葉片顏色與含水率的關(guān)系研究畢業(yè)論文-wenkub
2023-07-11 09:06:37 本頁面
【正文】 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)系進行了分析和總結(jié)。Blackmer 和 Schepers 在 《Analysis of aerial photography for nitrogen stress within corn fields》[22]中改進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)進行統(tǒng)計。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行了判定和分析。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。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。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)。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。楊勇，張冬強在《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。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)進行了采集和分析, 取得了顯著的效果。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。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。MATLAB的功能非常強大，它簡單易用，擁有很強的數(shù)據(jù)和圖像處理能力。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。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。的值通過最小二乘法法求得，即求使得取最小值，其中為樣本數(shù)據(jù)，稱該方程為一元直線回歸方程． 利用數(shù)學(xué)分析求極值方法，解得 ， （22）相對應(yīng)的多元線性回歸方程的一般形式為: （23）(2) 模型檢驗：對所建立的回歸模型進行檢驗，通過顯著性檢驗來驗證回歸方程的線性關(guān)系是否顯著。(3) 模型驗證：針對給出的樣本，利用求得的回歸方程對因變量進行預(yù)測并比較預(yù)測值與真實值的誤差，以誤差大小來衡量回歸模型的合理性。因為我們一般搜集的都是RGB彩色圖像，所以要對二值化圖像進行處理與分析，首先要把圖像二值化，得到二值化圖像，這樣才能對圖像做下一步的處理。如果一個特定物體的灰度值是均勻一致并且處在一個均勻的背景下，使用閾值法就可以得到較好的分割效果。圖像處理中所使用的函數(shù)：Imread：將圖像導(dǎo)入到MATLAB 中；Im2bw(A,a)：將圖像二值化（A代表像素矩陣，a代表選取的閾值）；Imshow：輸出圖像；Mean：求平均值；Std：求標(biāo)準(zhǔn)差。本文主要使用LinearModel函數(shù)來做回歸擬合。用照相機采集20組梧桐葉片的正反兩面圖像，然后導(dǎo)入到計算機中，方便對圖像的下一步處理。當(dāng)相鄰兩次烘干處理后，葉片的干重之差小于0. 001 g 時, 該次烘干后所測得葉片的重量即可作為樣本葉片的干重。為了減少數(shù)據(jù)量，使圖像處理變得更加簡單，從而方便讀取圖像上的數(shù)據(jù)，首先將RGB圖像二值化。)。但它極易受極端數(shù)據(jù)的影響，這是因為平均值對數(shù)據(jù)值的變化反應(yīng)靈敏，每個數(shù)據(jù)的每個微小變化都會導(dǎo)致不同的結(jié)果。標(biāo)準(zhǔn)差與平均值并不等價，即使兩個數(shù)據(jù)集的平均值是相等的，其標(biāo)準(zhǔn)差也未必相同。如果度量標(biāo)準(zhǔn)不同和（或）平均值不相等時，就不能采用標(biāo)準(zhǔn)差來比較其變異程度，而需采用變異系數(shù)（），即標(biāo)準(zhǔn)差與平均值的比值（相對值）來比較。 數(shù)據(jù)處理結(jié)果(1)在Matlab中對二值化后的圖像分別求整個圖像的平均值和標(biāo)準(zhǔn)差并計算變異系數(shù)。（代碼見附錄3）表 33 RGB圖像的平均值和標(biāo)準(zhǔn)差數(shù)據(jù)葉片編號分量平均值分量標(biāo)準(zhǔn)差平均值標(biāo)準(zhǔn)差葉片含水率12345678910111213141516171819204 建立回歸模型 模型一：基于二值化圖像變異系數(shù)的一元回歸模型 將圖片的變異系數(shù)作為自變量，葉片含水率為因變量建立一元回歸模型。結(jié)合對值和擬合曲線的分析可以得出這個一元回歸模型并不能較為準(zhǔn)確地反映葉片顏色和葉片含水率之間的關(guān)系。結(jié)合對值和擬合曲線和分析可以得出這個一元回歸模型可以較為準(zhǔn)確地反映葉片顏色和葉片含水率之間的關(guān)系。但平均值的，說
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1