0报价
烤烟是贵州省农民的主要经济作物之一，其种植质量直接影响其产量和农民的收获。作为作物光合作用和蒸腾作用的主要器官，叶片的大小、纹理和颜色等形态特征反映了作物的生长状态。比如生长期含水量不足时，会在叶片大小、颜色等外在形态上表现出来。此时，利用图像处理方法可以发现一些肉眼难以分辨的微小差异，尽早诊断出烤烟叶片的含水量，减少缺水对烟叶生长的影响。
图像处理和分析技术在作物水分检测中得到了研究和应用。目前，相关研究主要集中在葡萄、玉米、棉花、黄瓜等作物的水分检测上。作为图像最直观的视觉特征之一，在基于颜色特征的水分亏缺诊断研究中，大多提取作物图像的R、G、B、H、I、S分量的值，并对其进行各种组合和变换，从而分析它们与作物水分状况的相关性，建立相应的数学模型。老等人以温室葡萄叶片的灰度平均值为基础，基于MATLAB软件，建立了平均值与叶片含水率的估算模型。结果表明，叶片图像的灰度均值可以诊断葡萄叶片的含水量。滕旭-费等人通过不同灌水量的盆栽试验，利用玉米叶片图像的灰度直方图提取叶片的各种特征值，并通过线性回归方法建立了各种特征值与叶片含水量之间的关系模型。结果表明，叶片灰度直方图的平均参数可以预测玉米叶片的含水量。王等人分析了颜色参数、棉花含水率和含水率指数的预测模型，预测准确率达到90%以上，证明了基于数字图像技术诊断棉花水分状况是可行的。孙瑞东等绘制了背景光下黄瓜叶片含水量与图像特征参数之间的关系曲线，利用非线性最小二乘拟合方法建立了黄瓜叶片含水量与特征区域图像灰度梯度之间的回归模型，实现了通过黄瓜叶片图像特征判断缺水状态的无损检测目的。
本文以需水量大的新鲜烤烟烟叶为例，探讨了基于图像处理的烤烟烟叶含水率诊断方法，旨在探索图像处理应用于烟叶含水率检测的可行性，为烟农实现烤烟精准灌溉提供技术依据。
1材料和方法
1.1测试概述
实验在黔西南兴义市潜龙古镇罗红组进行。参试的烤烟品种为云烟87，在该地区广泛使用。田间种植采用地膜覆盖，土质为黄壤。采摘旺盛生长期的烟叶，并编号。
此时土壤相对含水量为73.68%，阳光充足，温度为24。
1.2图像采集
使用数码相机采集阳光充足的室外自然光下的烟叶图像。拍摄时，将刀片平放在水平白板上，在刀片上方约0.6m的垂直高度拍摄图像。相机平面平行于刀片平面。每次拍摄都采用自动曝光模式控制曝光时间和色彩平衡，避免阳光直射和身体等物体在刀片上的阴影。收购时间，北京时间，9: 00-11: 00。图像以JPG的统一格式存储。
1.3烟叶水分含量的测定
图像采集后，测量最大叶片长度和宽度，然后迅速放入保鲜袋密封，带回实验室测量烟叶含水率。先用精度为0.01g的电子天平称出烟叶鲜重，然后放入电热鼓风烘箱中，将烘干机的温度调到107进行烘干。由于叶片大小不同，时间干燥时间为5-8 h。当再晕的间隔I
将数码相机中的图像文件导入电脑，调整放置方向，使所有图像均匀。由于图像采集、传输和量化过程中可能会引入各种噪声，导致图像质量和分析结果的准确性下降，因此有必要对图像进行滤波和去噪。
线性空间滤波用于对图像进行滤波。在这个过程中，可以利用Matlab图像处理工具箱中的imfilter函数实现滤波降噪，然后利用ACDsee软件中的魔棒工具和快速选择工具选择刀片部分，去除多余复杂的背景和阴影。处理前后的图像对比如图1和图2所示。
图1滤波降噪后的叶片
图2背景去除后的树叶
1.5图像特征参数提取
用Matlab中的imread()函数读取预处理后的叶子图像，用rgb2gray()函数将彩色图像转换成如图3所示的灰度图像，然后将灰度图像反转，如图4所示。然后利用Matlab图像处理中的灰度直方图提取其灰度平均值和反映灰度均匀性的特征值。
图3叶片灰度
图3叶片倒置
2结果和分析
2.1叶片的含水量和相应的特征值
每片烟叶的水分含量、平均灰度值和直接值如表1所示。
表1叶片含水量及其相应特征值
2.2预测参数提取
并计算叶片的各种参数(最大宽度、最大长度、膨胀收缩率、湿重、含水率、平均灰度值和直接值)。烟叶水分含量在84%-87%之间。根据水分含量，将15个样品分为两组进行参数分析。
从图5可以看出，不同含水率的叶片灰度均值特征参数的区分效果比较理想，其他参数(叶片最大宽度、最大长度、膨胀率、湿重、直接值)的区分效果不明显。而且高水分含量的叶片平均灰度值大于低水分含量的叶片，两条曲线不相交，可以用平均值作为区分叶片水分含量的特征值。因此，提取灰度平均值参数作为预测烟叶含水率的特征值。
图5叶片宽度(a)、长度(b)、平均灰度值(c)、直值(d)、湿重(e)和膨胀率(f)的比较
2.3预测模型的建立
为了分析烟叶含水率与平均灰度值之间的关系，采用一元线性多项式和一元二次多项式进行拟合。拟合结果如图6和7所示。
叶片含水量与其灰度均值之间的一元线性多项式预测模型如下：
y=0.0534x 83.12，R2=0.7965
叶片含水量与其灰度均值之间的一元二次多项式预测模型为：
y=0.0005×2 0.002lx 84.31，R2=0.8038。
其中，x为提取的平均灰度值，y根据平均灰度值进行预测。
叶片含水量。相关系数越接近1，回归线对观测值的拟合效果越好。
图6一元线性多项式拟合结果
图7一元线性多项式拟合结果
从图6和图7可以看出，烟叶的平均灰度值与其含水率之间存在正相关关系，平均灰度值越大，含水率越大。一阶多项式和二阶多项式的相关系数值表明，二阶多项式的拟合效果优于一阶多项式，但二阶多项式的相关系数值相差很小，一阶多项式预测模型的运算更简单。因此，选择一元多项式预测模型作为烤烟烟叶含水率的预测评价指标。
3结论
结果表明，在烟叶的最大长度、最大宽度、膨胀率、重量、含水率、灰度均值和含水率等参数中，灰度直方图中的灰度均值可以预测烟叶的含水率。灰色平均值与水分含量的线性拟合预测模型
