江苏农业科学 2014年第42卷第10期
崔世钢,杨莉莉,吴兴利,等.图像分析法测量植物生长柜中的根系形态[J].江苏农业科学,2014,42(10):383-385.
—383—
图像分析法测量植物生长柜中的根系形态
崔世钢,杨莉莉,吴兴利,梁 帆,次丹妮
(天津职业技术师范大学/天津市信息传感与智能控制重点实验室,天津300222)
摘要:采用数码相机拍摄植物生长柜中蔬菜的根部图像,利用计算机视觉图像处理技术,对采集的图像进行阈值可以得出根部的具体形态数据,不仅克服了人工测量费时费力的缺点,而且还将实现作物根系分析的无损测量。 关键词:植物生长柜;图像分析法;动态监测;根系形态;阈值分割
中图分类号:S126;TP391.41 文献标志码:A 文章编号:1002-1302(2014)10-0383-03 植物需要大量的水及肥料来供给枝叶生长,其中绝大部分是通过根部吸收的。根系是植物吸收水分、养分的重要器官,植物根系越发达,枝叶越繁茂;反之,则枝叶枯黄、生长发育不良。作物的产量与根系长势关系十分密切[1]。虽然很早以前就有学者开始关注植物根系的生长状态,但是由于在以往的土培环境下,根系埋藏在土壤之中,而且地下根系数量多,增加了根系的研究难度,导致根系相关研究进展较为缓慢[2-3]。LED植物生长柜作为一种新型的农业生产方式,采用营养液水培方法,将植物根系固定在定植板上,再浸在水槽的营养液中,从营养液中吸收植物生长所需的营养元素及水分。LED植物生长柜充分运用了现代光学、生物科技、营养液栽培、信息技术等手段,为植物提供了安全健康的生长环境[4]。本研究以LED植物生长柜中的作物根系作为研究对象,利用计算机图像处理技术测量植物根的长度、数目等指标,旨在为实现LED植物生长柜的智能化控制提供依据。1 材料与方法
1 生长柜内环境控制
收稿日期:2014-01-15
基金项目:国家自然科学基金(编号:61178048、61275169、61178081);国家社会科学基金(编号:BFA110049);天津职业技术师范大学校级基金(编号:KYQD13022)。
作者简介:崔世钢(1963—),男,天津人,博士,教授,从事现代农业智能环境控制研究。E-mail:[email protected]。
分割及边缘提取,可以较为完整地提取植物根部信息。利用Matlab软件的自带函数及对图像横纵向链码进行扫描,
以笔者所在实验室自主研发的LED植物生长柜作为试2组。为保证植物生长所必需的各种营养元素以及提供适宜50%。通过植物生长柜的智能控制面板调节其内部环境参A、B组环境参数均相同。
的生长环境,A组为标准营养液,B组将标准营养液稀释至数,将光照度控制在2800~3000lx,温度控制在18~25℃,湿度控制在60%左右,二氧化碳浓度控制在660~800μL/L,1.2 图像采集
验平台,以先优7号油菜幼苗作为研究对象,将研究对象分为
生长柜中的植物晾根后,由于受到重力影响,根会轻微下
垂,不会像在营养液中一样散乱。为了突出植物根系的形态特征,以黑色带刻度纸板作为背景;固定数码相机,使相机的光轴垂直于背景纸板;拍摄图像之前,调节相机处于自动对焦状态,保证采集图像的清晰度;最后将图像传输到计算机,保1.3 图像处理存为.JPG格式。
根系生长状态图像处理流程包括3个主要步骤:预处理、
1.3.1 图像预处理 尽管目标根系呈白色,背景纸板为黑色,但是在自然光照条件下拍摄的图像并非只有黑白2个颜色。彩色图像占用的存储空间较大,会降低系统后续处理速度,所以要将图像灰度化处理,既不破坏图像信息,又显著降低存储空间。图像在采集、传输过程中总会有噪声,导致图像质量下降,因此需要对图像进行滤波。本研究采用中值滤波,
[5]唐正艳,李 勇,陈克禄,等.我国太阳能产业专利状况分析[J].
可再生能源,2011,29(5):6-9.
图像分割、特征提取,图像处理流程图如图1所示。
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
总体来说,积极应用以上专利策略,可以在自身相关领域的研发、生产和市场活动中防范风险,取得更大收益。
参考文献:
[1]史 波.专利信息分析的思路及其内容[J].中国发明与专利,[2]柯 进.专利信息分析工作探讨[J].现代情报,2005,25(4):[3]王圣东,张雪清.对专利战略研究几个问题的思考[J].农业科
技管理,2006,25(6):30-32.(1):12-14,11.
[4]郭婕婷,肖国华.专利分析方法研究[J].情报杂志,2008,27
46-47,54.2007(5):81-82.
[6]张 然,鲁 楠,张雪清.对吉林省蔬菜主要技术研究领域的专
利分析[J].吉林蔬菜,2008(6):83-85.
[7]张雪清,穆 楠,鲁 楠,等.我国生物质能源技术开发状况与专
利分析[J].吉林农业科学,2008,33(5):63-65.技术监督,2005(4):38-39.
[8]张文菁.我国农业标准化专利战略的建立和完善[J].中国质量[9]田文英,范静波.我国农业标准化专利战略研究[J].安徽农业
科学,2005,33(4):689-690,704.
[10]范静波.试论我国农业标准化专利战略的建立[J].世界标准
化与质量管理,2005(3):38-40.
—384—江苏农业科学 2014年第42卷第10期
因为它是基于排序统计理论的一种能有效抑制噪声的非线性 利用Matlab软件对采集的图像进行预处理,再利用其直信号处理技术,可以去除图像中的椒盐噪声,平滑效果优于均1.值滤波,在抑制噪声的同时能够保持图像边缘清晰
[5-10]
。
背景形成鲜明的对比3.2 图像分割 在水培环境下。对于物体和背景对比较为明显的图,植物根系呈白色,与黑色像,其灰度直方图会呈现1个双峰形状,选择两峰之间的波谷对应的像素值作为全局阈值,可将图像分割为目标对象与背景2部分,所用公式为:
g(x,y)=
{
1,(x,y)的像素值0,ff(;(xgx,(,yy)x)≤>K,y)K
。(1)
其中f(x,y)为点为分割后的图像像素值;K为全局阈值,K可以通过灰度直方图来获取。对采集的根系图像进行阈值分割后,得到像素值只有1与0的二值化图像,其中1代表对象,0代表背景。
1.合3.A,3 其边界可以通过形态学边缘提取B 对图像的边缘提取方法多样A进行腐蚀操作,然后用A,对于集减去腐蚀后的图像得到;也可以通过B对A进行膨胀操作,然后用膨胀后的图像减去A得到。如果A的边界表示为f(A),那么f(A)=A-(AΘB),或者f(A)=(A⊕B)-A,其中B为适当的结构元素。除此之外,利用Matlab软件图像处理工具箱中的bwperim函数也可以实现图像的边缘提取,其调用格式为:BW2conn=且是仅包含输入图像中的目标像素的边界二值图像为连接属性bwperim(BW1,,输出参数conn),BW2其中为图像参数BW1BW1的边界图像为输入图像,,像素确,而定为边界像素的条件为像素本身值非0,且其邻域中至少有1个像素值为0。
1.包括根系总长度3.4 特征提取、 最长根及根的条数等根系形态特征分析主要研究根系的长度。通过对阈值分割后,的图像进行形态学边缘提取,可得到目标对象的边界轮廓。水培条件下油菜根很微细,所以对提取的边界进行细化处理过程中,采用只保留每条根右边缘在每一行的像素值的方法。对于8连通边界(图2),其边界长度为对角码个数乘上再加上水平及垂直像素点个数的和,即L= 细化处理后的根系图像中 随着植物的生长,根越来越长奇+N偶。,每条根都对应端点与交点,容易出现交叉情况。,因此由于,
可以对目标图像逐行逐列进行扫描,统计连续链码数目,从而得到根数目,其算法流程见图3。2 结果与分析2.
1 图像处理与分析
方图分布找到合适的阈值K,对其进行二值化处理,得到阈值分割后的图像之后再提取图像边缘,结果如图4所示。本研究采用只保留每条根右边缘在每一行的像素值的方法对根系图像进行了细化(图5),从二值图像的矩阵分布上看,每条根的左边缘与右边缘之间的距离很短,约为3~6个像素点,因
此对根系图像进行细化处理并不会影响测量根长度。
2.2 在水平方向每条根上只有数据统计
1个像素值为1的点,图像在
水平、垂直方向上分别扫描图像像素,可利用8向链码统计像
江苏农业科学 2014年第42卷第10期
2.3 图像测量的精确度检验
—385—
为验证上述方法的准确性,选取A1、A5、B1、B5共4株油
菜,将其最长根捋直,然后用千分尺分别测量3次,求取平均素值为1的像素数目,从而得到根的总长度,其连续像素数目的最大值即为最长根的长度。利用上述根数统计算法,可以统计采集图像的根数。本研究中,A、B组油菜根系均钻出栽培器后,分别选取10株幼苗作为研究对象,采集其根系图像,
2组油菜根的长度、数量分别见表1、表2。
表1 A组油菜根的长度、数量
序号总长度最长根长度1(根数条28.(cm)12.472
5.(cm)2)39.6258416.858346.4872517.8.9906.5312618.6596.1534710.3816.505488.3346.6526.23122109
12.9.5368161256.0396.287401
23
表2 B组油菜根的长度、数量
序号总长度最长根长度124.(cm)4.(cm)(根数条37.4284.4281)44.1024.995253.1253.1251164.8734.3064.8731787.3244.3064.4314.3241109
3.0484.72224.806252
3.04814.806252
11
值,得到根系长度(表3)。
表3 手工测量及图像处理结果对比
序号根长
手测1手测2手测3手测均值图像分析A1A55.5.5.5.(%误差B16.6334.3626.6346.63336175.3.)B5
4.3626.6344.222187
4.220188
4.3614.221187
4.76.8584.5052.984.22118703
4.254.428306
90 养液浓度有关 由表1、表,2、另一方面本研究所使用的图像处理方法能够表3可知,一方面植物根系的生长速度与营2.83
较为精确地测量LED植物生长柜中油菜的根长、根数等数据。
3 结论与讨论
本研究通过数码相机拍摄植物生长柜中蔬菜的根部图像,然后利用计算机视觉图像处理技术,对采集的图像进行阈值分割及边缘提取,可以较为完整地提取植物根部信息。利用Matlab软件的自带函数及通过对图像横纵向链码进行扫
描,可以求出根部的具体形态数据,得到的计算结果较为理想,能够取代人工测量,不仅克服了人工测量费时费力的缺点,而且还将实现作物根系分析的无损测量。植物生长过程中,采集植物的根系形态数据,不仅能够评估植物的长势,同时还能反映植物的生长环境是否适宜其快速生长,便于管理者及时调整营养液及外界环境参数配置,为作物提供适宜的生长环境。实时掌握植物根系的生长状态,便于植物生长柜管理者掌握植物的生长节奏,对于保证植物生长柜内作物朝预期的方向生长以及促进增产增收都具有重要的作用。
参考文献:
[1]顾东祥特征指标的定量分析,汤 亮,曹卫星[J].,等作物学报.基于图像分析方法的水稻根系形态
,2010,36(5):810-817.[2]用吴长高[J].,农业机械学报罗锡文.计算机视觉技术在根系形态和构型分析中的应,2000,31(3):63-66.
[3]魏洛刚中理工大学学报,朱 晖,谢春花:社会科学版.一种二值图像的快速细化算法,1994,22(5):65-68.
[J].华
[4]李长缨物生长的无损监测,滕光辉,赵春江[J].,农业工程学报等.利用计算机视觉技术实现对温室植
,2003,19(3):140-143.[5][M].马晓路北京,刘: 中国铁道出版社倩,胡开云,等.,2013.
MATLAB图像处理从入门到精通[6]袁道军监测的研究进展,刘安国,刘志雄[J].农业网络信息,等.利用计算机视觉技术进行作物生长
,2007(2):21-25.[7]北京杨 :丹清华大学出版社,赵海滨,龙 哲,2013.
,等.MATLAB图像处理实例详解[M].[8]刘代平率的关系,宋海星[J].土壤,刘 ,2008,40(5):765强,等.油菜根系形态和生理特性与其氮效
-769.
[9]程建峰性与高效氮素吸收,戴廷波,荆 [J].奇,土壤学报等.不同水稻基因型的根系形态生理特
,2007,44(2):266-272.[10]影响研究王 艳,米国华[J].中国生态农业学报,张福锁.氮对不同基因型玉米根系形态变化的
,2003,11(3):69-71.
图像分析法测量植物生长柜中的根系形态
作者:
作者单位:刊名:英文刊名:年,卷(期):
崔世钢, 杨莉莉, 吴兴利, 梁帆, 次丹妮
天津职业技术师范大学/天津市信息传感与智能控制重点实验室,天津,300222江苏农业科学
Jiangsu Agricultural Sciences2014(10)
本文链接:http://d.wanfangdata.com.cn/Periodical_jsnykx201410129.aspx
江苏农业科学 2014年第42卷第10期
崔世钢,杨莉莉,吴兴利,等.图像分析法测量植物生长柜中的根系形态[J].江苏农业科学,2014,42(10):383-385.
—383—
图像分析法测量植物生长柜中的根系形态
崔世钢,杨莉莉,吴兴利,梁 帆,次丹妮
(天津职业技术师范大学/天津市信息传感与智能控制重点实验室,天津300222)
摘要:采用数码相机拍摄植物生长柜中蔬菜的根部图像,利用计算机视觉图像处理技术,对采集的图像进行阈值可以得出根部的具体形态数据,不仅克服了人工测量费时费力的缺点,而且还将实现作物根系分析的无损测量。 关键词:植物生长柜;图像分析法;动态监测;根系形态;阈值分割
中图分类号:S126;TP391.41 文献标志码:A 文章编号:1002-1302(2014)10-0383-03 植物需要大量的水及肥料来供给枝叶生长,其中绝大部分是通过根部吸收的。根系是植物吸收水分、养分的重要器官,植物根系越发达,枝叶越繁茂;反之,则枝叶枯黄、生长发育不良。作物的产量与根系长势关系十分密切[1]。虽然很早以前就有学者开始关注植物根系的生长状态,但是由于在以往的土培环境下,根系埋藏在土壤之中,而且地下根系数量多,增加了根系的研究难度,导致根系相关研究进展较为缓慢[2-3]。LED植物生长柜作为一种新型的农业生产方式,采用营养液水培方法,将植物根系固定在定植板上,再浸在水槽的营养液中,从营养液中吸收植物生长所需的营养元素及水分。LED植物生长柜充分运用了现代光学、生物科技、营养液栽培、信息技术等手段,为植物提供了安全健康的生长环境[4]。本研究以LED植物生长柜中的作物根系作为研究对象,利用计算机图像处理技术测量植物根的长度、数目等指标,旨在为实现LED植物生长柜的智能化控制提供依据。1 材料与方法
1 生长柜内环境控制
收稿日期:2014-01-15
基金项目:国家自然科学基金(编号:61178048、61275169、61178081);国家社会科学基金(编号:BFA110049);天津职业技术师范大学校级基金(编号:KYQD13022)。
作者简介:崔世钢(1963—),男,天津人,博士,教授,从事现代农业智能环境控制研究。E-mail:[email protected]。
分割及边缘提取,可以较为完整地提取植物根部信息。利用Matlab软件的自带函数及对图像横纵向链码进行扫描,
以笔者所在实验室自主研发的LED植物生长柜作为试2组。为保证植物生长所必需的各种营养元素以及提供适宜50%。通过植物生长柜的智能控制面板调节其内部环境参A、B组环境参数均相同。
的生长环境,A组为标准营养液,B组将标准营养液稀释至数,将光照度控制在2800~3000lx,温度控制在18~25℃,湿度控制在60%左右,二氧化碳浓度控制在660~800μL/L,1.2 图像采集
验平台,以先优7号油菜幼苗作为研究对象,将研究对象分为
生长柜中的植物晾根后,由于受到重力影响,根会轻微下
垂,不会像在营养液中一样散乱。为了突出植物根系的形态特征,以黑色带刻度纸板作为背景;固定数码相机,使相机的光轴垂直于背景纸板;拍摄图像之前,调节相机处于自动对焦状态,保证采集图像的清晰度;最后将图像传输到计算机,保1.3 图像处理存为.JPG格式。
根系生长状态图像处理流程包括3个主要步骤:预处理、
1.3.1 图像预处理 尽管目标根系呈白色,背景纸板为黑色,但是在自然光照条件下拍摄的图像并非只有黑白2个颜色。彩色图像占用的存储空间较大,会降低系统后续处理速度,所以要将图像灰度化处理,既不破坏图像信息,又显著降低存储空间。图像在采集、传输过程中总会有噪声,导致图像质量下降,因此需要对图像进行滤波。本研究采用中值滤波,
[5]唐正艳,李 勇,陈克禄,等.我国太阳能产业专利状况分析[J].
可再生能源,2011,29(5):6-9.
图像分割、特征提取,图像处理流程图如图1所示。
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
总体来说,积极应用以上专利策略,可以在自身相关领域的研发、生产和市场活动中防范风险,取得更大收益。
参考文献:
[1]史 波.专利信息分析的思路及其内容[J].中国发明与专利,[2]柯 进.专利信息分析工作探讨[J].现代情报,2005,25(4):[3]王圣东,张雪清.对专利战略研究几个问题的思考[J].农业科
技管理,2006,25(6):30-32.(1):12-14,11.
[4]郭婕婷,肖国华.专利分析方法研究[J].情报杂志,2008,27
46-47,54.2007(5):81-82.
[6]张 然,鲁 楠,张雪清.对吉林省蔬菜主要技术研究领域的专
利分析[J].吉林蔬菜,2008(6):83-85.
[7]张雪清,穆 楠,鲁 楠,等.我国生物质能源技术开发状况与专
利分析[J].吉林农业科学,2008,33(5):63-65.技术监督,2005(4):38-39.
[8]张文菁.我国农业标准化专利战略的建立和完善[J].中国质量[9]田文英,范静波.我国农业标准化专利战略研究[J].安徽农业
科学,2005,33(4):689-690,704.
[10]范静波.试论我国农业标准化专利战略的建立[J].世界标准
化与质量管理,2005(3):38-40.
—384—江苏农业科学 2014年第42卷第10期
因为它是基于排序统计理论的一种能有效抑制噪声的非线性 利用Matlab软件对采集的图像进行预处理,再利用其直信号处理技术,可以去除图像中的椒盐噪声,平滑效果优于均1.值滤波,在抑制噪声的同时能够保持图像边缘清晰
[5-10]
。
背景形成鲜明的对比3.2 图像分割 在水培环境下。对于物体和背景对比较为明显的图,植物根系呈白色,与黑色像,其灰度直方图会呈现1个双峰形状,选择两峰之间的波谷对应的像素值作为全局阈值,可将图像分割为目标对象与背景2部分,所用公式为:
g(x,y)=
{
1,(x,y)的像素值0,ff(;(xgx,(,yy)x)≤>K,y)K
。(1)
其中f(x,y)为点为分割后的图像像素值;K为全局阈值,K可以通过灰度直方图来获取。对采集的根系图像进行阈值分割后,得到像素值只有1与0的二值化图像,其中1代表对象,0代表背景。
1.合3.A,3 其边界可以通过形态学边缘提取B 对图像的边缘提取方法多样A进行腐蚀操作,然后用A,对于集减去腐蚀后的图像得到;也可以通过B对A进行膨胀操作,然后用膨胀后的图像减去A得到。如果A的边界表示为f(A),那么f(A)=A-(AΘB),或者f(A)=(A⊕B)-A,其中B为适当的结构元素。除此之外,利用Matlab软件图像处理工具箱中的bwperim函数也可以实现图像的边缘提取,其调用格式为:BW2conn=且是仅包含输入图像中的目标像素的边界二值图像为连接属性bwperim(BW1,,输出参数conn),BW2其中为图像参数BW1BW1的边界图像为输入图像,,像素确,而定为边界像素的条件为像素本身值非0,且其邻域中至少有1个像素值为0。
1.包括根系总长度3.4 特征提取、 最长根及根的条数等根系形态特征分析主要研究根系的长度。通过对阈值分割后,的图像进行形态学边缘提取,可得到目标对象的边界轮廓。水培条件下油菜根很微细,所以对提取的边界进行细化处理过程中,采用只保留每条根右边缘在每一行的像素值的方法。对于8连通边界(图2),其边界长度为对角码个数乘上再加上水平及垂直像素点个数的和,即L= 细化处理后的根系图像中 随着植物的生长,根越来越长奇+N偶。,每条根都对应端点与交点,容易出现交叉情况。,因此由于,
可以对目标图像逐行逐列进行扫描,统计连续链码数目,从而得到根数目,其算法流程见图3。2 结果与分析2.
1 图像处理与分析
方图分布找到合适的阈值K,对其进行二值化处理,得到阈值分割后的图像之后再提取图像边缘,结果如图4所示。本研究采用只保留每条根右边缘在每一行的像素值的方法对根系图像进行了细化(图5),从二值图像的矩阵分布上看,每条根的左边缘与右边缘之间的距离很短,约为3~6个像素点,因
此对根系图像进行细化处理并不会影响测量根长度。
2.2 在水平方向每条根上只有数据统计
1个像素值为1的点,图像在
水平、垂直方向上分别扫描图像像素,可利用8向链码统计像
江苏农业科学 2014年第42卷第10期
2.3 图像测量的精确度检验
—385—
为验证上述方法的准确性,选取A1、A5、B1、B5共4株油
菜,将其最长根捋直,然后用千分尺分别测量3次,求取平均素值为1的像素数目,从而得到根的总长度,其连续像素数目的最大值即为最长根的长度。利用上述根数统计算法,可以统计采集图像的根数。本研究中,A、B组油菜根系均钻出栽培器后,分别选取10株幼苗作为研究对象,采集其根系图像,
2组油菜根的长度、数量分别见表1、表2。
表1 A组油菜根的长度、数量
序号总长度最长根长度1(根数条28.(cm)12.472
5.(cm)2)39.6258416.858346.4872517.8.9906.5312618.6596.1534710.3816.505488.3346.6526.23122109
12.9.5368161256.0396.287401
23
表2 B组油菜根的长度、数量
序号总长度最长根长度124.(cm)4.(cm)(根数条37.4284.4281)44.1024.995253.1253.1251164.8734.3064.8731787.3244.3064.4314.3241109
3.0484.72224.806252
3.04814.806252
11
值,得到根系长度(表3)。
表3 手工测量及图像处理结果对比
序号根长
手测1手测2手测3手测均值图像分析A1A55.5.5.5.(%误差B16.6334.3626.6346.63336175.3.)B5
4.3626.6344.222187
4.220188
4.3614.221187
4.76.8584.5052.984.22118703
4.254.428306
90 养液浓度有关 由表1、表,2、另一方面本研究所使用的图像处理方法能够表3可知,一方面植物根系的生长速度与营2.83
较为精确地测量LED植物生长柜中油菜的根长、根数等数据。
3 结论与讨论
本研究通过数码相机拍摄植物生长柜中蔬菜的根部图像,然后利用计算机视觉图像处理技术,对采集的图像进行阈值分割及边缘提取,可以较为完整地提取植物根部信息。利用Matlab软件的自带函数及通过对图像横纵向链码进行扫
描,可以求出根部的具体形态数据,得到的计算结果较为理想,能够取代人工测量,不仅克服了人工测量费时费力的缺点,而且还将实现作物根系分析的无损测量。植物生长过程中,采集植物的根系形态数据,不仅能够评估植物的长势,同时还能反映植物的生长环境是否适宜其快速生长,便于管理者及时调整营养液及外界环境参数配置,为作物提供适宜的生长环境。实时掌握植物根系的生长状态,便于植物生长柜管理者掌握植物的生长节奏,对于保证植物生长柜内作物朝预期的方向生长以及促进增产增收都具有重要的作用。
参考文献:
[1]顾东祥特征指标的定量分析,汤 亮,曹卫星[J].,等作物学报.基于图像分析方法的水稻根系形态
,2010,36(5):810-817.[2]用吴长高[J].,农业机械学报罗锡文.计算机视觉技术在根系形态和构型分析中的应,2000,31(3):63-66.
[3]魏洛刚中理工大学学报,朱 晖,谢春花:社会科学版.一种二值图像的快速细化算法,1994,22(5):65-68.
[J].华
[4]李长缨物生长的无损监测,滕光辉,赵春江[J].,农业工程学报等.利用计算机视觉技术实现对温室植
,2003,19(3):140-143.[5][M].马晓路北京,刘: 中国铁道出版社倩,胡开云,等.,2013.
MATLAB图像处理从入门到精通[6]袁道军监测的研究进展,刘安国,刘志雄[J].农业网络信息,等.利用计算机视觉技术进行作物生长
,2007(2):21-25.[7]北京杨 :丹清华大学出版社,赵海滨,龙 哲,2013.
,等.MATLAB图像处理实例详解[M].[8]刘代平率的关系,宋海星[J].土壤,刘 ,2008,40(5):765强,等.油菜根系形态和生理特性与其氮效
-769.
[9]程建峰性与高效氮素吸收,戴廷波,荆 [J].奇,土壤学报等.不同水稻基因型的根系形态生理特
,2007,44(2):266-272.[10]影响研究王 艳,米国华[J].中国生态农业学报,张福锁.氮对不同基因型玉米根系形态变化的
,2003,11(3):69-71.
图像分析法测量植物生长柜中的根系形态
作者:
作者单位:刊名:英文刊名:年,卷(期):
崔世钢, 杨莉莉, 吴兴利, 梁帆, 次丹妮
天津职业技术师范大学/天津市信息传感与智能控制重点实验室,天津,300222江苏农业科学
Jiangsu Agricultural Sciences2014(10)
本文链接:http://d.wanfangdata.com.cn/Periodical_jsnykx201410129.aspx