基于3D图像的叶片萎蔫实时辨识与植物生理信息解译

Water is a vital element for plant. Being one of life-characters, morphology of plants changes as soil water content, ambient temperature, air humidity and solar radiation diurnally fluctuate. Thus, plants can be regarded as a living sensor. Combined this sensor with machine vision (i.e. pattern identification and artificial intelligence), it definitely benefits water-saving irrigation. Because an image in two-dimensional (2D) space is equivalent to a contraction mapping from a three-dimensional (3D) object and thus provides the incompletely morphological information, this proposal focuses on identifying plant wilt with 3D image scanned using a laser profiler. Theoretical highlights: a leaf is regarded as a set of curves in 3D space. We will consider potential methods of mathematics, such as differential geometry, gauss curvature, directional maximum, fractal dimension and 2D Fourier transform, for extracting the wilt information at leaf scale. During experiment, sap flow rate, stem diameter swelling/shrinkage, internal water storage, root-uptake, soil water content/potential, ambient temperature, air humidity and solar radiation will be sampled for data interpretation. Research objectives and methodology: definition of leaf-based wilt indices using different mathematical tools, (2) experimental design for 3D image with multi-parameter impact; (3), wilt identification associated with interpretation of physiological response and assessment of the wilt indices defined.

水是植物生存的基本要素。植株体态作为一种生命特征每天伴随土壤水、环境温、湿与光照的变化而改变。因此，将植株本身视为一类活物质传感器，应用机器视觉与人工智能模式识别方法辨识植株体态早期萎蔫特征，通过生理信息解析确定植株亏水胁迫承受力，对节水灌溉有重要价值。针对2D图像无法全面提取植株体态特征的瓶颈，本申请提出激光扫描快速获取植株3D图像矩阵的萎蔫特征辨识方法研究。理论创新点：将叶片形态变化视为3D欧氏空间曲面集，以微分几何高斯曲率与平均曲率、曲面方向极值、分形维数和2D傅氏变换等数学方法分别辨识叶片萎蔫变化特征。试验过程结合茎流、茎杆伸缩、蒸腾，植物体水分、根吸水、土壤水分/水势、温度、湿度、光照等参数解析萎蔫变化过程。 究内容与技术路线包括：（1）叶片尺度下基于不同数学方法定义萎蔫指数；（2）多变量试验方法设计与萎蔫观测（3）萎蔫形态辨识与生理信息解析综合检验所定义的萎蔫指数。

植物叶片萎蔫作为一种可视化现象,表征了植物体生命需水状况,叶片萎蔫表明植物体内水分亏缺，反之则充足，因此可以把植物体自身视为一种特殊的活体传感器，根据其叶片萎蔫信息量化地判断植物的生命需水状况。植物茎干作为疏导水分的主体，表征了植物体储水状况，因此可以通过检测植物茎干的体积含水率来量化植物体储水状况。本课题基于机器视觉和驻波比法提出了2种植物生命需水状况智能检测方法，具有无损、实时、在线等特点，为精准节水灌溉、设施农林业和植物生理信息解译等研究奠定了基础。本课题4年的主要研究内容如下：.（1）基于3D数字图像，定义了6种能够实时定量辨识植物叶片萎蔫程度的萎蔫指数，并基于图像处理的方法研究了萎蔫指数的计算过程；.（2）基于激光三角测量传感器和ToF摄相机，分析了萎蔫指数与植物叶态萎蔫程度的映射关系，并且萎蔫指数与饱和水汽压差、光合有效辐射的相关系数分别大于0.81、0.72；.（3）基于驻波比法研制了植物茎体水分传感器，当植物茎体体积含水率一定且小于59.59%时，且当探测环直径一定且小于 10.5 cm 时，能够满足植物茎体水分检测的要求；.（4）基于植物茎体水分传感器，研究了植物茎体水分与 VPD、 PAR 等植物微环境参数以及茎流速率、净光合速率等植物生理参数的相关性。. 基于以上研究内容，本课题组总计发表25篇论文（2篇SCI，21篇EI），授权1项发明专利，培养10名研究生，完成了既定任务。