一种基于鲜叶颜色识别的SPAD值预测方法及系统技术方案

本发明专利技术公开一种基于鲜叶颜色识别的SPAD值预测方法及系统，方法包括：控制拍摄装置采集鲜叶实时样本并上传；进行样本前处理，得到鲜叶样本特征值；基于预先部署的鲜叶SPAD值预测模型和所述样本特征值，对鲜叶的SPAD值进行预测，得到鲜叶实时样本的SPAD值预测。本发明专利技术在现场控制鲜叶图像的实时采集和上传，并利用图像处理技术完成样本前处理，再结合预先部署的鲜叶SPAD值预测模型，实现在田间复杂环境下对整片鲜叶SPAD值的低成本实时预测。对整片鲜叶SPAD值的低成本实时预测。对整片鲜叶SPAD值的低成本实时预测。

【技术实现步骤摘要】
一种基于鲜叶颜色识别的SPAD值预测方法及系统


[0001]本专利技术属于鲜叶SPAD值预测
，具体为一种基于鲜叶颜色识别的SPAD值预测方法及系统。

技术介绍

[0002]叶绿素是绿色植物进行光合作用的基础物质，是植物叶片的主要光合色素，是研究植物生长特性、生理变化和氮素营养状况的重要指标。SPAD叶绿素仪是由日本开发的测定作物叶色的便携式仪器，SPAD值通常被称作叶色值，具有快速、便捷和无损监测对象的特点，常用于测定活体叶片中叶绿素的相对含量，但其成本较高难以大面积推广使用，同时其夹持面积较小，由病斑或成熟斑等造成的测量误差较大。
[0003]叶片类作物其叶绿素含量降低通常认为是缺氮或进入成熟衰老期的重要表现，SPAD值客观反映了叶片的黄绿程度。如烟草叶片的成熟采收，众多研究发现SPAD值能够定量、准确的反映烟叶成熟度。目前我国大部分烟农依然基于烟叶的外观特征，凭借感官进行主观判断，这使得成熟度识别直接同烟农个人的采收经验挂钩，导致烟叶采收质量参差不齐，不利于烟叶后续加工。购买成本及夹持面积较小等问题限制了SAPD仪在烟叶上的使用，现阶段烟叶生产中急需提出一种科学、便捷的SPAD值判断方法，以实现在田间对鲜烟叶成熟程度客观、准确、快速的识别。
[0004]许多研究从烟叶光谱分析入手，借助光谱参数识别烟叶成熟度，但光谱测定需要依靠特殊的设备和环境，烟农无法在田间实时使用。随着机器视觉和人工智能技术在作物生产领域的广泛应用，基于烟叶图像特征，搭建智能模型识别成熟度成为烟叶生产领域的研究热点，但这些模型都无法在田间实时使用。而部分研究模型虽然能够在田间使用，但这些研究在数据采集时只结合人为经验对烟叶成熟度进行划分，且模型标签只有成熟度，一旦数据标定出现误差，模型的实用性将极大降低。此外，不同型号手机的摄像头内嵌了不同的图像优化算法，使模型的应用受限。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供一种基于鲜叶颜色识别的SPAD值预测方法及系统，用以解决上述至少一个技术问题。
[0006]根据本专利技术说明书的一方面，提供一种基于鲜叶颜色识别的SPAD值预测方法，包括：
[0007]控制拍摄装置采集鲜叶实时样本并上传；
[0008]基于上传的鲜叶实时样本进行样本前处理，得到鲜叶样本特征值，所述样本前处理包括图像目标分割、图像特征提取、数据预处理及特征选择；
[0009]基于预先部署的鲜叶SPAD值预测模型和所述样本特征值，对鲜叶的SPAD值进行预测，得到鲜叶实时样本的SPAD预测值。
[0010]上述技术方案在现场控制鲜叶图像的实时采集和上传，并利用图像处理技术完成
样本前处理，再结合预先部署的鲜叶SPAD值预测模型进行鲜叶SPAD值预测，以图像识别实现在田间复杂环境下对鲜叶SPAD值的实时预测，相对于利用高成本SPAD计进行鲜叶SPAD值测量而言，降低了使用成本。
[0011]作为进一步的技术方案，所述图像目标分割进一步包括：
[0012]利用色调通道灰度图和OTSU阈值算法进行二值化分割，得到鲜叶主体部分，生成掩膜H；
[0013]基于HSV颜色空间的各通道阈值对图像目标区域进行分割，生成包含在目标区域中的掩膜I；
[0014]基于HSV颜色空间提取图像中的干扰区域，生成排除在目标区域外的掩膜E；
[0015]将掩膜H、掩膜I和掩膜E三者取交集，得到最终的图像分割掩膜M。
[0016]作为进一步的技术方案，所述图像特征提取进一步包括颜色特征提取和纹理特征提取，其中，提取的颜色特征包括RGB、HSV两种颜色空间的通道分量值及变黄率，提取的纹理特征包括从能量特征、对比度特征、相关性特征和逆差矩特征四个维度的纹理特征。
[0017]作为进一步的技术方案，所述数据预处理及特征选择进一步包括：对数据集进行数据标准化、特征选择和中文标签数值化编码操作，得到鲜叶样本特征值，且每组特征样本包含20维图像特征以及SPAD值标签。
[0018]作为进一步的技术方案，所述方法还包括：构建XGBoost回归模型作为鲜叶SPAD值预测模型；通过参数调优，确定鲜叶SPAD值预测模型最佳的基评估器、迭代次数和学习率。
[0019]根据本专利技术说明书的一方面，提供一种基于鲜叶颜色识别的SPAD值预测系统，包括鲜叶图像采集模块、云平台和终端模块；其中，所述鲜叶图像采集模块包括便携式拍摄装置，用于拍摄实时鲜叶图像并上传至云平台；所述云平台用于鲜叶实时样本的样本前处理，并调用预先部署的模型进行SPAD值预测，并将SPAD预测值发送至终端模块；所述终端模块用于数据展示。
[0020]上述技术方案从软件和硬件两方面入手，使用便携拍摄盒和固定型号高清摄像头，设计用于田间的图像拍摄装置，提出鲜叶真实图像和SPAD值的采集方案。之后利用图像处理技术和XGBoost算法，提取图像特征数据，搭建鲜叶SPAD值预测模型，并研发移动端应用程序完成拍摄装置和模型之间的数据传输，实现在田间复杂环境下对鲜叶SPAD值的实时预测，以较低的成本辅助判断鲜叶成熟程度。
[0021]作为进一步的技术方案，所述样本前处理包括图像目标分割、图像特征提取、数据预处理及特征选择。
[0022]作为进一步的技术方案，所述便携式拍摄装置包括拍摄装置本体和高清摄像头，所述拍摄装置本体选用可折叠的PVC材质的不透光暗盒，暗盒上部设置拍摄孔用于安装固定型号且具备通讯模块的高清摄像头，顶部以及45
°
斜上方安装直流LED散射光源。
[0023]作为进一步的技术方案，所述高清摄像头连接有移动终端，通过所述移动终端控制高清摄像头采集鲜叶图像。
[0024]与现有技术相比，本专利技术的有益效果在于：
[0025](1)本专利技术针对SPAD测量仪器价格昂贵且操作繁琐、光谱测定设备在田间无法实时使用、田间环境干扰鲜叶图像信息、手机摄像头内嵌图像优化算法限制模型使用等问题，提出一种基于鲜叶颜色识别的SPAD值预测方法。该方法首先通过便携式拍摄装置实现在田
间实时高质量的图片采集，并提出适配于田间鲜叶图像的实时分割方法，之后提取图像目标区域特征数据，利用XGBoost算法搭建鲜叶SPAD值预测模型，实现在田间复杂环境下对鲜叶SPAD值的低成本实时预测。
[0026](2)本专利技术研发采摘现场适用的移动终端APP完成拍摄装置和云端模型之间鲜叶图像和预测结果的传输，实现在田间对鲜叶成熟程度快速、客观、准确地预测，可为田间农作物精准采收提供理论基础和技术支撑。
附图说明
[0027]图1为根据本专利技术实施例的方法流程图。
[0028]图2为根据本专利技术实施例的图像干扰信息示意图。
[0029]图3为根据本专利技术实施例的RMIS方法处理中间结果示意图。
[0030]图4a
‑
4b为根据本专利技术实施例的基评估器对SPAD值预测模型损失函数值的影响示意图。
[0031]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鲜叶颜色识别的SPAD值预测方法，其特征在于，包括：控制拍摄装置采集鲜叶实时样本并上传；基于上传的鲜叶实时样本进行样本前处理，得到鲜叶样本特征值，所述样本前处理包括图像目标分割、图像特征提取、数据预处理及特征选择；基于预先部署的鲜叶SPAD值预测模型和所述样本特征值，对鲜叶的SPAD值进行预测，得到鲜叶实时样本的SPAD预测值。2.根据权利要求1所述一种基于鲜叶颜色识别的SPAD值预测方法，其特征在于，所述图像目标分割进一步包括：利用色调通道灰度图和OTSU阈值算法进行二值化分割，得到鲜叶主体部分，生成掩膜H；基于HSV颜色空间的各通道阈值对图像目标区域进行分割，生成包含在目标区域中的掩膜I；基于HSV颜色空间提取图像中的干扰区域，生成排除在目标区域外的掩膜E；将掩膜H、掩膜I和掩膜E三者取交集，得到最终的图像分割掩膜M。3.根据权利要求2所述一种基于鲜叶颜色识别的SPAD值预测方法，其特征在于，所述图像特征提取进一步包括颜色特征提取和纹理特征提取，其中，提取的颜色特征包括RGB、HSV两种颜色空间的通道分量值及变黄率，提取的纹理特征包括从能量特征、对比度特征、相关性特征和逆差矩特征四个维度的纹理特征。4.根据权利要求3所述一种基于鲜叶颜色识别的SPAD值预测方法，其特征在于，所述数据预处理及特征选择进一步包括：对数据集进行数据标准化、特征选择和中文标签数值化编码操作，得到鲜叶样本特征值，且每组...

【专利技术属性】
技术研发人员：孙光伟，杨春雷，陈振国，杨锦鹏，孙敬国，李建平，冯吉，宋洪昌，张鹏龙，吴勇，
申请(专利权)人：湖北省烟草科学研究院，
类型：发明
国别省市：