菜油兼用型油菜籽粒油酸含量的高光谱模型构建

【目的】基于高光谱特征初步判别油菜摘薹情况,为实现高光谱反演籽粒油酸含量提供理论指导。【方法】使用FieldSpec 3地物光谱仪采集油菜盛花期叶片光谱数据,采用Agilent GC-MS 7980B气相色谱仪分析摘薹和未摘薹处理的籽粒油酸含量,比较2组处理的平均原始光谱反射率特征,及其油菜叶片原始及一阶微分光谱反射率与籽粒油酸含量相关性,在此基础上构建基于原始光谱特征波长的支持向量机（SVM）判别模型、基于光谱参数的油酸含量二项式模型、基于一阶微分光谱特征波长的油酸含量多元线性逐步回归（MLSR）及偏最小二乘回归（PLSR）预测模型,并利用独立样本T检验对模型精度进行验证。【结果】发现未摘薹及摘薹处理的平均原始光谱反射率曲线在760~1080nm波段存在一定差异。未摘薹及摘薹处理的原始光谱反射率与籽粒油酸含量相关性曲线存在一定差异,未摘薹处理的原始光谱反射率在484~956和1001~1146 nm波段与籽粒油酸含量呈正相关,摘薹处理的原始光谱反射率在1882~2111和2324~2499 nm波段与油菜籽粒油酸含量呈正相关,说明摘薹会影响油菜光谱反射率与籽粒油酸含量的相关性表现。选取位于760~1080 nm波段4个拐点波长（760、920、970和1080 nm）的原始光谱反射率作为自变量,用以构建SVM判别模型,经过多次随机取样比较构建所有SVM判别模型,发现最佳判别模型的训练集样本总体精度为86.1%,验证集样本总体精度为77.8%,说明利用高光谱技术判别油菜是否摘薹具有一定的可行性。光谱参数模型中RVI模型对未摘薹处理油菜籽粒油酸含量的反演效果最佳,且该模型与未摘薹处理籽粒油酸含量的相关系数（-0.705）最高。比较全部油菜籽粒油酸含量预测模型类型,PLSR模型对未摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.590、RMSE=0.610,MLSR模型对摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.773、RMSE=0.874。利用独立样本T检验对二者模型测试集样本进行验证,未摘薹样本P=0.839,摘薹样本P=0.858,二者样本实测值与预测值均无显著差异（P>0.05）,模型合理,说明利用高光谱技术对油菜籽粒油酸含量进行预测可行。【建议】引入随机森林等机器学习算法,更好地选取特征波长（显著相关波长或全波段等）,提高光谱数据对油菜籽粒油酸含量的预测能力。后期的试验应侧重于多品种油菜籽粒油酸含量估测研究,探索高光谱技术估测油菜籽粒油酸含量是否具备普遍的可行性。利用高光谱技术反演其他油菜籽粒品质指标,为高光谱遥感监测油菜品质提供理论依据。     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。     

基于近红外光谱的纽荷尔脐橙产地识别研究

【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙果实品质和市场效应具有较大差异。研究基于近红外光谱技术的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000-2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别,确定当种群数量为200、遗传代数为100、交叉概率0.7、突变概率0.01时,遗传算法选择出最优的基因子集进行产地识别,遗传算法-支持向量机模型的产地识别精度最高可达89.72%,优于人工神经网络分类模型和支持向量机分类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进行产地识别测试,得到对应的最高识别精度分别为80.00%和69.00%。【结论】遗传算法-支持向量机模型对果汁反射近红外光谱进行产地识别精度最高,优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱,因此,可利用赤道部的反射光谱实现非破坏性果实产地分类识别。     

基于无人机影像多时相的小麦品种氮效率分类识别

【目的】探索无人机遥感在氮效率分类识别中的潜力,构建小麦品种氮效率分类方法,为氮高效品种筛选提供理论依据和技术支持。【方法】通过6个成熟期与氮效率密切相关的农学指标（产量、植株氮积累、氮素生理利用效率、植株干生物量、籽粒总吸氮量、N收获指数）构建主成分综合值,并对其进行K-Means聚类分析,将121个小麦品种划分为氮高效型、氮中效型和氮低效型3种类型。利用无人机遥感平台搭载多光谱相机,在小麦拔节期、孕穗期和开花期获取无人机遥感影像,并提取34种植被指数,分析植被指数与氮效率综合值的相关性;对比支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）分类方法的氮效率分类模型精度,使用总体分类精度（OA）和Kappa系数比较不同生育时期下小麦品种氮效率分类识别的能力;并使用3种不同的特征集筛选方法（ReliefF算法、Boruta算法和RF-RFE算法）对优化的特征子集进行综合评价,确立适宜的小麦品种氮效率分类识别方法。【结果】随着小麦生育时期的不断推进,植被指数与氮效率综合值的相关性逐渐提高,开花期最高（r=0.502）;利用植被指数全特征集对小麦品种氮效率进行分类,对于单生育时期数...     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法(support vector machines-feature recursive elimination,SVM-RFE)和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa0.79,随机森林总体精度为89.27%—90.95%,Kappa0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机(SVM)模型对区域冠层尺度下玉米与杂草的分类效果最好。     

四川小麦品种籽粒硬度和穗发芽抗性相关基因的分子标记鉴定

【目的】鉴定四川小麦品种籽粒硬度和穗发芽抗性相关基因的组成,可为四川小麦的品质改良提供理论依据。【方法】利用2个籽粒硬度和1个穗发芽抗性等位基因分子标记,对105份2000年后育成的四川小麦品种进行上述基因的检测。【结果】本研究表明:(1)针对籽粒硬度,含有Pinb-D1b基因(Pinb突变)的品种有11份,频率为10.5%,非Pinb-D1b等位基因类型则占到89.5%。(2)针对穗发芽抗性,含Vp-1Bc(抗穗发芽)的品种有88份,频率为83.8%;含Vp-1Ba(感穗发芽)的品种有17份,频率为16.2%;未能扩增出含Vp-1Bb(抗穗发芽)的品种。(3)聚合2项优质基因(Pinb-D1b和Vp-1Bc),品质优良的品种有11份,频率为10.5%。【结论】利用这些含有优异基因资源的品种,在四川小麦品质育种中逐步导入上述优质基因,是综合提高四川小麦品质的有效途径。     

人工合成小麦和地方品种穗发芽抗性育种利用效率

【目的】小麦穗发芽是影响小麦产量和品质的重要限制因子。具有抗穗发芽特性的人工合成小麦和地方品种是改良栽培小麦穗发芽抗性的重要基因资源,通过分子标记辅助选择转育人工合成小麦和地方品种穗发芽抗性位点,评价人工合成小麦和地方品种导入系抗穗发芽育种利用效率,筛选抗穗发芽小麦新材料,为小麦穗发芽抗性育种提供数据和材料支撑。【方法】以抗穗发芽的人工合成小麦SYN792和四川地方品种涪陵须须麦为母本,以穗发芽敏感品种川麦45为轮回亲本,构建2个BC₁F₇群体。2017年,通过整穗发芽鉴定法对2个BC₁F₇群体的1 796个株系进行穗发芽表型初筛,然后利用与人工合成小麦PHS-3D和地方品种PHS-A1穗发芽抗性位点连锁的SSR标记进行分子标记选择,筛选出整穗发芽率(SGR)小于35%且携带PHS-3D和PHS-A1抗性位点的导入系;2018和2019年,连续2年对初筛选出的PHS-3D和PHS-A1导入系进行整穗发芽率、籽粒发芽指数(GI)和产量相关性状鉴定,其中,籽粒发芽鉴定试验设置25℃(18GI)和32℃(...     

抗穗发芽合成小麦改良品系的筛选及遗传分析

【目的】筛选抗穗发芽的合成小麦改良品系，分析潜在的相关基因。【方法】6个环境（2年3点）下，对129份改良品系进行了穗发芽抗性的鉴定及评价，同时利用Wheat 55K芯片数据进行全基因组关联分析。【结果】获得3份抗穗发芽品系（发芽指数GI≤0.2；发芽率GR≤40%），分别为红皮品系L2741、L3006、白皮品系L586，得到3个显著关联的位点。【结论】获得的3份抗穗发芽品系可在培育抗穗发芽品种中利用，获得46个可能的候选基因，其中4个基因主要与植物抗逆性有关，推测其在小麦抗穗发芽中起重要作用。     

叶片垂直分布对小麦冠层方向光谱响应研究

【目的】对不同株型小麦冠层叶片垂直分布的方向光谱响应进行研究,探索精确描述小麦冠层空间信息的途径,为农田作物快速、无损的光谱监测提供新的理论与技术。【方法】以2个株型不同的小麦品种为材料,采用自下向上分层切片方法,分析冠层不同部位叶片对冠层方向光谱的影响。【结果】去除不同叶位叶片后,小麦冠层光谱在300～700,800～1 300,1 400～1 800 nm波段差别明显;不同观测角度中,与传统90°视角获得反射信息比较,30°和60°视角反射光谱包含较多下部叶片信息,下部叶片对冠层光谱反射率贡献较大,0°视角反射光谱包含较多上部叶片信息,上部叶片对冠层光谱反射率贡献较大;小麦冠层的穗层和倒1叶对方向光谱产生很大影响。不同的2个小麦品种,ZY9844上部叶片对反射率的影响比P7弱。【结论】小麦冠层不同部位叶片,对冠层方向光谱影响不同,根据冠层特点,通过改变光谱观测角度,可以提高作物冠层光谱监测的精度。     

剪叶对不同穗型小麦品种干物质积累及籽粒产量的影响

 【目的】为了探讨高产条件下不同穗型小麦品种叶片对产量的贡献。【方法】选用两种穗型小麦品种为试验材料，研究了抽穗期剪叶对剩余叶片净光合速率、地上干物质积累、茎节重、籽粒结实与粒重的影响。【结果】抽穗期剪叶均导致两种穗型品种的干物质积累量下降和籽粒产量降低，以多穗型品种豫麦49受影响较大；剪叶提高了剩余叶片净光合速率，以多穗型品种豫麦49增幅较大；剪叶提高了茎秆内贮存物质的转移率，以大穗型品种宿2001转移率增幅较大，表现为茎节干重明显减轻。剪叶后，剩余叶片净光合速率和茎秆内贮存物质转移率的提高，均不足以弥补剪叶造成的损失，最终表现为结实粒数减少，粒重降低；随被剪叶片数增加、叶位升高，结实粒数和粒重降低更多。【结论】不同穗型小麦品种叶片对籽粒产量的贡献存在差异，多穗型品种大于大穗型品种，因此，在小麦抽穗后，多穗型品种叶片对增加籽粒产量起着重要作用。     

基于支持向量机的小麦条锈病和叶锈病图像识别

为了解决生产中小麦条锈病和叶锈病症状难以区分的问题,提高识别率和精度,提出了一种基于支持向量机和多特征参数的小麦条锈病和叶锈病图像分类识别方法。利用图像裁剪方法获取典型症状的子图像,采用中值滤波算法对图像进行去噪,利用K_means硬聚类算法实现病斑分割,提取病斑区域的形状、颜色和纹理特征空间的50个特征参数,设计支持向量机分类器进行分类识别。根据优选的26个特征参数,利用以径向基函数作为核函数的支持向量机对这2种小麦锈病图像进行识别。结果表明:训练样本识别率均为96.67%,测试样本识别率均为100%;与其他核函数相比,径向基核函数最适合于这2种小麦锈病的识别。所提出的基于支持向量机的方法可有效地进行小麦条锈病和叶锈病的图像识别。     

不同玉米品种叶片SPAD值估测模型的构建及其差异性研究

【目的】探究玉米叶片SPAD值与其高光谱特征之间的品种差异,构建不同玉米品种叶片SPAD值估测模型,并对模型应用范围进行验证。【方法】通过大田试验,测定多个玉米品种叶片的SPAD值及其高光谱数据,利用相关分析及逐步回归分析等方法,构建和筛选玉米叶片SPAD值与相关光谱参数的回归模型,并利用偏差率对模型精度进行检验。【结果】不同玉米品种叶片的SPAD值与其高光谱反射率及一阶导数的相关波段存在差异,但品种间差异较小,关系最密切的波段均处于560和700nm附近。对不同玉米品种的光谱反射率一阶导数进行比较时,出现"红移"现象,"红移"规律与各品种叶片SPAD值大小表现一致;叶片SPAD值与光谱反射率一阶导数的显著相关波段在510,615,690和740nm附近。在构建估测模型时,以单波段光谱参数构建的模型估测效果较组合波段构建的模型好,且模型类型为多元方程和指数方程。以单一玉米品种叶片光谱参数建立的模型可以对其他玉米品种叶片的SPAD值进行估测,但估测精度在不同品种间存在差异。【结论】以高光谱560nm附近波段反射率建立的模型精度最高,对不同品种的玉米叶片SPAD预测值偏差率普遍小于5.00%。     

四川盆地典型小麦品种穗发芽抗性及与气候因子的关系

【目的】本文研究了四川盆地典型小麦品种穗发芽抗性及与气候因子的关系。【方法】两年两环境(稻茬田与丘陵旱地)下,分别测定了10个品种的生理成熟期、成熟期的籽粒发芽指数(GI_P、GI_M)和成熟期降落值(FN),并研究以上参数与气候因子的关系。【结果】GI_M较GI_P有大幅升高,3个穗发芽参数均存在显著的基因型、环境和互作效应。对于总变异的贡献GI_P为地点×品种地点品种;GI_M为品种年份年份×品种;而FN主要受基因型影响。参试品种环境均值,GI_P变幅22.3%~60.0%,稻茬田低于旱地。GI_M变幅61.4%~94.8%,环境间差异较小。穗发芽抗性高的品种GI_P和GI_M较低抗性品种变异更大。开花-生理成熟期(APM)是影响籽粒休眠的关键时期,此阶段的平均温度、最高温度与最低温度均显著提高GI_P与GI_M,而日温差降低GI_P,降雨日数促进GI_M,较低的温度和较大温差利于籽粒休眠的延续;APM的降雨量、日照时数对GI_P影响较小。和旱地相比,气候因子对稻茬田的GI_M的影响更为明显。【结论】基于环境、气候条件,选择适宜的品种可缓解穗发芽对小麦生产的不利影响。     

不同类型叶面肥喷施对冬小麦籽粒产量和品质的影响

【目的】研究灌浆期喷施不同类型叶面肥对冬小麦籽粒产量及品质的影响，为冬小麦叶面配方施肥及高效生产提供参考依据。【方法】以冬小麦品种新冬20号为供试材料，大田试验条件下，设吨田宝、磷酸二氢钾+尿素、光合菌肥、清水对照(CK,不施叶面肥)共4个处理，测定各处理冬小麦的籽粒产量及其构成因素、籽粒品质等指标。【结果】与CK相比，3种不同类型叶面肥均可显著提高小麦籽粒产量，增产效应大小依次为吨田宝>光合菌肥>磷酸二氢钾+尿素，增幅分别达到7.46%、6.08%、5.15%;叶面肥处理通过增加小麦穗粒重和千粒重提高小麦籽粒产量。3种类型叶面肥中，光合菌肥改善小麦籽粒品质的性能略优于磷酸二氢钾+尿素、吨田宝；与CK比较，3种类型叶面肥均显著提高了小麦粗蛋白质含量和面团稳定时间，光合菌肥还显著提高了小麦湿面筋含量。【结论】灌浆期适当施用叶面肥是冬小麦优质高产的一种有效技术措施，其中，光合菌肥对小麦籽粒产量和品质改善明显，可以应用于小麦生产。     

小麦籽粒蛋白质光谱特征变量筛选方法研究

【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012-2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD FieldSpec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法（UVE）结合交叉验证偏最小二乘回归、连续投影算法（SPA）结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归（MLR）及UVE与SPA组合后结合逐步多元线性回归（SMLR）等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除（UVE）方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归（SMLR）、连续投影算法（SPA）、连续投影算法（SPA）+逐步多元线性回归（SMLR）及连续投影算法（SPA）+偏最小二乘回归（PLS）+交叉验证（CV）等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除（UVE）法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差（RMSEP）和R²分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。     

基于无人机多光谱影像特征融合的小麦倒伏监测

【目的】小麦倒伏严重影响小麦光合及成熟进程,进而造成小麦减产及品质下降。为快速精确获取倒伏信息,评估无人机遥感监测小麦倒伏的能力,构建小麦倒伏监测模式,为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像,经过预处理飞行高度50 m的小麦冠层图像,得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM）,从中提取光谱特征、高度特征和光谱纹理共3类特征信息;采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较,使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器;同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价,确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差,“椒盐现象”严重,在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合,小麦...     

基于改进BP神经网络的高光谱遥感树种信息提取技术

【目的】通过分析树种间的光谱差异及改进分类算法以提高树种信息提取精度。【方法】文章采用安徽省砀山县EO-1 Hyperion影像,通过不同树种光谱信息的差异分析,筛选出区分树种信息的光谱指标,并采用改进的BP神经网络模型完成树种信息提取。【结果】结果表明,原始反射率和一阶微分部分光谱波段可用于树种识别,且一阶微分光谱的差异大于原始反射率;引入动量项和遗传算法改进的BP神经网络模型树种识别精度较传统BP神经网络提高8.5%,Kappa系数提高0.12。【结论】该方法可以实现较为准确的树种信息提取,能够达到对林业工程进行监测的目的,对快速评价工程质量有重要意义。     

基于图像识别的无人机精准喷雾控制系统的研究

【目的】针对传统的植保无人机喷雾作业时化肥农药浪费大,利用率低,造成环境污染的问题,研制一种基于图像识别的无人机精准喷雾控制系统。【方法】利用中值滤波算法对田间航拍图像进行去噪,采用分层K_means硬聚类算法实现对农田航拍图像的分割,提取非作物区域的颜色、纹理特征空间的22个特征参数,设计支持向量机分类器进行分类识别。根据优选的17个特征参数,利用以径向基函数作为核函数的支持向量机对非作物区域图像进行识别,并根据识别结果控制喷头,实现精准喷雾。【结果】测试样本的识别率可达为76.56%,在无干扰风场情况下,当P_阀为10%时,减施率可达32.7%。【结论】本系统为农业航空精准喷雾控制技术的应用提供了参考方向和决策支持。     

基于Spark的支持向量机在小麦病害图像识别中的应用

为了提高小麦病害图像分类的效率,提出了一种基于Spark的并行式支持向量机算法。首先对小麦病害图像进行滤波去噪、灰度压缩等处理,利用灰度共生矩阵、不变矩阵等从颜色、纹理和形状3个方面提取49个特征向量;然后通过数据集的切分和并行框架的支持,将大数据并行处理技术Spark与支持向量机结合,运用Scala语言实现了串行支持向量机算法的并行化,并将其应用于小麦病害图像识别。针对小麦锈病和白粉病的图像分类测试结果表明,当测试图像分别是2 600、3 900、5 120张时,该算法对锈病的分类精度依次是76.03%、81.18%、77.82%,对白粉病的分类精度依次是83.27%、85.91%、83.14%,比串行支持向量机分类精度有所提升。分类时间依次是13 928.0、18 506.1、24 897.2 ms,明显低于串行支持向量机的分类时间。改进的算法实现了小麦病害分类精度的小幅度提升,明显提高了处理速度,具有较快的学习收敛速率。     

抗旱转基因小麦(Triticum aestivum L.) 的杂草性评价

【目的】全球转基因作物商业化迅猛发展,包括杂草化在内的一系列生态风险评估和研究尤为重要。文章中系统评价抗旱转基因小麦MGX-L大面积推广种植可能带来的演化为杂草的生态风险,为转基因抗旱小麦的环境安全评价标准制定提供科学依据。【方法】通过比较荒地和栽培地上抗旱转基因小麦、受体小麦和当地常规品种的农艺性状,评价转基因小麦的生存竞争能力;并比较荒地上生存的转基因小麦与受体的繁殖系数,评价转基因小麦群体在野外的生存能力。比较转基因小麦和受体品种的自生苗比率、种子落粒性、及深埋和浅埋地下种子萌发情况,评价转基因小麦的自然延续能力。比较转基因小麦和受体品种的花粉活力、花粉大小和花粉育性,评价转基因小麦的自然繁育能力。综合分析以上各项评价结果,评价抗旱转基因小麦演变为杂草的可能性。【结果】转基因小麦在栽培地上种植,其株高、总穗数和穗粒数与受体品种相比,没有显著差异,而转基因小麦的产量、千粒重显著高于受体品种。但和其他非转基因当地主栽小麦品种相比,或没有显著差异,或低于其他非转基因小麦品种,因此,转基因小麦与其非转基因小麦对照相似,在栽培地种植没有更强的生存竞争能力。在荒地环境下,转基因小麦生存竞争能力和受体品种没有显著差异。在荒地上种植且成熟的转基因小麦,单位面积内收获的总籽粒数少于上一年种下的种子粒数,其繁殖系数低于1。转基因小麦群体不可能在野外环境中自然维持下去。转基因小麦种子的落粒性和产生自生苗比率与受体品种相比没有显著差异。深埋20 cm以下土层的转基因小麦和受体品种的种子全部腐烂;浅埋3 cm土层的转基因小麦和受体品种的种子或者腐烂或者出苗,没有发现未萌发且保存完好能够保持活力继续发芽的种子,二者的种子腐烂或出苗的比率没有显著差异,说明转基因小麦和受体品种种子的延续能力低且无显著差异。【结论】转基因抗旱小麦MGX-L与其受体对照品种济麦22及其他非转基因当地主栽品种相似,耐旱性状的引入不会增加小麦的杂草化潜势。