人工神经网络和图像处理技术在叶绿素含量检测中的应用

摘要：

基于深度人工神经网络技术和数字图像处理技术研究通过叶片颜色信息预测叶绿素含量.采用迭代法阈值分割处理青冈栎叶片图像实现背景区域和目标区域的分离,对分离后的图像进行灰度拉伸,高斯滤波等处理得到图像平均R、G、B值从而建立图像数据样本,同时采用二维插值法增加训练样本总数.为筛选最佳的神经网络模型和网络输入组合,比较两组不同网络输入组合在线性网络、BP网络、径向基网络和广义神经回归网络下的检测效果.结果 表明,选取颜色参数(B/R,R-B,(R-B)/(R+B),G/(R+G+B))作为径向基网络的输入向量时,10组测试样本预测值与实测值之间的最大相对误差为9.72％,平均相对误差为6.51％,证明该方法预测叶绿素含量是可行的以及有良好的应用前景.

关键词：数字图像处理、叶绿素含量、阈值分割、matlab、径向神经网络

所属期刊栏目：34

分类号：S512.1;TP391.76(禾谷类作物)

资助基金：浙江省自然科学基金项目Y14E060025

在线出版日期：2019-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：91-95