从RGB图像预测土壤水分

抽象

我正在研究水分与土壤光谱响应之间的关系,以预测水分。 这些照片是在均匀光线条件下拍摄的,并且事先已对数码相机的白平衡进行了校正。 处理图像以提取RGB颜色空间的红色,绿色和蓝色带中的中值; HSV颜色空间的色相,饱和度和值; 和从RGB波段获得的全色图像的数字值的值。 观察到土壤随着湿度的增加而变黑。 对于每种类型的土壤,均会观察到最合适的模型,并将这些模型用于预测目的。

通过数字图像处理将土壤水分估算作为其光谱响应的函数被证明是有希望的。

介绍

土壤水分是在给定时间存在于土壤多孔空间中的液态或气态水量的量度。 该特征与重要的水文过程有关,例如入渗率,地表径流和蒸散作用。

数据集

这项研究使用了维索萨联邦大学(UFV)数据库中的六种土壤。 根据孟塞尔图的视觉解释,它们的物理特性,质地类别,有机物含量和颜色。

将部分土壤过筛(2毫米目)以除去砾石和根,然后在烤箱(65℃)中干燥直至达到恒重。 然后,从恒定重量(干燥土壤)逐渐添加蒸馏水(约5%)直至接近饱和值制备样品。 为每种土壤湿度准备了三个样品。 将所有样品拍照,称重,然后在105-110°C的烤箱中干燥24小时,以测定重量水分(U(%))。 U(%)根据EMBRAPA(2011)的方法确定

图像是由NIKON Coolpix L810拍摄的。白平衡是进行适当色彩偏移的最佳方法之一。

提取RGB色彩空间的每个波段的值以计算中位数。 Persson(2005a)提出使用中位数作为克服因土壤样品表面形成的微浮雕阴影所引起的偏差的一种方法。 将图像从RGB转换为HSV色彩空间,以获得色调,饱和度和值的中值,还转换为全色图像,获得数字的中值。

在HSV空间中,颜色由以下参数表示:色调(色调),饱和度(纯度)和值(亮度),所有参数在0和1之间变化。 从RGB到HSV的转换遵循了Hanbury(2002)提出的程序。

通过等式获得单色图像的DN值。 2,根据Solomon&Breckon(2013)的假设,假设国家电视系统委员会(NTSC)的转换价值。

训练

针对每个色彩空间(RGB和HSV)测试了具有独立变量的线性深度学习模型。 还评估了仅使用全色图像DN的线性模型。 在模型之间的比较中,对RMSE值进行了评估。 第三个因素的增加并没有太大改善拟合度,因此未选择这些模型。

结果与讨论

为了测试白平衡的校准,事先已拍摄了灰色图表的白色面。 这张照片的RGB值显示248至255之间的数字(DN),表示照明的有效校正和均匀性。

用干燥的土壤和湿的土壤的折射率变化可以用光学的方式解释土壤的变黑。 当添加水时,土壤颗粒与周围介质之间的对比度降低,这是因为水/颗粒界面上的折射率低于干燥土壤中这些区域的折射率。

问候

Sushant kumar jha