基于图像处理的水培生菜冠层图像叶面积估测研究OACSTPCD

为实现精准、高效、无损地获取植物工厂环境下水培生菜相关长势参数叶面积(Leaf area,LA),基于数字图像处理和机器学习回归方法建立单株水培生菜冠层图像LA估测模型。首先,通过智能手机获取2个生菜品种不同生长期的冠层可见光图像,利用Photoshop图像处理软件将原始图像统一剪裁为900像素×900像素大小,采用中值滤波(MedianBlur)法对剪裁后的图像进行去噪运算,将RGB图像转化为HSV颜色空间,再采用mask掩膜法分割彩色图像;然后,利用图像法获取单株生菜LA实测值,构建以LA实测值为因变量,以生菜冠层投影面积(Projected leaf area,PLA)为自变量的线性回归(Linear regression,LR)模型和以全局图像特征(颜色、形状、纹理等)为自变量的支持向量回归(Support vector regression,SVR)、多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)等LA估测模型进行对比分析;最后,采用决定系数(Coefficient of determination,R^(2))和均方根误差(Root mean square error,RMSE)评估模型的准确性。结果表明:RF模型估测效果最好,对于生菜品种‘绿萝’单株LA估测结果的R^(2)为0.9714、RMSE为8.89 cm2,对于品种‘碧霄’估测结果的R^(2)为0.9201、RMSE为23.34 cm2。本研究验证了RF回归模型能够较准确地估测生菜单株叶面积,可为植物工厂水培生菜LA无损估测提供新的解决方案和研究基础。