论文部分内容阅读
本研究在分析了国内外小麦表型研究背景的基础上,梳理和借鉴前人研究思路和成果,结合本试验目的和要求,制定了详细的研究方案,通过开展该试验掌握小麦干旱表型特征量化提取的方法,并建立一套能够识别小麦干旱表型特征并进行分类的模型,及利用数字图像处理技术判断小麦所处干旱状态的方法。最终实现三个目的:1.小麦干旱表型指标的量化方法;2.图像解析与表型特征值的计算;3.小麦干旱表型分类模型的建立。以温室中培育3组不同灌水量的盆栽小麦为研究对象,使用Canon EOS 700D的1800万像素单反相机在无损害的前提对拔节期到抽穗期的小麦进行三维立体拍摄,获取图像数据,经过图像处理,包括:a.灰度化处理、b.图像增强、c.图像分割、d.形态学处理、e.小麦颜色赋值,再利用Matlab提取了34个特征值,包括颜色特征值、纹理特征值和能量特征值,分别为:颜色特征值包括R(红)、G(绿)、B(蓝)及其线性组合:R/G、R/B、R/(G+B)、G/R、G/B、G/(R+B)、B/R、B/G、B/(R+G)、2G-R、2G-B、2G-R-B,以及H(色调)、I(饱和度)、S(亮度)和H(色彩)、S(纯度)、V(明度),能量特征值包括:energyR、energyG、energyB、energyH、energyS、energyI、energyH、energyS、energyV,纹理特征值包括灰度共生矩阵中的对比度、均匀性、能量、相关性。最终筛选出可以有效区分适宜、中旱、特旱三种水分处理的18个有效特征值,分别为:R、G、B、I、V、R/B、2G-R、2G-B、2G-R-B、energyR、energyG、energyB、energyI、energyV、对比度、能量值、均匀性、相关性,并且得出这18个特征值随时间的变化趋势以及不同水分胁迫下各个特征值与对照组之间的差值,并且根据时间趋势图挑选出适合研究小麦干旱状态的时间段,为7:30-10:30、15:30-16:30。利用训练模型样本建立预测模型,应用Matlab自带的SVM,一共集成两个函数:svmtrain和svmclassify,然后基于SVM利用这18个特征值训练出支持向量机参数。最后利用测试训练样本对其向量机参数进行验证,准确率达到90%。可以高效、准确、无损的确定小麦所处的干旱状态。