[發(fā)明專利]一種基于機(jī)器視覺(jué)技術(shù)的植物葉片葉綠素含量估測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110572686.1
• 申請(qǐng)日: 2021-05-25
• 公開（公告）號(hào): CN113390870B
• 公開（公告）日: 2023-08-01
• 發(fā)明（設(shè)計(jì)）人: 李修華;奚金陽(yáng);盧顯杰;張?jiān)起?/a>
• 申請(qǐng)（專利權(quán)）人: 廣西大學(xué)
• 主分類號(hào): G01N21/84
• 分類號(hào): G01N21/84;G06T7/136;G06T7/80;G06T7/90
• 代理公司: 廣西南寧明智專利商標(biāo)代理有限責(zé)任公司 45106
• 代理人: 林興寧

1.一種基于機(jī)器視覺(jué)技術(shù)的植物葉片葉綠素含量估測(cè)方法，其特征在于包括以下步驟：

步驟1：拍照球制備

為了消除復(fù)雜多變的背景光的影響，通過(guò)制備拍照球作為輔助拍照裝置；所述拍照球由上部的空心殼體和下部的底座組成；空心殼體為大半個(gè)球形或蛋形殼體，空心殼體的頂面中央設(shè)有拍照口，底面為敞口，空心殼體內(nèi)壁在拍照口的外圍裝有一圈白色環(huán)形LED光源，空心殼體的內(nèi)壁表面采用能使光照形成漫反射的磨砂表面；底座為一個(gè)圓臺(tái)座，底座的上端面為黑色背景板，底座上端的一側(cè)與空心殼體下部的一側(cè)通過(guò)鉸鏈連接，使空心殼體與底座組成一個(gè)可沿鉸鏈旋轉(zhuǎn)開合的拍照球；

步驟2：手機(jī)色差標(biāo)定

手機(jī)色差標(biāo)定的目的是盡可能減低不同手機(jī)對(duì)相同對(duì)象的圖像特征差異，使不同手機(jī)可以共用同一個(gè)葉綠素估測(cè)模型；每個(gè)手機(jī)只需在使用本方法檢測(cè)葉綠素之前進(jìn)行1次色差標(biāo)定即可，標(biāo)定生成色差轉(zhuǎn)換矩陣保留至存儲(chǔ)單元，無(wú)限次重復(fù)調(diào)用；具體操作為：

(2.1)、通過(guò)一個(gè)24色參考色卡作為色差校正媒體，該參考色卡中各色塊的RGB值為已知，將該參考色卡的第i色塊的RGB標(biāo)準(zhǔn)值記為R_0i,G_0i,B_0i，其中1≤i≤24；將拍照球張開，把該參考色卡平放于底座的黑色背景板上，合上拍照球，打開環(huán)形LED光源為拍照球內(nèi)部提供主動(dòng)光源，用任一手機(jī)從拍照球上方的拍照口對(duì)參考色卡進(jìn)行拍攝，得到其RGB圖像X_R；

(2.2)、通過(guò)圖像處理程序調(diào)用OpenCV庫(kù)中的cv2.selectROI()函數(shù)截取圖像X_R的色塊ROI，遍歷ROI，即得圖像X_R各色塊的RGB均值，分別記為R_i,G_i,B_i；

(2.3)、對(duì)各色塊的RGB均值通過(guò)式(1)所示的多項(xiàng)式組合得到多項(xiàng)式變量V＝[v₁,v₂,v₃,…,v_j]，j為多項(xiàng)式的項(xiàng)數(shù)；

在本步驟中，取十項(xiàng)式組合對(duì)24個(gè)色塊進(jìn)行顏色校正，即V＝[1,R,G,B,RG,RB,GB,R²,B²,G²]，式(1)中i＝24，j＝10；

(2.4)、采用式(2)所示的多項(xiàng)式回歸方程對(duì)色塊進(jìn)行顏色回歸，求出色差校正參數(shù)矩陣A；

將24個(gè)色塊的多項(xiàng)式變量轉(zhuǎn)為矩陣則有：

X＝A^T?·?V??(2)

式中的X是維數(shù)為3*24的色標(biāo)標(biāo)準(zhǔn)矩陣：

A是維數(shù)為j*3的轉(zhuǎn)換矩陣：

V是維數(shù)為j*24的多項(xiàng)式回歸矩陣：

根據(jù)最小二乘法優(yōu)化可得：

A＝(V?·?V^T)^-1?·?(V?·?X^T)??(3)

步驟3：被測(cè)植物葉片圖像獲取

將拍照球張開，取被測(cè)植物葉片正面朝上平放于底座的黑色背景板上，合上拍照球，使植物葉片主體夾持在拍照球這一封閉空間中，打開環(huán)形LED光源為拍照球內(nèi)部提供主動(dòng)光源，用經(jīng)過(guò)色差標(biāo)定的任一手機(jī)的攝像頭從拍照球的拍照口對(duì)植物葉片進(jìn)行拍攝，由此得到植物葉片圖像；

步驟4：植物葉片圖像閾值分割

通過(guò)OTSU算法獲取植物葉片圖像的最佳閾值，顏色特征參數(shù)選擇EGI，利用cv2.minMaxLoc()函數(shù)求取最大值與最小值，計(jì)算直方圖，轉(zhuǎn)換為u8類型后進(jìn)行OTSU二值化，利用cv2.threshold()函數(shù)閾值分割，再將分割后的圖像使用cv2.merge()函數(shù)合成，即為背景分割后的植物葉片圖像；

步驟5：植物葉片ROI主體區(qū)域提取

對(duì)分割后的葉片圖像采用最大內(nèi)接矩形作為葉片的ROI主體區(qū)域，再通過(guò)腐蝕膨脹去除噪聲；

步驟6：植物葉片圖像色差校正

將步驟5得到的植物葉片圖像作為原始圖像X_os，將該圖像的各RGB像素值代入到多項(xiàng)式組合得到的變量矩陣V中，得到原始圖像中像素點(diǎn)的RGB值構(gòu)造的多項(xiàng)式回歸矩陣V_OS，然后通過(guò)色差校正參數(shù)矩陣A對(duì)該圖像應(yīng)用式(4)進(jìn)行校正，即可計(jì)算得到標(biāo)準(zhǔn)條件下該圖像的RGB圖像X_cs；

X_CS＝A^T?·?V_OS??(4)

步驟7：植物葉片圖像提取RGB值

通過(guò)圖像處理程序?qū)煞鶊D像遍歷提取RGB均值；

步驟8：植物葉片葉綠素含量估測(cè)

(8.1)、建立模型：此步驟旨在為用戶提供針對(duì)某一種特定作物的葉綠素含量預(yù)測(cè)模型，相當(dāng)于傳感器的出廠標(biāo)定，針對(duì)某一特定作物只執(zhí)行1次；具體的方法為：將植物葉片圖像的RGB通過(guò)不同方式組合變化得到不同顏色特征參數(shù)，通過(guò)分析各圖像顏色特征參數(shù)與植物葉片葉綠素含量的相關(guān)性，選擇相關(guān)性最高的顏色特征參數(shù)建立植物葉片葉綠素的一元線性數(shù)學(xué)模型；

(8.2)、根據(jù)步驟8.1中的數(shù)學(xué)模型，即可由步驟7所獲得的植物葉片圖像的相應(yīng)顏色特征參數(shù)反演推算植物葉片葉綠素含量。