基于计算机视觉的棉花干旱胁迫诊断的研究

设置盆栽和小区棉花干旱试验，自制拍摄平台，在严格控制条件下拍摄棉花冠层水平和垂直方向影像。建立完善的图像矫正、光谱参数提取方法。以棉花水分胁迫时存在色温变化现象为突破口并结合其他特征光谱参数，以主成分分析、人工神经网络分析等方法研究棉花特征光谱参数与水分生理指标间的相关性，建立基于棉花冠层特征光谱参数的干旱预报模型；研究基于计算机视觉的棉花主茎节间长度自动识别方法，以棉花节间长度与棉花干旱诊断间的关系为基础，建立基于棉花节间长度动态变化的计算机视觉干旱诊断模型；融合棉花冠层光谱特征参数的干旱诊断模型和基于棉花主茎茎节长度动态变化的计算机视觉干旱诊断方法，建立基于计算机视觉的棉花干旱诊断和灌溉决策系统。通过校验试验完善模型并进行大田预报和灌溉决策推荐。本研究在以膜下滴灌为特征的棉花栽培地区具有广泛的应用前景。

本项目采用计算机视觉技术预测棉花水分胁迫程度, 研究成果对于干旱区制定灌溉决策，特别是在膜下滴灌棉花栽培中由于灌溉周期短，灌溉量小条件下具有重要的应用价值。本研究研究棉花冠层颜色特征值与指示干旱的生物学参数的相关关系，建立棉花干旱诊断的模型和指标，为快速无损的进行棉花干旱诊断与灌溉决策提供理论依据和应用基础。.研究设置盆栽和小区棉花水分胁迫（干旱）试验获得不同水分状况的棉花群体，自制拍摄平台，在严格控制条件下拍摄棉花冠层影像。通过灰板建立完善的图像矫正方法，提取光谱参数并应用灰板进行颜色特征值的归一化处理。研究棉花特征光谱参数与水分生理指标间的相关性，建立了基于棉花冠层特征光谱参数的干旱预报模型。研究结果表明，棉花植株丙二醛含量、可溶性蛋白含量、植株含水量均可作为干旱胁迫的指示指标。选择植株含水量作为干旱指示指标，结合本研究提出的冠层投影面积参数，建立了棉花干旱预测模型。校验研究表明，应用诊断模型预测结果与实测结果的相对误差在初花期、盛花期以及花铃期分别为1.71%， 2.0%和2.45%。通过灰板校正建立快速诊断不同水分状况下棉花叶片叶绿素含量的预测模型，经检验，其预测值与叶绿素实测值间均方根误差和相对误差分别为0.1200 和5.28%，决定系数为0.8812. 上述成果为快速、无损、低成本的棉花水分诊断和灌溉决策提供理论依据和实践指导。. 本研究共发表论文6篇，培养博士生3名，培养硕士研究生2名。.