论文部分内容阅读
植物的颜色是由于植物中的有机色素对光的选择性反射与吸收造成的。植物叶片中的色素主要有3大类：叶绿素类，主要有叶绿素a、叶绿素b；类胡萝卜素类，主要有类胡萝卜素和叶黄素；类黄酮类，以花色素苷为主。不同的色素在外观上表现为不同的颜色。叶绿素a为蓝绿色，叶绿素b为黄绿色。类胡萝卜素为橙黄色，叶黄素为黄色。花色素苷在酸性和碱性条件下分别呈现红色或蓝色，且易被氧化成褐色产物。基于植物颜色与色素存在某种映射关系，本文以色彩多样的芥蓝为例研究了芥蓝茎部表面的色彩与色素成分之间的关系。
传统的检测植物色素成分的方法是化学研磨法，该法耗时长并对样本造成不可恢复的破坏。本文通过拍摄植物照片来识别植物表面的颜色值，然后再通过传统的化学研磨法获得相应的色素信息；利用神经网络和支持向量机等智能算法学习训练这两种数据的函数关系，其目的是想使人们以后可以直接通过检测植物表面的颜色值来计算植物色素成分比例和含量，这样可以大大节省时间，节约实验耗材，并且操作简便，对样本无须接触和造成破坏，对于无损测定植物所含营养成份以及探索解决植物色彩之谜提供一个方便实用的工具。本文主要的工作如下：
(1)设计了一套固定光源的图像采集系统，用于得到二维芥蓝图像数据。快速分割出植物茎部的色彩信息，并转化为便于分析的HSV值。
(2)设计了分别对得到的颜色信息和芥蓝色素信息进行Z标准化处理的算法程序，并研究实现了用主成分分析法对芥蓝色素信息进行降维处理的方法，从而使得后面的关系网络设计更加简单可实现。
(3)建立了以植物的HSV均值数据和色素主成分数据为样本的三层BP网络模型，并通过对比实验确定了最优隐层结点数目及隐层与输入层、输出层之间的权值矩阵。
(4)采用高斯核的支持向量机对上述样本做了回归分析。并与BP神经网络的拟合及预测效果进行了对比分析，获得了较高精度的拟合模型。