后续的加工中都开始应用计算机技术，计算机技术已在植物生长状态的采集、农业资源信息库的建设等方面得到广泛的应用。目前，我国玉米的种植面积在0.2亿hm2左右，仅次于水稻和小麦。

在玉米的整个生长周期中，需要进行光合作用，从阳光中能获取多少能量决定了玉米植株能否长得茂盛、产量是高还是低，叶绿素含量在其中起着决定性的作用，故叶绿素含量的检测在玉米生产中有着非常重要的意义。在国外，1995年，Blackmer和Schepers就将获取的图像转变成了R、G、B单色通道进行分析，提取图中的颜色空间特征，计算出叶绿素含量[2]。在国内，陈家娟等[3]使用电脑图像处理技术将遗传算法与神经网络相结合识别田间玉米叶片图像，并通过对颜色直方图的分析 求得玉米叶色的数值，实验显示该方法检测出来的数据准确率达到了91.5%。蔡健荣[4]借助HIS模型描述茶叶颜色，并改进、建立了更加理想的颜色分析模型。王克如等[5]基于电脑视觉技术创建了6组棉叶叶绿素含量检测模型，检测误差都在可控范围内。2009年，柴阿丽等[6]利用MatLab图像处理工具提取图像的颜色特征参数, 对颜色特征参数和番茄功能叶叶绿素含量做相关分析，得出颜色参数G-R可为检测叶SPAD的非线性回归方程的系数，其检测误差在22.22%以下。

1 实验设计

1.1 设计原理

玉米叶绿素含量在玉米种植过程中需要进行多次测量，而传统方法工作繁重。为此，本文借助扫描仪对玉米叶片进行图像采集，将获取的图像输送至电脑中， 再通过图像的空间域法、灰度分级、二值化阈值分割等一系列的操作将叶片图像与背景图像区分开来，计算各值的均值，分析各特征参数与叶绿素含量的关系，做归一模型，以达到检测叶绿素检测目的。

本研究以玉米品种“龙高L2 ”作为实验对象，由计算机进行图像采集，通过图像分割、边缘轮廓计算及图像增强等方法处理图像后，测得玉米叶片中叶绿素含量。

1.2 总体设计

基于计算机视觉的玉米叶片叶绿素含量检测系统由扫描仪、图像采集卡和计算机构成。工作时，首先是通过扫描仪扫描玉米叶片获取叶片图像，将采集的图像汇集在采集卡中；然后传输至计算机进行图像分析处理，得到叶片颜色特征值，再将特征值转换就可以得到叶绿素的浓度，完成检测工作。

本设计中采用的扫描仪自带照明设备为冷阴极荧光灯，可根据使用场合的形状弯曲，且灯头接触处直接挨上，不会产生阴影，可以提高采集的图像质量及显色指数，使图像清晰易于分析。采用RGB模型分析图像，也称为加色法混色模型。它是以RGB三单色来进行混色的方式，R、G、B分别表示红、绿、蓝。

2 颜色特征提取

通过扫描仪采集的图像需经处理才能进行提取，在图像分析之前需要将玉米叶片分割出来。针对玉米叶片分析，在源头上排除杂物的干扰，增加分析效果的正确率。玉米叶片图像分析处理时，首先对采集的图像采用空间域法中具有代表性的算法—中值滤波方法，既能去除噪声又不会模糊图像的边缘,处理后图像中玉米叶片轮廓线突显。该方法可以使采集的图像更易于分析和鉴别，消除不需要的背景，提高图像中玉米叶片图片质量。本研究采用RGB模型，故需要将图像的颜色通道降为单通道，便于提取颜色特征。滤波方法也可以将图像降为单通道，然后进行灰度分级，提取需要区间的灰度值，最后是二值分割，将玉米叶片图像分割，分离区需要的图像，通过直方图获得颜色特征值，通过软件计算到RGB颜色通道特征值的平均值。为提高检测精度，增加参数r、g、b，即

r=R/(R+G+B)

g=G/(R+G+B)

b=B/(R+G+B)

这3个参数用来降低颜色空间值的误差，再归一处理得到玉米叶片的颜色空间值，与叶绿素浓度进行线性分析，便可以计算出叶片的SPAD。

3 实验结果

3.1 实验基本条件

以玉米品种”龙高L2“为实验对象，选取玉米生长周期中拔节期进行测量，在拔节期用扫描仪扫描的图像中随机各取10幅图像分析。

3.2 结果分析

为了验证采用计算机视觉信息技术的玉叶片叶绿素含量的有效性，进行3次测量并分别进行平均，作为最终的测最值，得到30份数据如表1所示。然后，进行交互验证，验证结果如表2所示。与此同时，为验证重复性，在玉米叶片同一位置采集图像10次，然后计算叶绿素含量，检测分析结果如表3所示。

表1 检测数据

表2 验证数据分析

表3 重复性检测数据

由表1、表2可以看出：利用计算机视觉技术检测值的均方根误差为1.18SPAD值，误差范围很小，检测精度高。根据表3检测重复性可以看出：计算机视觉检测技术具有很好的稳定性，在叶片图像处理中, 获取玉米叶片图像时的叶片状态和外界环境等诸多因素都会在一定程度上影响颜色空间特征的分析效果，进而影响检测结果的准确性。因此，本研究采用冷阴极荧光灯，稳定性好， 有很好的受光均匀特性。

4 结论

实验结果表明：采用计算机视觉方法检测玉米叶片叶绿素含量，检测结果精度高、检测数据误差小，完全可以到达对玉米叶片叶绿索含量检测的要求，可实现叶绿素含量的实时、便捷、无损检测。

[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] 陈佳娟,纪寿文,马成林,等.基于遗传神经网络的玉米叶色的自动测定研究[J]. 农业工程学报,2000(3):115-117．

[4] 蔡健荣. 利用计算机视觉定量描述茶叶色泽[J]. 农业机械学报,2000(4):67-70.

[5] 王克如,李少昆,王崇桃,等. 用机器视觉技术获取棉花叶片叶绿素浓度[J].作物学报,2006(1):34-40.

[6] 柴阿丽,李宝聚,王倩,等. 基于计算机视觉技术的番茄叶片叶绿素含量的检测[J]. 园艺学报,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

河南省教育厅自然科学研究计划项目(2011C520018)；河南省高等教育重点研究基金项目(13B520108)

杜玉红(1979-)，女，河南安阳人，讲师，硕士，(E-mail)duoyuhong0604@163.com。

孙文新(1966-)，女，河南濮阳人，副教授。

S126

A

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