功能特性

集成多種數(shù)據(jù)處理算法；

同時集成多傳感器；

數(shù)據(jù)處理

數(shù)據(jù)處理包括圖像數(shù)據(jù)預處理，表型性狀提取以及關鍵表型特征篩選。

圖像數(shù)據(jù)預處理：
通過去除邊界噪聲結(jié)合超G算法獲圖像數(shù)據(jù)前景綠色部分；
基于HSL分量分割，結(jié)合自動閾值分割算法再去除小區(qū)域噪聲點，獲取得到完整的圖像數(shù)據(jù)前景點；
采用主成分分析算法篩選主成分圖像，結(jié)合OTSU自動閾值分割算法及二值化圖像掩膜得到光譜圖象數(shù)據(jù)灰度圖，為后續(xù)各個光 譜波段下準確獲取光譜反射率提供基礎；
通過深度學習訓練模型（CNN/RNN），可通過目標訓練精準分割得到復雜目標前景。



表型性狀提取：
基于高分辨率RGB圖像可獲取植株持綠、株型等性狀，通過深度學習算法可得到植株卷葉、生長速率、穗部相關性狀；

通過光譜數(shù)據(jù)分析，提取得到各個波段下光譜反射率大小，通過特征值篩選，與人工數(shù)據(jù)進行對比建立相關模型，可得到作物葉 綠素、葉黃素等色素含量以及氮磷鉀等營養(yǎng)元素含量及水分含量；

利用紅外圖像灰度值與待測能量關系，建立圖像灰度值與溫度的回歸方程，計算得到植株表層的溫度參數(shù)分布。

關鍵表型特征篩選：

室內(nèi)盆栽植株性狀提取

植株溫度分布提取

穗部性狀提取計算

各光譜波段下光譜反射率計算