可見(jiàn)光圖像中基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種觀賞鳳梨的葉綠素檢測(cè)方法，主要是在觀賞鳳梨葉片的可見(jiàn)光圖像中，通過(guò)采樣區(qū)域聚類，建立R、G、B數(shù)值與葉綠素含量之間的logistic回歸模型，并使用該回歸模型估算觀賞鳳梨葉片葉綠素含量值。
【背景技術(shù)】
[0002]觀賞鳳梨是一種高檔的熱帶花卉，葉子中葉綠素含量是衡量其生長(zhǎng)狀況的關(guān)鍵指標(biāo)，對(duì)溫室培育環(huán)境調(diào)節(jié)有著重要意義。傳統(tǒng)的觀賞鳳梨葉片葉綠素檢測(cè)有兩種，第一種采用采摘其葉片，通過(guò)化學(xué)實(shí)驗(yàn)的方法進(jìn)行，不僅費(fèi)時(shí)費(fèi)力，而且會(huì)破壞觀賞鳳梨葉片;第二種采用手持葉綠素計(jì)測(cè)量葉片中的葉綠素含量。手持葉綠素計(jì)的缺點(diǎn)是價(jià)格昂貴，同時(shí)需要人工現(xiàn)場(chǎng)檢測(cè)。因此，尋找一種實(shí)時(shí)、準(zhǔn)確、快速和低成本的觀賞鳳梨無(wú)損葉綠素檢測(cè)方法成為必要。

【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的技術(shù)問(wèn)題是克服上述不足而提供一種在可見(jiàn)光圖像上檢測(cè)觀賞鳳梨葉綠素的方法，主要解決的是僅通過(guò)圖像采集設(shè)備拍攝葉片圖像，然后估算出觀賞鳳梨葉片中葉綠素的含量。
[0004]本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案。
[0005]可見(jiàn)光圖像基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法分為兩個(gè)階段:
[0006]—、葉綠素估算模型訓(xùn)練階段
[0007]該階段其步驟如下:
[0008]I)拍攝一組觀賞鳳梨葉片圖像，并在葉片圖像中選取葉綠素采樣點(diǎn)，采樣區(qū)域A是以采集點(diǎn)為圓心，半徑為r的一個(gè)圓；
[0009]2)在采樣區(qū)域A中，采用k-means方法對(duì)RGB中的G分量聚類，得至1」3個(gè)聚類中心102和03，根據(jù)聚類中心計(jì)算影響葉綠素含量值的三個(gè)因素值Rf、Gf和Bf;
[0010]3)用手持葉綠素計(jì)測(cè)量采樣點(diǎn)的葉綠素含量值P;
[0011]4)采用logistic回歸方法對(duì)影響葉綠素含量值的三個(gè)因素值素Rf、Gf和Bf與葉綠素計(jì)測(cè)量的葉綠素含量值P進(jìn)行擬合，得到葉綠素估算模型；
[0012]二、葉綠素在線檢測(cè)階段
[0013]該階段其步驟如下:
[0014]I)拍攝觀賞鳳梨葉片圖像，并在葉片圖像中選取葉綠素采樣點(diǎn)，采樣區(qū)域A是以采集點(diǎn)為圓心，半徑為r的一個(gè)圓；
[0015]2)在采樣區(qū)域A中，采用k-means方法對(duì)RGB中的G分量聚類，得至1」3個(gè)聚類中心O1A和03，根據(jù)聚類中心計(jì)算影響葉綠素含量值的三個(gè)因素值Rf、Gf和Bf;
[0016]3)在葉綠素估算模型中，輸入Rf、Gf和Bf，估算葉片中該采樣點(diǎn)的葉綠素含量。
【附圖說(shuō)明】
[0017]圖1是葉綠素估算模型訓(xùn)練流程圖；
[0018]圖2是葉綠素檢測(cè)流程圖；
[0019]圖3是葉片采樣區(qū)域中基于k-means方法的聚類示意圖。
【具體實(shí)施方式】
[0020]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。
[0021 ] 一、本發(fā)明的整體思想:
[0022]主要考慮以下兩個(gè)方面:如何估算葉片采樣點(diǎn)區(qū)域中合適的R、G、B值作為logistic回歸模型中的因素;如何有效地建立葉片圖像樣本中的可見(jiàn)光信息與手持葉綠素計(jì)采集葉綠素含量值之間的回歸模型。
[0023]二、本發(fā)明所述的這種在可見(jiàn)圖像中基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法分為兩個(gè)階段:
[0024]1、葉綠素估算模型訓(xùn)練階段
[0025]如圖1所示，該階段其步驟如下:
[0026]I)采用普通攝像頭或數(shù)碼相機(jī)拍攝一組數(shù)量為N的觀賞鳳梨葉片圖像{U}，其中i=1，...，N。圖片采用RGB模式存儲(chǔ)。在某一葉片圖像1^中選取一點(diǎn)作為葉綠素采樣點(diǎn)，記為O點(diǎn)，并以O(shè)點(diǎn)為圓心，半徑r的圓A為采樣區(qū)域(如圖3所示)。
[0027]2)在步驟I)獲得的圓形區(qū)域A中，采用k-means方法對(duì)RGB模式中的G分量聚類，得至1」3個(gè)聚類中心01、02和03(如圖3所示)。其中，k-means方法聚類具體步驟如下:
[0028]①在采樣區(qū)域A中隨機(jī)選取3個(gè)點(diǎn)作為初始聚類中心，并以RGB圖像中的G分量值作為聚類特征；
[0029]②計(jì)算在采樣區(qū)域A中每個(gè)像素G分量值與3個(gè)聚類中心G分量值的歐氏距離，并根據(jù)最小距離對(duì)像素進(jìn)行劃分；
[0030]③重新計(jì)算每個(gè)聚類的中心(該聚類中所有像素的均值)；
[0031]④重復(fù)步驟②和③，直到每個(gè)聚類中心不再發(fā)生變化。
[0032]3)根據(jù)聚類中心(h、02和O3計(jì)算影響葉綠素含量值的三個(gè)因素值Rf1、Gfi和Bfi。計(jì)算公式如下:
[0033]Rfi= (Ni*Ri+N2*R2+N3*R3)/(Ni+N2+N3)
[0034]Gfi= ( Ni*Gi+N2*G2+N3*G3 ) / (N1+N2+N3)
[0035]Bfi= (Ni*Bi+N2*B2+N3*B3)/(Ni+N2+N3)
[0036]其中，(h、02和O3中R分量值分別為R1、R2和R3，G分量值分別為G1、G2和G3，B分量值分別為B1、B2和B3，三個(gè)區(qū)域的像素個(gè)數(shù)分別為N1、N2和N3。
[0037]4)用手持葉綠素計(jì)測(cè)量采樣點(diǎn)的葉綠素含量值。
[0038]采用手持葉綠素計(jì)(例如，KONIC MINOLTA SPAD_502Plus)采集觀賞鳳梨葉片Li的葉綠素含量值，記為P:。
[0039]5)采用logistic回歸方法對(duì)因素Rf、Gf和Bf與葉綠素計(jì)采集的葉綠素含量值P進(jìn)行擬合。葉綠素估算模型定義如下，
[0040]ln(P/(l-P)) = Co+Ci*Rf+C2^Gf+C3^Bf
[0041]其中P表示手持葉綠素采集到葉綠素含量，輸入的樣本數(shù)據(jù)為(P1Ki= I，...，N，Rf ,Gf, Bf表示影響葉綠素含量值的三個(gè)因素，輸入的樣本數(shù)據(jù)為{Rf i，Gf i，Bf i}，i = I，...，N。利用SPSS軟件(Statistical Product and Service Solut1ns,一種集成化的數(shù)據(jù)分析處理軟件)，求得參數(shù)OkC1J2和C3的值。
[0042]2、葉綠素在線檢測(cè)階段
[0043]如圖2所示，該階段其步驟如下:
[0044]I)采用普通攝像頭或數(shù)碼相機(jī)拍攝一張觀賞鳳梨葉片圖像L。圖片采用RGB模式存儲(chǔ)。在葉片圖像中選取一點(diǎn)作為葉綠素采樣點(diǎn)，記為O點(diǎn)，并以O(shè)點(diǎn)為圓心，半徑r的圓A為采樣區(qū)域(如圖3所示)。
[0045]2)在步驟I)獲得的圓形區(qū)域A中，采用k-means方法對(duì)RGB模式中的G分量聚類，得至IJ3個(gè)聚類中心(h、02和03(如圖3所示)。其中，k-means方法聚類與葉綠素估算模型訓(xùn)練階段中k-means聚類過(guò)程相同。
[0046]3)根據(jù)聚類中心(h、02和O3計(jì)算影響葉綠素含量值的三個(gè)因素值Rf、Gf和Bf。計(jì)算公式如下:
[0047]Rfi= (Ni*Ri+N2*R2+N3*R3 ) / (N1+N2+N3)
[0048]Gfi= (Ni*Gi+N2*G2+N3*G3)/(Ni+N2+N3)
[0049]Bfi= (Ni*Bi+N2*B2+N3*B3)/(Ni+N2+N3)
[0050]其中，O1、O2和O3中R分量值分別為R1、R2和R3，G分量值分別為G1、G2和G3，B分量值分別為B1、B2和B3，三個(gè)區(qū)域的像素個(gè)數(shù)分別為N1、N2和N3。
[0051 ] 4)利用訓(xùn)練階段計(jì)算得到葉綠素估算模型估算葉綠素含量P。公式如下:
[0052]p = l/(l+e—θ)
[0053]Θ = Co+Ci*Rf+C2^Gf+C3^Bf
[0054]三、驗(yàn)證結(jié)果:
[0055]為了驗(yàn)證該方法的效果，采用交叉測(cè)試方法。測(cè)得樣本共50份，將其中10份作為訓(xùn)練樣本，剩余40份作為測(cè)試樣本，平均誤差為9.6 %。其中1份樣本數(shù)據(jù)為:P = {26.4 %，30.1%,39.2%,45.7%,46% ,48.5% , 50.7% , 51.2% , 52.9% , 54.7% } ,Rf = {107,93,52,48,57,69,46,72,44,80},Gf={127,110,81,82,88,99,80,108,76,108},Bf={76，59，50，47，44，71，47，70，37，78}。計(jì)算得到0) = -0.9894，(:1 = -0.0433，02 = 0.0283，03 = 0.0163。
[0056]四、實(shí)驗(yàn)結(jié)論:
[0057]由實(shí)驗(yàn)結(jié)果可以看出本發(fā)明在檢測(cè)觀賞鳳梨葉片葉綠素含量方面取得了比較理想的結(jié)果，不但省時(shí)省力，且不破壞了觀賞鳳梨的葉片結(jié)構(gòu)及作物生長(zhǎng)，是一種實(shí)時(shí)、準(zhǔn)確、快速和低成本的觀賞鳳梨無(wú)損葉綠素檢測(cè)方法。
【主權(quán)項(xiàng)】
1.一種可見(jiàn)光圖像基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法，其特征在于:該檢測(cè)方法分為兩個(gè)階段: 一、葉綠素估算模型訓(xùn)練階段 該階段其步驟如下: al)拍攝一組觀賞鳳梨葉片圖像，并在葉片圖像中選取葉綠素采樣點(diǎn)，采樣區(qū)域A是以采集點(diǎn)為圓心，半徑為r的一個(gè)圓； a2)在采樣區(qū)域A中，采用k-means方法對(duì)RGB中的G分量聚類，得到3個(gè)聚類中心(h、02和O3,根據(jù)聚類中心計(jì)算影響葉綠素含量值的三個(gè)因素值Rf、Gf和Bf;a3)用手持葉綠素計(jì)測(cè)量采樣點(diǎn)的葉綠素含量值P; a4)采用logistic回歸方法對(duì)影響葉綠素含量值的三個(gè)因素值素Rf、Gf和Bf與葉綠素計(jì)測(cè)量的葉綠素含量值P進(jìn)行擬合，得到葉綠素估算模型； 二、葉綠素在線檢測(cè)階段 該階段其步驟如下: bl)拍攝觀賞鳳梨葉片圖像，并在葉片圖像中選取葉綠素采樣點(diǎn)，采樣區(qū)域A是以采集點(diǎn)為圓心，半徑為r的一個(gè)圓； b2)在采樣區(qū)域A中，采用k-means方法對(duì)RGB中的G分量聚類，得到3個(gè)聚類中心(h、02和O3,根據(jù)聚類中心計(jì)算影響葉綠素含量值的三個(gè)因素值Rf、Gf和Bf; b3)在葉綠素估算模型中，輸入Rf、Gf和Bf，估算葉片中該采樣點(diǎn)的葉綠素含量。2.如權(quán)利要求1所述的可見(jiàn)光圖像基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法，其特征在于其中，k-means方法聚類具體步驟如下: 在采樣區(qū)域A中隨機(jī)選取3個(gè)點(diǎn)作為初始聚類中心O^O2和O3，并以RGB圖像中的G分量值作為聚類特征； 計(jì)算在采樣區(qū)域A中每個(gè)像素G分量值與3個(gè)聚類中心G分量值的歐氏距離，并根據(jù)最小距離對(duì)像素進(jìn)行劃分； 重新計(jì)算每個(gè)聚類的中心； 重復(fù)步驟②和③，直到每個(gè)聚類中心不再發(fā)生變化。3.如權(quán)利要求1所述的可見(jiàn)光圖像基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法，其特征在于其中根據(jù)聚類中心(h、02和O3計(jì)算影響葉綠素含量值的三個(gè)因素值Rf1、Gfi和Bfi，計(jì)算公式如下:Rfi= (Nl*Rl+N2*R2+N3*R3)/(N1+N2+N3)Gfi= ( Ni*Gi+N2*G2+N3*G3 ) / (N1+N2+N3)Bfi= (Nl*Bl+N2*B2+N3*B3)/(N1+N2+N3) 其中，0l、02和03中R分量值分別為Rl、R2和R3，G分量值分別為Gl、G2和G3，B分量值分別為 ，三個(gè)區(qū)域的像素個(gè)數(shù)分別為N1、N2和N3。4.如權(quán)利要求1所述的可見(jiàn)光圖像基于logistic回歸的觀賞鳳梨葉綠素檢測(cè)方法，其特征在于其中葉綠素估算模型定義如下， ln(P/(l-P)) =Co+ Ci*Rf + C2^Gf + C3^Bf 其中P表示手持葉綠素采集到葉綠素含量，輸入的樣本數(shù)據(jù)為{Pi}，i=l，...,N,Rf,Gf,8€表示影響葉綠素含量值的三個(gè)因素，輸入的樣本數(shù)據(jù)為{1?^，6&，8&}，丨=1，...,N； 利用SPSS軟件，求得參數(shù)Co、Cl、C2和C3的值。
【專利摘要】本發(fā)明涉及一種觀賞鳳梨的葉綠素檢測(cè)方法，主要是在觀賞鳳梨葉片的可見(jiàn)光圖像中，通過(guò)采樣區(qū)域聚類，建立R、G、B數(shù)值與葉綠素含量之間的logistic回歸模型，并使用該回歸模型估算觀賞鳳梨葉片葉綠素含量值；在檢測(cè)觀賞鳳梨葉片葉綠素含量方面取得了比較理想的結(jié)果，不但省時(shí)省力，且不破壞了觀賞鳳梨的葉片結(jié)構(gòu)及作物生長(zhǎng)，是一種實(shí)時(shí)、準(zhǔn)確、快速和低成本的觀賞鳳梨無(wú)損葉綠素檢測(cè)方法。
【IPC分類】G06K9/00
【公開(kāi)號(hào)】CN105574516
【申請(qǐng)?zhí)枴緾N201610038651
【發(fā)明人】孫霖, 朱劍鋒, 鄭增威, 蔡建平, 吳劍鐘
【申請(qǐng)人】浙江大學(xué)城市學(xué)院
【公開(kāi)日】2016年5月11日
【申請(qǐng)日】2016年1月20日