一种小麦冠层水分缺失机器视觉智能诊断方法

本发明公开了一种小麦冠层水分缺失机器视觉智能诊断方法，其包括步骤S1采集适宜水分、中度干旱和重度干旱胁迫下的多张小麦冠层图像，并采用HSV‑双边滤波优化的Otsu阈值分割算法对小麦冠层图像进行分割；S2采用色彩空间转换、统计特征分析和灰度共生矩阵方法的结合提取分割后的小麦冠层图像的冠层表型特征，并作为模型训练的数据集；S3采用数据集对改进的深度森林模型进行训练，得到小麦冠层水分缺失的机器视觉智能诊断模型；S4获取待分类的小麦冠层图像，并采用步骤S1～步骤S2得到冠层表型特征，之后输入机器视觉智能诊断模型进行分类，得到水分缺失类型。