基于三维激光点云的靶标探测系统研究与试验

【目的】使用R-Fans-32三维激光雷达(LiDAR)研究植株三维激光点云与植株叶面积之间的关系,为变量喷雾系统提供数据支撑。【方法】假设植株激光点云数量与叶面积之间存在线性关系。搭建基于三维激光点云的靶标探测的试验系统,先测量靶标植株的高度来探究该探测系统的精度,激光雷达以10Hz的扫描频率和1m的探测距离实现对10株番茄的三维点云数据的获取,激光雷达上位机软件Ctrlview实现对三维激光点云数据的储存。利用Cloud Compare软件对储存的点云数据进行处理,利用LiDAR360软件对植株进行高度测量和点云数量的获取。对采集的植株点云进行数量统计,利用CL-202植物叶面积测量仪对采摘的靶标植株叶片测量叶面积,验证植株点云与叶面积之间的关系。【结果】激光雷达探测所得到的番茄植株的高度与手工测量值的最大相对误差为7.92%。利用线性函数拟合植株点云数量与叶面积,拟合度为0.7805,最大相对误差为5.64%。【结论】设计了一种用于探究基于激光点云的变量喷雾系统可行性的试验系统,依据三维激光点云计算植株的叶面积精度良好,R-Fans-32三维激光雷达可作为变量喷雾系统的探测部件。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

基于ROI快速检测与融合特征的马铃薯病害识别

【目的】针对在原始马铃薯病害图像上提取特征时计算量大、病害识别准确率低以及传统病害区域分割算法速度慢等问题,提出了一种新的基于关键特征点的病害感兴趣区域(ROI)快速检测与融合颜色和纹理特征的识别方法。【方法】对马铃薯病害图像作适当预处理后,首先提取ORB特征点,当其特征点数目小于给定阈值时提取SIFT特征点,再对所提特征点的坐标值按水平和垂直方向排序,并通过计算K个近邻点的均值来确定病害区域的坐标并提取ROI。然后融合病害ROI的HSV颜色直方图和UPLBP纹理直方图构成总特征向量。最后采用非线性SVM识别马铃薯病害。【结果】利用该方法对240幅马铃薯叶部、果实和茎部10种混合病害图像进行识别实验,结果表明,每幅病害图像ROI检测平均时间为0.013 s,平均识别正确率达95.83%,最高达100%,平均运行时间为0.083 s。【结论】基于ORB和SIFT关键特征点的病害ROI检测方法原理简单、易实现且实时性好。本文方法可实现对10类马铃薯病害的快速识别且准确率高,为其它农作物病害识别提供了参考价值。     

基于注意力残差机制的细粒度番茄病害识别

【目的】解决温室环境下细粒度番茄病害识别方法不足问题。【方法】以早、晚期5种番茄病害叶片为研究对象,提出一种基于注意力与残差思想相结合的新型卷积神经网络模型ARNet。通过引入多层注意力模块,层次化抽取病害分类信息,解决早期病害部位分散、特征难以提取难题;为避免网络训练出现退化现象,构建残差模块有效融合高低阶特征,同时引入数据扩充技术以防止模型过拟合。【结果】对44 295张早、晚期病害叶片数据集进行模型训练与测试的结果表明,与VGG16等现有模型相比,ARNet具有更好的分类表现,其平均识别准确率达到88.2%,显著高于其他模型。ARNet对早期病害识别准确率明显优于晚期病害,验证了注意力机制在提取细微区域特征上的有效性,且在训练过程中未发生过度抖动的状况。【结论】本文提出的模型具有较强鲁棒性和较高稳定性,在实际应用中可为细粒度番茄病害智能诊断提供参考。     

基于图像融合特征的番茄叶部病害的识别

为了提高基于数字图像识别番茄叶部病害的准确率,适应不同分辨率条件下的应用需求,并满足实践拍摄条件的不确定性,以番茄晚疫病、花叶病、早疫病叶片图像为研究对象,选择HSV模型中的4维H分量等量分割波段作为颜色特征,基于灰度差分统计的均值、对比度和熵3维特征作为纹理特征,融合7维特征向量作为支持向量机(SVM)分类器的输入,用粒子群算法(PSO)优化SVM模型参数。试验结果表明,融合灰度差分统计与H分量4维特征的病害识别模型准确率可达90%。     

基于多特征融合和CNN模型的树种图像识别研究

目的在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。方法将6类常见树种（樟子松、山杨、白桦、落叶松、雪松和白皮松）图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。结果本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB + H通道 + LBP条件下,验证识别准确率最高,达到93.50%;RGB + HSV + LBP + HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。结论基于RGB + H通道 + LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。      

基于区域卷积神经网络模型的广西柑橘病虫害识别方法研究

【目的】研究基于区域卷积神经网络(R-CNN)模型的广西柑橘病虫害识别方法,为提高柑橘重要病症分类和病理检测效率提供参考依据。【方法】设计专用R-CNN模型,采用多层神经网络,通过机器学习算法和神经网络对柑橘黄龙病、红蜘蛛感染和溃疡病等广西柑橘主要病症特征图像进行识别,分析其准确率和空间复杂度。【结果】R-CNN模型对广西柑橘黄龙病的平均识别准确率为95.30%,对红蜘蛛感染的平均识别准确率为90.30%,对溃疡病的平均识别准确率为99.10%,均优于传统机器学习方法中支持向量机算法(SVM)的平均识别准确率(分别为93.20%、88.20%和95.20%),分类效果也优于小型神经网络模型如视觉几何组网络(VGG-19)模型,平均识别准确率分别提高4.25%、4.62%和2.55%。R-CNN模型在较少神经元参数(33层卷积网络)情况下,空间复杂度比SVM和VGG-19模型低,能获得更佳的柑橘黄龙病、红蜘蛛感染和溃疡病识别效果。【结论】R-CNN模型识别是一种对柑橘黄龙病、红蜘蛛感染和溃疡病行之有效的鉴别方法,可在广西柑橘果园大量部署和应用。     

基于双目视觉与深度学习的番茄本体特征检测系统

[目的]设计基于双目视觉与深度学习的番茄本体特征检测系统,实现番茄本体特征的自动无损检测,为水肥一体化和智慧农业提供技术支持.[方法]采集4000张番茄图像作为研究样本,利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法,对番茄植株、茎、花、果实和叶进行检测.基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取.[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试,调用训练好的模型对番茄各器官进行识别和定位,对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%.利用基于双目视觉的图像测量算法对番茄本体特征进行测量,通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内,可实现番茄本体特征的精确检测,较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年,完成了对番茄全生命周期的本体特征检测,并可将数据保存于数据库,实现对番茄本体特征的自动、无损监测.[建议]优化番茄特征遮挡问题,丰富训练数据集,优化网络模型,提高识别率和鲁棒性;建立番茄特征数据共享云平台,实现番茄疫病的提前预警;确定本体特征与番茄长势的关系,以快速判断施肥量,实现大棚番茄自动精确施肥.     

基于参数L-系统的温室番茄植株的三维重建

研究利用参数L-系统对温室番茄植株的生长过程进行快速高效的三维可视化仿真的方法。首先根据番茄植株的生长特点从图像中提取植株骨架,分析其拓扑结构,总结出番茄植株生长的参数L-系统公式集,然后利用图像与计算机图形学相结合的方法,对公式集进行图形符号解释,模拟再现番茄植株的生长过程。为了保证真实性,重建的虚拟番茄植株的茎干骨架利用来自Kinect数字化结果的真实番茄植株的茎干样本进行绘制;叶片采用了基于图像与图形相结合的方法重建,花和果实用纯图形学方法进行模拟。在VC++平台上,结合OpenGL图形库实现了可视化仿真过程。研究中所提出的方法能够较好地模拟温室番茄植株动态生长的过程,同时具备快速性与真实性。     

基于MobileNet V2和迁移学习的番茄病害识别

番茄叶部病害严重影响了番茄的产量和质量,为实现在移动设备实时对番茄进行病害识别,提高番茄的产量,减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合,对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、番茄叶霉病、番茄斑枯病、番茄红蜘蛛病、番茄褐斑病、番茄花叶病、番茄黄化曲叶病等9种叶部病害图像以及健康番茄叶片图像进行分类识别,首先将数据集按照9∶1的比例分为训练集和验证集,对于训练模型根据迁移学习的方式分别采用不冻结卷积层、冻结部分卷积层、全部冻结卷积层的方式获得3种模型,然后在模型最后加上2层全连接层并用Dropout层防止过拟合,接着通过Softmax层输出实现对番茄病害图像分类识别,最后利用验证集来统计模型的准确率和损失值。其中,冻结部分卷积层准确率最高,达到93.67%。另外,通过试验对比传统网络VGG16、ResNet50训练集和验证集的准确率、损失值及运行时间,其中迁移学习的MobileNet V2模型的准确率最高,运行时间最短。该研究提出的基于MobileNet V2和迁移学习的番茄病害识别研究方法识别效果较佳,速度较快,为在移动设备实时对...     

Bayesian classification of ripening stages of tomato fruit using acoustic impact and colorimeter sensor data

In this work, the concept of data fusion is applied to nondestructive testing data for classification of fresh intact tomatoes based on their ripening stages. A Bayesian classifier considering a multivariate, three-class problem was incorporated for data fusion. Probability of error was estimated numerically for univariate and multivariate cases based on Bhattacharyya distance. Numerical results showed that multi-sensorial data fusion reduces the classification error considerably. The Bayesian classifier was tested on data of tomato fruits taken by the following nondestructive tests: colorimeter and acoustic impact. Results of Bayesian classifier agree with numerical estimations showing an 11% classification error in the multivariate (multi-sensor) case compared with a 48% obtained by the univariate case (single sensor).     

樱桃番茄品质和产量对栽培方式及土壤类型的响应

为了探索樱桃番茄(Lycopersiconesculentumvar.cerasiforme Alef.)生长的最适环境条件,研究了不同栽培方式及土壤类型下,樱桃番茄果实不同时期产量及品质的变化。结果表明,从结果初期到结果末期,樱桃番茄果实可溶性糖和可溶性固形物质量分数呈上升趋势,蛋白质质量分数呈下降趋势,有机酸呈先降后升的变化趋势,结果初期质量分数最高;土娄土樱桃番茄果实品质指标高于黄绵土,露天处理优于温室处理;整个生长期樱桃番茄果实单株总产量为土娄土温室栽培最高,黄绵土露天栽培最低。相关分析表明,结果初期和结果盛期樱桃番茄果实单株产量与可溶性糖、有机酸、可溶性固形物和可溶性蛋白质质量分数呈负相关,结果末期呈正相关。综合分析认为,从提高樱桃番茄产量的角度出发,土娄土温室栽培为最佳;但从提高樱桃番茄品质的角度出发,应以土娄土露天栽培最优。     

基于特征融合的随机森林模型茶鲜叶分类

目的 解决机采茶鲜叶中混有不同等级的茶叶,且混杂度高、物理特征分类精确度低的问题。方法 利用随机森林分类模型,提出一种基于颜色和边缘特征融合的方法。试验采集3种不同等级的茶鲜叶,对原始图像进行裁剪、尺寸归一化和去噪等处理,再进行颜色特征和边缘特征提取。通过参数的修改和测试,构建最优的随机森林分类模型,并且同K最近邻、SVM分类器进行对比试验。结果 特征融合之后随机森林模型的分类准确率达到99.45%,比单一颜色特征和边缘特征的分类准确率分别高7.14和9.34个百分点;比K最近邻和SVM分类器准确率分别高15.38和5.49个百分点。结论 所建立的方法能够对茶鲜叶单芽、一芽一叶、一芽二叶进行精确的分类。     

营养液中添加不同盐类对水培番茄果实糖组分和相关酶活性的影响

以营养液膜技术水培番茄‘粉太郎2号’ Lycopersicon esculentum ‘Fentailang 2’。测定果皮、果肉、心室隔壁和胶质胎座4个部位的糖质量分数与蔗糖代谢相关酶活性,研究营养液中添加不同盐类（氯化钠、氯化钾、氯化钙和石膏,电导率为0.40 S·m-1）对水培番茄不同生长期果实各部位糖组分和蔗糖代谢相关酶活性的影响。结果显示:转色期各部位4种糖（蔗糖、果糖、葡萄糖、淀粉）的总质量分数较高,成熟期质量分数略有下降;转色期与成熟期各部位以果糖为主,绿熟期以葡萄糖为主。各部位在转色期蔗糖合成较为活跃,在成熟期分解大量蔗糖。营养液中添加氯化钠或氯化钾明显降低成熟期果皮、果肉和心室隔壁的蔗糖质量分数。果实成熟过程中,蔗糖合成酶（SS）和蔗糖磷酸合成酶（SPS）活性表现为在转色期上升,成熟期下降的倒Ⅴ型趋势。各处理成熟期果实各部位的酸性转化酶（AI）和中性转化酶（NI）活性均大于绿熟期。营养液中添加不同盐类在不同程度上抑制转色期果实SS活性,提高成熟期果实转化酶的活性;添加氯化钾、氯化钙或石膏提高转色期果实SPS活性,添加氯化钠或氯化钾改变果实某些部位SS活性原有的变化趋势。     

Translocation and recovery of 15N-labeled N derived from the foliar uptake of 15NH3 by the greenhouse tomato (Lycopersicon esculentum Mill.)

In order to completely evaluate ammonia emission from greenhouse vegetable fields, crop canopy absorption should not be neglected. The foliar uptake of NH₃ applied at two growth stages and the subsequent ¹⁵N-labeled N translocation to other plant components were investigated under greenhouse conditions using chambers covered with the soil of a tomato field. Treatments comprised three NH₃-N application rates (70, 140, and 210 mg/plot) using ¹⁵N-labeled ammonium sulfate. Plants were harvested immediately after exposure for 24 h, and the total N concentrations and ¹⁵N/¹⁴N ratios were determined. With increased NH₃ concentration, total ¹⁵NH₃-N absorption increased considerably, whereas the applied ¹⁵NH₃-N uptake decreased gradually. The tomato plants absorbed 33–38% and 24–31% of the ¹⁵NH₃-N generated at the anthesis and fruit growth stages, respectively. A total of 71–80% of the recovered NH₃ was observed in the leaves and 20–30% of the recovered NH₃ was remobilized to other components. Among them, an average of 10% of the absorbed ¹⁵NH₃-N was transferred into the tomato fruits. All these results indicated the potential of the tested tomatoes for the foliar uptake of atmospheric ¹⁵NH₃ and the distribution of ¹⁵N-labeled vegetative N among different plant components. The results are of great importance for the complete evaluation of nitrogen use efficiency in the greenhouse tomato fields.     

Production of new early ripening hybrids of large fruited pumpkin (<Emphasis Type="Italic">Cucurbita maxima</Emphasis>) based on functional male sterility

Breeders of the All-Russia Research Institute of Irrigated Vegetable and Melon Growing created new breeding valuable maternal lines CL fms (cut-leaved, choriphyllous) and EL fms (entire-leaved, integrifolious) with the functional male sterility and high general combining ability suitable for the production of early ripening F₁ hybrids of large fruited pumpkin. The conducted analysis of pollen of the forced open anthers of flowers with the functional male sterility demonstrated its high fertility (90.2%) allowing the use of this pollen for artificial pollination. It was found that the functional male sterility of large fruited pumpkin is inherited recessively and controlled by the one gene. Maternal lines CL fms and EL fms demonstrated a high level of general combining ability for the “ripeness” trait. F₁ hybrids obtained based on these lines were superior to the standard mid-early ripening pumpkin variety Kroshka at 10–18 days; isolated hybrid combinations were at the level of standard variety in terms of yield and solids content. Maternal lines CL fms and EL fms allow the production of the hybrid offspring with brightly colored fruits in contrast to the maternal line LF fms (large fruited) that provided the hybrids with fruits that had different shades of gray color of the cortex. The majority of hybrid combinations allow obtaining fruits of portion size with an average weight of 1–3 kg and high productivity. F1 hybrid combination EL fms × Konfetka-ultra early ripening with colored fruits of portion size and high biochemical indexes was distinguished based on the complex of agronomic characters.     

基于叶片图像多特征融合的观叶植物种类识别

叶片图像特征提取对于植物自动分类识别有着重要的研究意义。本文以观叶植物叶片为研究对象,综合提取叶片图像的颜色、形状和纹理特征,基于支持向量机(SVM)原理提出了基于图像分析的观叶植物自动识别分类方法。通过对50种观叶植物样本图像进行训练和识别,与BP神经网络和KNN识别方法进行比较,本文所采用的SVM分类器的识别率能够达到91.41%,取得了较好的识别效果。