葉片顏色與含水率的關(guān)系研究畢業(yè)論文(已修改)
2025-07-08 09:06 本頁面
【正文】 天津科技大學(xué)2014屆本科生畢業(yè)設(shè)計畢業(yè)論文葉片顏色與含水率的關(guān)系研究 1 前 言作為一種重要的元素，植物的含水率影響著整個植物的生理狀態(tài)。我國是一個較為缺乏水資源的國家，同時我國又是一個農(nóng)業(yè)大國，有效地提取并且利用農(nóng)作物體內(nèi)的水分信息有助于轉(zhuǎn)變我國目前傳統(tǒng)的灌溉方式，提高水資源在我國的利用率，改善居民用水緊張的現(xiàn)狀。植物葉片的含水率可以用來檢測植物的生理狀態(tài)，而實時了解植物的生理狀態(tài),可以在農(nóng)業(yè)領(lǐng)域、干旱監(jiān)測和森林火災(zāi)預(yù)測方面提供非常有用的信息。在農(nóng)業(yè)領(lǐng)域，植物葉片含水率可以用來推斷農(nóng)作物是否缺水以及農(nóng)作物的生長狀況，從而提供信息用于灌溉決策,收益率估計以及干旱條件評估。作為林業(yè)的一個重要因素，葉片含水率可以確定火災(zāi)磁化率，預(yù)防火災(zāi)的發(fā)生。現(xiàn)有的植物葉片含水率的判別方法是比較傳統(tǒng)的。一些研究是基于水分含量和葉綠素之間的關(guān)系，也有一些是基于葉片含水率和光譜之間的關(guān)系。而針對植物葉片含水率的預(yù)測，基于圖像處理技術(shù)的相關(guān)研究是比較少的。楊勇，張冬強(qiáng)在《基于光譜反射特征的柑橘葉片含水率模型》[1]中采用了構(gòu)造光譜指數(shù)和光譜逐步回歸分析兩種方法，分析了葉片圖像的光譜(380~2500nm)反射率與葉片含水率之間的定量關(guān)系并建立了葉片含水率與葉片圖像光譜反射率之間的模型。結(jié)果顯示，基于柑橘葉片含水率與葉片圖像反射光譜的模型證明了了二者之間的相關(guān)性較強(qiáng)。 徐騰飛，韓文霆在《基于圖像處理的玉米葉片含水率診斷方法研究》[2]中研究了玉米葉片的圖片, 對缺水的玉米葉片圖像進(jìn)行了分析, 研究了以圖像處理技術(shù)為基礎(chǔ)的農(nóng)作物缺水診斷方法,。利用RGB圖像繪制了灰度直方圖, 采集了關(guān)于玉米葉片顏色的特征參數(shù), 對玉米葉片的含水率進(jìn)行了判定和分析。張偉和毛罕平等在《缺素葉片圖像顏色和紋型特征參數(shù)提取的研究》[3]中采用圖像處理技術(shù)對番茄進(jìn)行了缺素判別, 分別對缺鉀、缺鐵、缺氮和正常4 種情況下番茄葉片圖像的特征參數(shù)進(jìn)行了采集和分析, 取得了顯著的效果。穗波，信雄在《根據(jù)圖像提取植物的生長信息》[4]中提取了茨菇缺鈣、鎂、鐵3 種元素時葉片圖像的顏色特征, 繪制灰度直方圖并分析了其特征, 利用閾值法將葉片的病態(tài)部分和正常部分分割出來,將病態(tài)面積占整個葉片的百分比作為特征參數(shù), 但其效果并不好。此外，由于該模型只有一個特征參數(shù), 所以不足以進(jìn)行模式判別。Blackmer 和 Schepers 在 《Analysis of aerial photography for nitrogen stress within corn fields》[22]中改進(jìn)了穗波信雄等的實驗, 通過把8位彩色航拍圖像分解成紅色、綠色、藍(lán)色三原色來處理數(shù)字化的航拍圖像, 然后分別對紅色、綠色、藍(lán)色三原色的特征參數(shù)進(jìn)行統(tǒng)計。結(jié)果表明隨著綠色和紅色的統(tǒng)計值與高氮水平的供應(yīng)狀況成正比；相比于藍(lán)色的統(tǒng)計值，紅色和綠色的統(tǒng)計值更能預(yù)測植物的供氮水平。本研究以梧桐樹的葉片為例, 研究了葉片顏色與葉片含水率之間的關(guān)系。 對基于葉片顏色的葉片含水率的判定方法進(jìn)行了研究。首先利用圖像處理的方法, 對梧桐葉片的RGB圖像提取了葉片顏色的三原色紅色、綠色、藍(lán)色的特征參數(shù),然后建立了多個一元和多元回歸分析的數(shù)學(xué)模型，對葉片含水率和葉片顏色的關(guān)系進(jìn)行了分析和總結(jié)。2 理論準(zhǔn)備 MATLAB介紹MATLAB是美國MathWorks公司推出的商業(yè)數(shù)學(xué)軟件。它是一種科學(xué)的計算軟件，它將數(shù)據(jù)以矩陣的形式存儲并處理。在MATLAB中集合了高性能的數(shù)值計算和可視化，同時提供了大量的內(nèi)置函數(shù)，這些內(nèi)置函數(shù)被調(diào)用來實現(xiàn)我們所需要的功能，因此MATLAB被用來進(jìn)行科學(xué)計算，同時也被廣泛地應(yīng)用于系統(tǒng)控制、信息處理等領(lǐng)域的分析、仿真和設(shè)計工作。MATLAB主要包括MATLAB和Simulink兩大部分。MATLAB的功能非常強(qiáng)大，它簡單易用，擁有很強(qiáng)的數(shù)據(jù)和圖像處理能力。它集成了數(shù)值分析、矩陣計算、科學(xué)數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大的功能，并將這些功能放在一個易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計以及必須進(jìn)行有效數(shù)值計算的眾多科學(xué)領(lǐng)域提供了一個全面的解決方案，與此同時MATLAB在很大程度上脫離了傳統(tǒng)非交互式程序設(shè)計語言（如C、Fortran）的編輯模式，很大程度上代表了現(xiàn)今國際科學(xué)計算軟件的先進(jìn)水平。本研究使用的是MATLAB中的圖像處理和數(shù)據(jù)處理中的回歸分析功能。 回歸分析的思想回歸分析是研究數(shù)據(jù)之間相關(guān)關(guān)系的一種統(tǒng)計學(xué)方法，目的在于了解兩個或多個變量間是否相關(guān)、怎樣相關(guān)與強(qiáng)度，并建立數(shù)學(xué)模型，找出最能夠代表因變量和自變量之間關(guān)系的函數(shù)（回歸方程）。它可以幫助我們用一個或多個自變量的值去估計因變量的值?；貧w分析按照自變量的個數(shù)可以分為一元回歸分析和多元回歸分析；而按照自變量和因變量之間的不同關(guān)系，它又可以分為線性回歸分析和非線性回歸分析。本研究的主要內(nèi)容是一元和多元的線性回歸分析。在回歸分析中，如果數(shù)據(jù)集只包含單一的自變量和因變量，同時自變量和因變量之間具有線性的關(guān)系，那么這種回歸分析稱為一元線性回歸分析。如果回歸分析中的自變量不止一個，有兩個或兩個以上，且因變量和自變量之間的關(guān)系是線性的，則稱為多元線性回歸分析?；貧w分析的主要步驟為：(1) 模型建立：針對給定的數(shù)據(jù)集，確定其中某些變量之間的定量關(guān)系式，即建立自變量與因變量之間的回歸模型并估計其中的未知參數(shù)的值。對于一元線性回歸分析，若在與的散點圖中，數(shù)據(jù)點大都分布在一條直線附近，說明這兩個變量之間的關(guān)系是線性的。這樣的直線可以有許多條，但我們希望其中的一條能最準(zhǔn)確的反映與之間的關(guān)系，即我們要找出一條直線，使盡可能多的數(shù)據(jù)點落在這條直線上，記此直線方程為: （21） 其中 稱為自變量， 稱為因變量。的值通過最小二乘法法求得
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1