基于图像处理和深度学习的葡萄叶片钾含量的检测方法

作者：杨芳; 高晓阳^*; 李红岭; 杨梅; 邵世禄

来源：林业机械与木工设备, 2021, 49(02): 9-21.

DOI：10.13279/j.cnki.fmwe.2021.0015

• 图像处理
• 深度学习
• 钾含量
• 颜色特征值
• 神经网络

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。

• 单位
  机电工程学院; 甘肃农业大学