刘 林 苑 进 张 岩 刘雪美

(1.山东农业大学机械与电子工程学院， 泰安 271018； 2.山东省农业装备智能化工程实验室， 泰安 271018)

0 引言

设施栽培中作物鲜质量动态变化作为生长发育的指示性特征，是蔬菜长势无损监测的重要指标之一[1-2]。蔬菜鲜质量作为最重要的生理性状表征之一，可为蔬菜生长状况提供更准确的评估信息[3]，如用于预测蔬菜生长期、确定最佳采收时间和预测蔬菜产量等[4-5]，为栽培数字化管理提供精准数据支撑。

国内外学者对鲜质量估算做了深入研究，REYES-YANES等[6]提出了一种深度学习图像分割方法用于在水培生菜鲜质量估算中以冠层图像获取信息，建立作物尺寸与鲜质量间的回归模型。JUNG等[5]在环境可控的循环水水培生菜系统中，研究了基于机器视觉的形态学分析方法，将图像处理后的生菜冠层投影图像的像素数与离水称量的生菜实际鲜质量直接关联，建立了生菜冠层投影面积与实际测量鲜质量的关系模型。由于其离水鲜质量称量精度高，因而该模型预测精度高，由此也证明了植株冠层投影面积与其鲜质量间存在显著相关性。基于上述预测模型，JIANG等[7]开发了基于在线实时影像处理的水培生菜鲜质量估算系统，在生产环境控制质量较高的状况下，实现了生菜鲜质量的高精度估算。水培蔬菜生长条件下，植株允许暂时脱离营养液而直接称量，且不妨碍其继续生长，因而方便对鲜质量进行无损标定，容易实现无损的高精度鲜质量估算；……