葉片顏色與含水率的關(guān)系研究畢業(yè)論文-展示頁(yè)
2025-07-05 09:06本頁(yè)面
【正文】 張的現(xiàn)狀。在農(nóng)業(yè)領(lǐng)域，植物葉片含水率可以用來(lái)推斷農(nóng)作物是否缺水以及農(nóng)作物的生長(zhǎng)狀況，從而提供信息用于灌溉決策,收益率估計(jì)以及干旱條件評(píng)估?，F(xiàn)有的植物葉片含水率的判別方法是比較傳統(tǒng)的。而針對(duì)植物葉片含水率的預(yù)測(cè)，基于圖像處理技術(shù)的相關(guān)研究是比較少的。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)。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(duì)玉米葉片的含水率進(jìn)行了判定和分析。穗波，信雄在《根據(jù)圖像提取植物的生長(zhǎng)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(lái),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。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(shí)驗(yàn), 通過(guò)把8位彩色航拍圖像分解成紅色、綠色、藍(lán)色三原色來(lái)處理數(shù)字化的航拍圖像, 然后分別對(duì)紅色、綠色、藍(lán)色三原色的特征參數(shù)進(jìn)行統(tǒng)計(jì)。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。首先利用圖像處理的方法, 對(duì)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(gè)一元和多元回歸分析的數(shù)學(xué)模型，對(duì)葉片含水率和葉片顏色的關(guān)系進(jìn)行了分析和總結(jié)。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。MATLAB主要包括MATLAB和Simulink兩大部分。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(yǔ)言（如C、Fortran）的編輯模式，很大程度上代表了現(xiàn)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。 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(jì)學(xué)方法，目的在于了解兩個(gè)或多個(gè)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）?；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。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(shí)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。回歸分析的主要步驟為：(1) 模型建立：針對(duì)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。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(diǎn)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。 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?，與就沒(méi)有因果關(guān)系了，方程就沒(méi)有意義了。使用t檢驗(yàn)法來(lái)進(jìn)行顯著性檢驗(yàn)，假設(shè)：，則，于是的拒絕域?yàn)椋海ū狙芯吭O(shè)定顯著性水平），如果拒絕即，認(rèn)為回歸效果是顯著的；否則，則認(rèn)為回歸效果不顯著，說(shuō)明線性回歸模型不適用，需要采用別的模型來(lái)研究。 MATLAB 與圖像處理圖像二值化就是用0或255來(lái)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。二值化圖像是圖像處理技術(shù)中非常重要的一種，特別是在實(shí)際的圖像處理中，二值圖像處理是許多系統(tǒng)的基礎(chǔ)構(gòu)成。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(jí)值，使圖像處理變得更加簡(jiǎn)單，同時(shí)壓縮了數(shù)據(jù)量。設(shè)定一個(gè)合適的閾值，將所有灰度值大于或等于閾值的像素點(diǎn)判定為物體區(qū)域，其灰度值是255，相反則排除在物體區(qū)域以外，灰度值就為0，代表圖片背景區(qū)域或者物體外的區(qū)域。如果物體和背景在灰度值上并沒(méi)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(guò)對(duì)閥值的選取把圖像的背景和物體區(qū)域分開。RGB圖像雖然能最大化保持圖像原有的特征，但其最大的缺點(diǎn)就在于數(shù)據(jù)量過(guò)于龐大，處理起來(lái)比較復(fù)雜。 MATLAB 與回歸分析 對(duì)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。 (3)GeneralizedLinearModel：廣義線性回歸模型通過(guò)對(duì)這三個(gè)回歸函數(shù)的調(diào)用，可以對(duì)數(shù)據(jù)進(jìn)行不同類型的回歸分析。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(guò)值就可以確定顯著性水平，回歸方程就有意義。3 圖像的收集和數(shù)據(jù)處理 圖像的收集 本次研究采集的是梧桐樹的葉片圖像。如圖一所示是其中一組葉片的圖像。接著將葉片放入70℃的烘干機(jī)中烘干6個(gè)小時(shí), 烘干后對(duì)葉片進(jìn)行稱重，記錄稱重結(jié)果；接著再對(duì)葉片烘干1個(gè)小時(shí)，然后再次稱重；再次重復(fù)以上步驟，最后得到三組葉片重量的數(shù)據(jù)。結(jié)果如表31所示。23 表31 葉片的鮮重和干重以及葉片的含水率數(shù)據(jù)葉片編號(hào)第一次稱量（g）第二次稱量（g）第三次稱量（g）選用數(shù)據(jù)（g）葉片編號(hào)第一次稱量（g）第二次稱量（g）第三次稱量（g）選用數(shù)據(jù)（g）含水率（%）112233445
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1