基于数字图像处理的杨树苗缺水判别开题报告

全文总字数：3690字

1. 研究目的与意义

作物的灌溉可根据土壤含水量以及作物的形态指标和生理指标来判断。

土壤含水量因不同作物、生长阶段和土壤条件等因素而异。

同时，土壤具有高度的空间变异性且灌溉的对象是作物本身，选择利用作物自身的水分状况及生理指标能更早地反映植株内部的水分状况。

2. 国内外研究现状分析

本研究属于机器视觉图像处理研究的分支，同时也是农林业的分支，属于跨学科研究。

先前的研究主要分为两大类即基于叶片图像的研究及基于灌溉的研究。

叶片图像的研究较多的是从形态学角度得出一些有关叶片特征的结论如2008年李然编著的《基于数学形态学的植物叶片图像预处理》还有2011年张宁；刘文萍编著的《基于图像分析的植物叶片识别技术综述》。

3. 研究的基本内容与计划

本研究主要实现培育期速生杨树苗正常与缺水过程的判别，提出采用计算机视觉技术对阔叶树进行缺水判别，使用ccd摄像机采集树苗样本叶片图片，同时根据土壤湿度、温度、光照度等信息建立数据库，通过图像处理的方式分析叶片的颜色、纹理、形态特征，建立数学模型，判断缺水临界点时的叶片特征，为进行远程监控叶片的生长状态提供理论依据。

1. 杨树苗的培育叶片图像库的建立采用盆栽方式人工培育杨树苗。

为提高系统稳定性，采用多批次多种类的培育方式培育出多种杨树苗，建立各种类的叶片样本库。

4. 研究创新点

本研究旨在利用计算机以及先进的人工智能图像处理算法提高林业自动化程度，使杨树的培育工作更为科学效率更高。

区别于传统的基于叶片化学成分或生理特性的研究，试图通过叶片形态学的角度来得出缺水与否即是否需要灌溉的结论，在总结前人基于叶片图像研究的同时，尝试将机器学习人工智能领域一些较新的算法例如两类分类器，支持向量机和深度学习等来探究验证。

跨学科的研究有助于研究项目更好地适应实际林业生产需求且在成本技术等方面降低了研究投入实际生产的门槛，实现产研结合并拓宽人工智能的应用领域。