贾尚云，高晓阳，李红岭，邵世禄，杨梅，武季玲(甘肃农业大学 机电工程学院，甘肃 兰州 730070)

在传统农业生产中，人们研究作物内在营养成分大都采用化学方法或光谱分析法，这些方法虽然简单，但成本较高，测试复杂，在大批量的农业生产中很难实现。在现代农业自动化生产过程中，机器视觉技术广泛地应用于农产品营养元素检测中。张彦娥等[1]通过对黄瓜叶片颜色各分量特征的提取完成了对黄瓜叶片氮元素的识别测定，结果显示叶片绿色分量G和色度H分量与氮含量线性相关，其他分量没有明显相关性；费丽君等[2]提取了大豆叶片图像的颜色特征，对叶片中叶绿素的含量进行了测算，结果表征，大豆叶绿素信息指标与图像颜色参数极具相关性，可用来快速测定叶片叶绿素含量；徐腾飞[3]等通过对玉米叶片的特征识别完成了对叶片含水率的诊断，得出利用作物叶片灰度直方图均值参数可以对玉米的叶片含水率进行预测；雷静[4]利用机器视觉对番茄中的花青素含量进行了快速无损的测定，测定结果显示以颜色分量V和R/(G+B)为特征参数建立的模型拟合度最好，对检验集的预测表现出很高的精确度，可以用于花青素含量快速无损的检测。但是目前利用机器视觉对植物叶片营养含量的检测主要集中在大豆、番茄、棉花、玉米等一年生作物，侧重点为叶片的含水率、叶绿素、氮磷钾含量等，对多年生藤蔓植株如葡萄叶片营养含量测定的报道甚少。……