基于图像处理和深度学习的葡萄叶片钾含量的检测方法

摘要：

为快速无损地获得红地球葡萄在不同生育期内钾素营养水平,基于图像处理技术和深度学习研究其钾含量检测方法.将试验地划分为A、B两块不同钾素处理区域,在不同生育期内,利用数码相机在自然光下对叶片进行拍照采样,采摘样本经晾晒干燥、磨粉、装袋后送检.运用Photoshop通过直方图程序获取叶片图像的色彩信息R、G、B值,并计算归一化NRI、NGI、NBI及H、S、I均值,实验选取R/(R+B-G)、G/(R+B-G)、B/(R+B-G)构成颜色特征参数,采用Excel对颜色特征值和钾含量进行回归分析.将原始图像经仿射和强度变换后扩展为试验训练数据集,采用改进的YoLoV3-M1卷积神经网络进行模型训练,模型检测准确率达90％以上.试验结果表明,该方法可用于葡萄叶片钾含量的无损检测.

关键词：图像处理、深度学习、钾含量、颜色特征值、神经网络

所属期刊栏目：49

分类号：S436.631;TP391.41(病虫害及其防治)

资助基金：国家自然科学基金项目;学科建设基金项目

在线出版日期：2021-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：9-15,21