图像处理技术在水培蔬菜生长监测中的应用

梁帆等

摘要： 为了量化营养液浓度对植物生长的影响，在3组不同浓度的营养液环境下，连续观测并采集蔬菜生长过程的图像，通过图像分割和边缘检测技术提取出蔬菜的总根长、株高和叶冠投影面积等外部形态特征数据。结果表明，运用计算机图像处理技术测量的根长、株高数据与人工测量结果之间的误差在5%范围内，而且对3组不同营养液浓度下油菜幼苗冠层叶面积的连续测量后发现，蔬菜生长过程中的叶冠投影面积的方差与其营养液浓度具有明显的一致性。

关键词：图像处理技术；水培蔬菜；生长监测

中图分类号：TP391.41 文献标识码：A 文章编号：0439-8114（2015）17-4288-03

DOI：10.14088/j.cnki.issn0439-8114.2015.17.047

随着营养液栽培技术和人工模拟环境与控制技术的不断推进，植物生长柜的生产方式得到了快速发展。植物生长柜[1，2]是一种人工光利用型植物工厂，是在完全密闭的环境下采用人工光源与营养液栽培技术进行植物周年连续生产的一种方式。它通过智能控制面板对植物生长发育过程中的温度、湿度、光照度、CO2浓度等环境要素进行控制，从而为植物生长提供健康舒适的生活环境，因此如何根据作物生长信息提高植物生长柜的智能化控制水平成为了当下的研究重点。

计算机图像处理技术具有计算速度快、测量精度高等优点，在航空航天、遥感、生物医学工程等许多方面都得到广泛应用，尤其是随着计算机性能的提高以及成本的降低，使其在农业工程应用方面也得到进一步的推广。在利用计算机图像处理技术监测植物生长状态方面已经开展了很多研究[3-9]。本研究在LED植物生长柜环境下利用不同浓度的营养液培育油菜幼苗，从而得到不同生长状态的试验样本。通过对生长过程中的油菜样本进行连续的观测，利用计算机图像处理技术对所采集的油菜图像进行处理和分析，实现了油菜总根长、株高和叶冠投影面积等形态数据的无损测量。

2 结果与分析

从油菜幼苗中随机选取试验对象，调节数码相机采集图像信息，将其传输到计算机利用Matlab图像处理工具箱经过上述分析后，即可得到相关数据。

2.1 根长与株高

为了验证利用计算机图像处理技术测量的准确性， 将选取的5株早期油菜幼苗分别用图像法和人工法进行测量，得到的测量数据均值如表1所示。从表1可以看出，利用计算机图像处理技术的测量值接近于人工测量值，而且二者的相对误差小于5%，所以图像法能够较为真实地测量出蔬菜植株的形态特征数据。

2.2 投影叶面积

由于油菜生长周期在35 d左右，因此在油菜幼苗期对A、B、C 3组试验对象每隔2 d测量1次，连续测量10次，分别在测试当日中午12：00采集蔬菜投影面积信息，将图像传输到计算机，通过Matlab软件进行处理和分析，得到以下3组数据。从表2可以看出，无论是投影叶面积的均值还是方差，3组数据都有明显的区别。对同时段的蔬菜而言，A组的叶冠投影面积均值明显大于B组的叶冠投影面积均值，B组的叶冠投影面积均值明显大于C组的叶冠投影面积均值。对于相同蔬菜的不同时段而言，其方差表现为A组>B组>C组，因为其叶冠投影面积的方差能够反映出单位时间蔬菜生长的速度，因此A组的蔬菜比B组的蔬菜生长速度快，B组的蔬菜比C组的蔬菜生长速度快。由此可以得出一个结论，在理想的生长环境下，不同浓度的营养液对蔬菜生长的促进作用不同，而且其促进作用的强弱能够通过叶冠投影面积值明显的体现出来，特别是生长过程中蔬菜叶冠投影面积的方差能直接反映出植物的缺肥情况。

3 小结

试验结果表明，利用计算机图像处理技术能够对植物生长进行实时无损监测，实现快速、准确、无损地测量植物根长、株高和投影叶面积等形态数据，而且准确性较高，其误差保持在5%以内。

本研究采用的测量方法不仅能够通过采集植物实时生长状态图像，从而提取其生长过程中的形态特征参数，而且可以根据对其形态特征提取与数据分析，得出蔬菜生长过程中的肥缺情况，便于管理者及时调节营养液浓度配制，保证蔬菜正常生长。对智能植物生长柜中的蔬菜生长状态进行无损监测，同时获取植物生长的肥缺状态信息，对于提高植物生长柜的智能化控制水平，提高作物产量、增加经济效益具有重要的现实意义。

参考文献：

[1] WU X L，DONG J L，LIANG F， et al. An LED green light for new plant growth cabinet precise temperature control system[J]. Applied Mechanics and Materials，2014，577：325-328.

[2] ZHAO L，YANG L L，CUI S G，et al. Method for non-destructive measurement of leaf area based on binocular vision[J]. Applied Mechanics and Materials，2014，577：664-667.

[3] HACK G R. The use of image processing under greenhouse conditions for growth and climate control[J].Acta Horticulturae，1989，230：215-220.

[4] KACIRA M，LING P P. Design and development of an automated and non-contact sensing system for continuous monitoring of plant health and growth[J].Transact ions of the ASAE， 2001，44（4）：989-996.

[5] 李长缨，滕光辉，赵春江，等.利用计算机视觉技术实现对温室植物生长的无损监测[J].农业工程学报，2003，19（3）：140-143.

[6] 武聪玲，滕光辉，李长缨.黄瓜幼苗生长信息的无损监测系统的应用与验证[J].农业工程学报，2005，21（4）：109-112.

[7] 林开颜，徐立鸿，吴军辉.计算机视觉技术在作物生长监测中的研究进展[J].农业工程学报，2004，20（2）：279-283.

[8] 滕光辉，李长缨.计算机视觉技术在工厂化农业中的应用[J].中国农业大学学报，2002，7（2）：62-67.

[9] 张恒敢，杨四军，顾克军等.应用数字图像处理测定作物叶面积的简便方法[J].江苏农业科学，2003（3）：21-25.