葉片顏色與含水率的關(guān)系研究畢業(yè)論文-全文預(yù)覽
【正文】 系統(tǒng)控制、信息處理等領(lǐng)域的分析、仿真和設(shè)計(jì)工作。 對基于葉片顏色的葉片含水率的判定方法進(jìn)行了研究。此外，由于該模型只有一個(gè)特征參數(shù), 所以不足以進(jìn)行模式判別。 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,。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。植物葉片的含水率可以用來檢測植物的生理狀態(tài)，而實(shí)時(shí)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。我國是一個(gè)較為缺乏水資源的國家，同時(shí)我國又是一個(gè)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?，F(xiàn)有的植物葉片含水率的判別方法是比較傳統(tǒng)的。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)。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(shí)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(gè)葉片的百分比作為特征參數(shù), 但其效果并不好。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。它是一種科學(xué)的計(jì)算軟件，它將數(shù)據(jù)以矩陣的形式存儲(chǔ)并處理。它集成了數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)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(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一個(gè)全面的解決方案，與此同時(shí)MATLAB在很大程度上脫離了傳統(tǒng)非交互式程序設(shè)計(jì)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(jì)算軟件的先進(jìn)水平?；貧w分析按照自變量的個(gè)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?；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(jì)其中的未知參數(shù)的值。 回歸方程的顯著性檢驗(yàn)t檢驗(yàn) 若線性假設(shè)有實(shí)際意義，則，因?yàn)槿羰牵c就沒有因果關(guān)系了，方程就沒有意義了。 MATLAB 與圖像處理圖像二值化就是用0或255來表示圖像上每個(gè)像素點(diǎn)的灰度值，從而將整個(gè)圖像轉(zhuǎn)換為只有黑色和白色的圖片。反映圖像的數(shù)據(jù)的集合只包含兩個(gè)值，不再涉及像素的多級值，使圖像處理變得更加簡單，同時(shí)壓縮了數(shù)據(jù)量。如果物體和背景在灰度值上并沒有差別，而這個(gè)差別表現(xiàn)在其他方面（比如紋理不同），也可以將其它的差別轉(zhuǎn)換為灰度值的差別，然后通過對閥值的選取把圖像的背景和物體區(qū)域分開。 MATLAB 與回歸分析 對于回歸分析，MATLAB 中共有三種實(shí)現(xiàn)方法： (1)LinearModel：線性回歸模型216。調(diào)用LinearModel函數(shù)后就會(huì)得出變量之間確定的關(guān)系式，同時(shí)結(jié)果中會(huì)輸出值，通過值就可以確定顯著性水平，回歸方程就有意義。如圖一所示是其中一組葉片的圖像。結(jié)果如表31所示。將梧桐葉片的圖像導(dǎo)入Matlab并將其二值化，圖所示是原圖和二值化后的圖片對比。 A=im2bw(A,)。 （2）標(biāo)準(zhǔn)差是方差的算術(shù)平方根。標(biāo)準(zhǔn)差計(jì)算公式： （33）（33）中代表數(shù)據(jù)集的平均值，N是數(shù)據(jù)的個(gè)數(shù)，為數(shù)據(jù)的值）。變異系數(shù)可以用來消除和減輕不同度量標(biāo)準(zhǔn)和（或）平均值對兩個(gè)或多個(gè)樣本的變異程度的影響。結(jié)果如表32所示。（數(shù)據(jù)見表32，代碼和運(yùn)行結(jié)果見附錄3） 擬合曲線如圖 41所示：圖 41 變異系數(shù)和葉片含水率擬合曲線 分析：由上述運(yùn)算結(jié)果可知變異系數(shù)和葉片含水率的一元回歸模型為： （41）同時(shí)結(jié)果顯示。 基于RGB圖像統(tǒng)計(jì)量的回歸模型 模型二：以圖像標(biāo)準(zhǔn)差為自變量的一元回歸模型 將圖像標(biāo)準(zhǔn)差作為自變量，葉片含水率作為因變量建立一元回歸模型（數(shù)據(jù)見表33，代碼和運(yùn)行結(jié)果見附錄3）擬合曲線如圖 42所示：圖 42 標(biāo)準(zhǔn)差和葉片含水率擬合曲線 分析：由上述運(yùn)算結(jié)果可知標(biāo)準(zhǔn)差和葉片含水率的一元回歸模型為： （42）同時(shí)結(jié)果顯示。 模型三：圖像平均值和標(biāo)準(zhǔn)差的二元回歸模型 分別以RGB圖像的平均值和標(biāo)準(zhǔn)差為自變量，葉片含水率為因變量建立二元回歸模型。 模型四：分量平均值和圖像的標(biāo)準(zhǔn)差四元回歸模型分別將RGB圖像三原色紅色、綠色和藍(lán)色這三個(gè)分量的平均值和圖像的標(biāo)準(zhǔn)差這四個(gè)變量作為自變量，葉片含水率作為因變量建立四元回歸模型。回歸模型的效果是顯著的，自變量與葉片含水率之間的關(guān)系是線性的。 表 41 各個(gè)回規(guī)模型預(yù)測值與原始值的比較 葉片編號(hào)原始數(shù)據(jù)模型一模型二模型三模型四模型五模型六1234567891011121314
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號(hào)-1