不同营养元素缺乏对甘蓝型油菜苗期生长和根系形态的影响

为了解营养元素缺乏对油菜苗期生长及根系形态的影响,根据甘蓝型油菜苗前期生长的养分需求特点,设置了营养液栽培条件下不同缺素处理的合适浓度,培养28d后,系统分析了甘蓝型油菜中双11在氮、磷、钾、钙、镁、硼、铁、铜、锌等营养元素缺乏条件下的表型特征、植株生物量、根冠比、叶绿素(a、b)、类胡萝卜素、花青素以及根系形态指标的变化。结果表明,不同缺素处理的油菜表型差异较大,大量元素氮、磷、钾的缺乏对油菜生长的影响极为显著;中微量元素钙、镁、硼、铁、铜、锌的缺乏也不同程度地抑制了油菜的生长。不同处理下叶片表现出不同的缺素特征,叶片(新叶、老叶)色素存在明显变化,并且差异显著。铁是影响新叶叶绿素(a、b)合成最大的元素,缺铁显著地阻碍新叶叶绿素合成;锌是对新叶叶绿素a、类胡萝卜素影响最大的元素,缺锌促进了其在新叶中的积累;而缺硼对老叶中花青素含量的积累影响最大。此外,不同缺素处理对油菜根部生物量、根冠比及根系生长发育的影响有所不同,除缺铁、缺锌外,其它缺素处理根部生物量都显著减少;缺氮、缺磷、缺钙、缺铁、缺铜和缺锌显著增加根冠比;缺氮、缺磷、缺镁、缺铜和缺锌处理显著增加主根长,缺氮、缺磷处理显著增加侧根长,缺钾、缺钙和缺硼处理显著抑制主根和侧根的生长。     

外源多胺和硼对油菜苗期 生长和膜质过氧化的影响

溶液培养条件下研究外源多胺和硼对油菜苗期生长、膜透性、保护酶活性的影响。试验结果表明,缺硼 显著降低油菜根长、株高、根和地上部干重,增加细胞膜透性,抑制保护酶SOD和CAT活性。喷施外源腐胺和亚精 胺可以提高油菜叶片SOD、CAT活性,增加细胞膜的稳定性,亚精胺作用效果优于腐胺,缺硼条件下比正常供硼时 表现更明显。外源多胺在一定程度上可以缓解缺硼对油菜幼苗叶片细胞膜的伤害,维持其稳定性。     

甘蓝型油菜不同硼效率品种酯酶同工酶的比较分析

运用聚丙烯酰胺凝胶垂直平板电泳方法,分析甘蓝型油菜２个硼低效品种、４个硼高效品种及其４个Ｆ１苗期、蕾期和花期不同器官的酯酶同工酶,探索甘蓝型油菜不同硼效率品种及Ｆ１间酯酶同工酶的关系。结果表明：三个时期不同器官的酯酶同工酶谱比效稳定,出现明显的三个带区;不同硼效率品种间酯酶同工酶谱在各个时期和器官都有差异,但苗期叶片酯酶同工酶谱在快带区的差异最显著,容易辨别,Ｆ１为共显性;缺硼时甘蓝型油菜不同硼效率品种酯酶同工酶的谱带颜色变深,酶活性增强,但同工酶的谱带数没有变化。     

基于数字图像分析技术的橡胶树叶片氮含量预测

为建立橡胶树氮素营养快速诊断技术,利用数码相机获取橡胶树叶片图像,运用数字图像处理技术提取叶片图像的颜色特征参数,分析颜色特征参数与橡胶树叶片氮含量的相关性,并建立回归模型。结果表明,9个颜色特征参数R/B、B/(R+G)、R/(G+B)、R/(R+G+B)、B/(R+G+B)、(B+G)/(R+G+B)、(R-B)/(R+G+B)、(R-B)/(B+R)和G/(R-B)与橡胶树叶片氮含量相关性较好,综合评价得出G/(R-B)所建立的橡胶树热研7-33-97叶片氮含量二次多项式估测模型最优,模型校正决定系数为81.04％,预测相对误差和均方根误差分别为10.91％和0.31％,表明利用数字图像分析技术可以进行成龄橡胶树热研7-33-97叶片氮素含量营养诊断。     

基于图像颜色与形状特征的幼龄沉香全氮含量预测

为了促进数字图像处理技术在林木营养诊断中的应用，实现对林木生长状态及养分含量的实时监测，本研究以濒危珍贵树种沉香为对象，构建了3种基于图像颜色特征与形状特征的幼龄沉香全氮含量预测模型，为幼龄林木的营养诊断提供了理论依据。首先，根据边界距离与设定误差的大小确定最佳K值，运用改进的K-Means算法提取前景图像。然后，分离前景图像的R、G、B三通道并分别计算均值，根据图像颜色空间转换公式，将图像分别转换到HIS、Lab颜色空间下，得到色调（H）、饱和度（S）、明度（I）、亮度（L）、红到绿通道（a）、黄到蓝通道（b），共计获得9种颜色特征。寻找前景图像的最小外接矩形，计算前景图像的面积（CA），前景图像最小外接矩形的面积（RA）、周长（RC）以及矩形度（RD），共计获得4种形状特征。最后，分别对颜色特征、形状特征、颜色特征+形状特征进行主成分分析，以获得的3类主成分为自变量构建幼龄沉香全氮含量预测模型，同时对构建的3种模型精度进行检验。结果表明，改善K值选取方式可以降低K-Means聚类分割算法的不确定性，增强算法的分割效率，可以实现对沉香可见光图像的精准分割。本研究构建的3种幼龄沉香全氮...     

甘蓝型油菜苗期不同部位叶含氮量差异的研究

通过施氮（N）处理试验,研究了甘蓝型杂交油菜宁杂1号苗期不同叶片的N素含量变化,结果表明：（1）不同叶位的叶片含N率随叶位上升而逐渐提高。（2）苗期植株体内的N素总量主要分布于中部3片叶,并集中于叶片,叶柄含N率较低。（3）单位叶面积含N率以倒数第2展开叶最高,衰老叶片只有正常叶片的1／3左右。（4）增施N肥能明显提高各叶位叶片的含N率、N素总量以及单位叶面积含N率,特别对叶片的作用较大。     

玉米营养诊断

玉米营养诊断Ｋ．Ｃ．Ｂｅｒｇａｒ对作物生产投资最佳的经济回收取决于整个生育期间足够的养分供应。缺素将改变作物的颜色和减少糖的形成。在生长季节应多次进行田间检查。早期发现缺素现象可通过侧施肥纠正。即使当年不能够得到纠正，但对发生缺素地点来年计划施肥项目...     

基于SURF算法的大豆灰斑病视觉识别系统

机器视觉技术是农田信息采集系统的关键技术之一,在精细农业中有广泛应用,农作物病害部位的精准识别作为精准施药的前提和关键,其识别精准度对病害防治效果影响巨大,当前农田信息采集系统识别精度差的问题急需解决。本研究结合机器视觉与计算机图像处理技术,以Visual Studio 2010为开发平台,搭建大豆灰斑病计算机视觉识别系统。由计算机摄像头采集大豆叶片图像,通过对彩色图像灰度化预处理,分别对比Open CV(Open Source Com-puter Vision Library)计算机视觉开源库中两个图像特征检测识别方法—SURF(Speeded Up Robust Features)法和SIFT(Scale-Invariant Feature Transform)法,对图像灰斑特征点进行检测,两种算法在输出帧率上差别明显,SIFT算法输出帧率为0. 3～0. 5 fps,SURF算法输出帧率为0. 6～0. 9 fps,考虑设备性能和灰斑识别的精准性,最终选用SURF算法;建立图像像素点海森矩阵,经高斯滤波,利用非极大值抑制法确定特征点,再由立体空间差值法定位极值点,根据哈尔小波响应值选取特征点主方向,构造SURF特征点描述算子以提取特征点,编写相关程序代码,分别对黑农44分枝期和结荚期大豆叶片灰斑进行检测。结果显示:分枝期叶片纹理少,特征点少,检测效果好,检测正确率97. 28%,耗时0. 97 s,结荚期叶片纹理增多,绘制特征点较多,检测正确率89. 49%,耗时1. 19 s,基本满足大豆灰斑病识别系统功能需求。通过田间试验,利用FLANN算法对分枝期视频图像进行特征点提取,实现对视频图像帧检测并匹配特征点的目的,检测率为90. 7%,匹配率93. 8%,该大豆灰斑病视觉识别系统的构建能够为下一步精准施药及相关农田信息精准采集系统设计提供思路与参考。     

油菜生产专家系统知识库构建

采用“浏览器 / Web服务器 /数据库系统”三层网络结构模型 ,遵循 COM/ DCOM/ COM 技术规范 ,利用软构件技术和专家系统技术 ,将我国著名油菜专家官春云院士的理论知识、技术体系、研究成果和经验常知进行智能化集成 ,形成了油菜生产专家系统。该系统在智能决策方面不仅可用于一般油菜知识信息查询 ,而且可提供油菜播前农艺措施优化、发芽出苗期管理、苗期管理、蕾薹期管理、开花期管理、角果期管理、油菜病虫草害诊断与防治、田间诊断和油菜产后加工等决策 ,并可进行可视化模拟分析、油菜产量预测及经济效益分析等。     

基于图像处理技术的5种红树林叶片形态特征及叶绿素相对含量的估测

为研究基于计算机视觉的图像处理技术获得的红树林叶片形态特征和叶绿素相对含量,以5种红树林为研究对象,分析其叶片形态特征及建立叶片颜色参数和叶绿素相对含量的回归模型,为苗木培育及营养诊断提供理论依据。结果表明：基于图像处理技术获得红树林叶片形态特征值是可信的,5种红树林叶片形态特征（叶面积、叶长、叶宽、叶周长、叶片形态因子）存在显著差异。红海榄和木榄单片叶片最大,其次是秋茄和桐花树,白骨壤叶片最小,白骨壤叶片形态接近椭圆形,红海榄和秋茄2种红树叶片属于长条型,木榄和桐花树叶片形态类似,红海榄叶长和叶宽相关性最强。5种不同种类红树林的SPAD值和Dualex值差异性显著。利用数码相机获取5种红树林叶片彩色图像,通过图像处理软件提取RGB以及通过差值、比值、标准化值、归一化值等运算组合的28种颜色特征值,与叶绿素相对含量（SPAD值、Dualex 值）进行回归分析,B值与SPAD值极显著相关,(R+B+G)/3、R/B、G/B与SPAD值显著相关;18种颜色特征参数与Dualex值显著相关,其中相关系数最大的为G-B和G值。因此,可依据颜色特征参数（R、G、B）建立相应的统计模型进行红树林叶片叶绿素含量的估测,进而为检测红树林生长、诊断营养状况以及进行水肥精确管理提供理论依据和技术支持。     

缺素桉树叶片图像特征提取研究

研究3种桉树无性系苗木在不同营养液中对砂培苗木3种叶片图像特征的影响.运用数字图像处理技术获得研究叶片的颜色特征、形态大小、形状等16个性状,利用主成分分析获得其叶片图像综合特征信息PC指标,并分析不同无性系、营养液、叶片类型对PC指标的影响.结果表明:不同因素水平均对其PC值产生显著差别,各因素主效应和交互效应均显著...     

基于距离度量学习的棉花品级分类方法研究

由于人工定级的方法存在如效率低、主观性强等诸多弊端，本文提出了1种经济有效的棉花品级分类方法。使用主成分分析法对数据集进行预处理，从而降低特征向量的维度；使用大边界k近邻算法学习得到1个马氏距离度量矩阵，从而实现对棉花图像的分析、特征提取等操作，使用距离度量学习、机器学习的技术来模拟人类的视觉感知；训练k近邻分类器，从而实现棉花品级的自动分类。通过试验证明了本文提出的方法可以有效现实棉花品级分类。     

橡胶树叶片镁素含量高光谱估算

镁素与橡胶树生长和产胶密切相关,快速、准确测定橡胶树叶片镁素含量,对橡胶树叶片镁素营养状况评价和实施配方施肥具有重要意义。本研究采集多区域、多品种、多割龄的橡胶树成熟鲜叶,旨在获得涵盖缺、正常、丰富等不同镁素含量等级的叶片样品,利用FieldSpec4和化学方法同步获取叶片样品的光谱反射率和镁含量数据,对光谱反射率进行噪声波段去除和重采样后,采用Kennard-Stone(KS)算法将样本集划分为校正集和验证集。对叶片光谱反射率进行Savitzky-Golay(SG)微分变换,基于全波段的不同变换模式下的微分光谱与镁含量数据,采用偏最小二乘法（PLS）及留一交叉验证方法建模,通过筛选,得到最佳微分变换模式为：微分阶数为2,滤波窗口大小为71,多项式次数为2或3。通过PLS回归系数特征波长优选得到23个最佳微分光谱特征变量,基于最佳微分光谱特征变量和镁含量数据,采用PLS方法建立了橡胶树叶片镁素含量高光谱估算模型。结果表明,相比原始光谱反射率,基于微分光谱特征变量构建的模型预测效果明显提升,R²从0.666提升到0.805,RMSE从0.475 g/kg减小到0.372 g/kg,RPD从1.739提升到2.217。SG微分光谱变换和PLS回归系数特征波长优选能够明显提升模型估算精度,RPD位于2.0~2.5之间,模型估算能力良好。     

甘蓝型油菜微核心种质耐旱鉴定与评价指标筛选

干旱是威胁油菜生产的重要非生物逆境，建立有效的耐旱鉴定方法，筛选鉴定耐旱油菜种质资源，对培育油菜耐旱新品种、提高油菜稳产性具有重要意义。本文以107份甘蓝型油菜微核心种质为材料，设置正常供水和干旱2个处理，采用干旱-复水-干旱-复水的处理方法，通过测定旱害指数、叶片萎蔫指数、地上部鲜重胁迫指数、地上部干重胁迫指数、根鲜重胁迫指数、根干重胁迫指数、植株总鲜重胁迫指数、植株总干重胁迫指数等指标，评价油菜种质耐旱性变异，筛选理想的耐旱评价指标。结果表明，干旱严重抑制了甘蓝型油菜的生长，8个评价指标均表现出显著差异，并呈正态分布。地上部鲜重胁迫指数、植株总鲜重胁迫指数和旱害指数3个指标之间显著相关，可作为甘蓝型油菜苗期耐旱性的主要评价指标，其中地上部鲜重胁迫指数最为简便、准确和有效；综合应用这3个评价指标，明确了107份微核心种质耐旱性，筛选出2份高耐旱种质，为耐旱相关研究及育种提供了评价方法和材料。     

使用Kinect传感器的油菜叶片面积测量方法

为快速准确地测定活体油菜的叶片面积,减小在数字图像处理中由于叶片的卷曲和变形带来的二维投影误差大的问题,使用Kinect传感器拍摄油菜叶片的彩色和深度图像,用三维方法测量叶片面积。利用绿色分量值显著的特性在彩色图中分割出叶片并将其映射到深度图。在深度图中,使用标定方块计算像素-物理尺寸转换参数,以计算叶片的三维点云。在三维点云中,检测叶片的轮廓并去除毛刺,再使用插值使点云网格化,最后使用海伦公式计算叶片轮廓包含的网格面积,得到叶片的总面积。实验结果表明,Kinect传感器的测量方法成本低、精度高、通用性强。测量值与真实值之间显著正相关,相关系数为0.998 5。使用回归方程y=0.955x+22.357可以校正测量值,使其更准确地反映叶片面积。     

不同基因型油菜对苗期水分胁迫的生理响应

通过盆栽试验分析了17个不同基因型甘蓝型油菜对苗期水分胁迫的生理响应及抗旱性差异。结果表明,水分胁迫下不同油菜材料9个生理生化指标的抗旱系数（Dc）存在显著差异,其中叶片萎蔫指数（WI）的变异系数和改良潜力最大。17份材料的平均隶属函数值（AS）变幅在0.12～0.94之间。相关分析表明AS与9个生理生化指标达显著或极显著相关,其中相关性最高的是WI和叶绿素含量,而且WI还与其余的8个生理生化指标具有很高的相关性。利用隶属函数法和系统聚类法对供试材料的抗旱性进行了评价分级,发现两种分类方法的评价结果一致,均可将供试油菜材料划分为不抗、低抗、中抗和高抗4种类型。鉴定获得了华杂10号、B108、Q2和中双7号等4份高度抗旱材料（AS > 0.75）。由于WI与苗期综合抗旱性高度相关,且测定简便,因此叶片萎蔫指数可作为油菜苗期抗旱性鉴定的关键指标。     

基于深度卷积神经网络的大豆叶片多种病害分类识别

为实现复杂田间背景下快速高效分类识别多种大豆叶片病害图像,以准确性、训练时间和训练误差为深度学习模型性能指标,对比评估不同深度卷积神经网络模型.首先将无人机收集到的大豆叶片病害图像数据集按7∶3的比例分为训练集与测试集.为扩充数据图像,对训练集原图进行数据增强.基于不同权重的微调和迁移学习训练策略,采用Inception-v3、VGG-19、ResNet-50和Xception 4种深度神经网络模型对大豆叶片多种病害进行分类识别,并进行田间验证试验.结果 表明,在FT75％训练策略下的Inception-v3模型准确性最高,为99.04％;与其他模型相比,FT 100％和FT 75％训练策略下的深度学习模型显示出较高的准确性和较低的训练误差,但训练时间也更长.将训练好的Inception-v3 FT 75％模型用于计算机视觉系统的结果表明该系统可有效实现田间复杂背景下大豆叶片病害的智能识别.     

利用无人机图像颜色与纹理特征数据在小麦生育前期对产量进行预测

为了实现基于无人机的小麦产量快速预测，通过不同种植密度、氮肥和品种的田间试验，应用无人机航拍获取小麦生育前期（越冬前期和拔节期）的RGB图像，通过图像处理获取小麦田间颜色和纹理特征指数，并在小麦收获后测定实际产量。通过分析不同颜色和纹理特征指数与小麦产量的关系，筛选出适合小麦产量预测的颜色和纹理特征指数，建立小麦产量预测模型并进行验证。结果表明，小麦生育前期图像颜色指数与产量的相关性较好，而纹理特征指数相关性较差。对越冬前期利用单一颜色指数NDI构建的产量预测模型验证时，R为0.541，RMSE为671.26 kg·hm^-2；对拔节期用单一颜色指数VARI构建的产量预测模型验证时，R为0.603，RMSE为639.78 kg·hm^-2，预测结果比较理想，但不是最优。对越冬前期颜色指数NDI和纹理特征指数ENT相结合构建的产量预测模型验证时，R和RMSE分别为0.629和611.82 kg·hm^-2，比单一颜色指数模型分别提升16.27%和减小8.85%；对拔节期颜色指数VARI和纹理特征指数COR相结合构建的产量预测模型验证时，R和RMSE分别为0.746和510.29 kg·hm^-2，较单一颜色指数模型分别提升23.71%和减小20.24%。上述结果说明，将无人机图像颜色和纹理特征指数相结合建立的估产模型精度较高，可在小麦生育前期对产量进行有效预测。     

基于模板匹配的多目标水稻灯诱害虫识别方法的研究

 水稻灯诱害虫的识别与计数在水稻田间害虫监测中是非常重要的。由于水稻害虫被黑光灯诱集后姿态各异,存在虫体残缺现象,增加了图像自动识别的难度。在获取水稻灯诱害虫非粘连图像基础上,利用模板匹配和K折交叉验证方法进行多目标水稻灯诱害虫的识别。首先,提取每个水稻害虫图像中包括颜色、形态和纹理共156个特征参数;然后,利用主成分分析法进行数据降维,选取前6个主成分作为害虫特征参数;最后,根据每种灯诱害虫的姿态确定模板数,通过模糊C均值获得聚类中心作为模板参数,分别利用单模板和多模板匹配方法进行水稻害虫的识别。结果表明,针对姿态各异且有虫体残缺的多目标水稻灯诱害虫,多模板和单模板匹配法的识别率分别为83.1%和59.9%。     

甜菜苗期缺素症状研究

试验以双丰8号为材料,在苗期进行11种缺素处理,结果如下:1.形态变化:缺N、P、K、Ca、Mg元素,其地上部症状明显。缺N、K、Ca、Fe、Zn、B元素时,根量有显著差异;2.解剖结构:因缺素造成叶片脉间失绿和发黄部位是叶肉细胞内的叶绿体数目及内含物减少,液泡化明显的结果。干枯叶片的结构,表现细胞萎缩、排列不规整;3.生理指标:叶绿素a、b含量与光合速率在绝大部分缺素处理中均低于对照。各缺素处理在形态、解剖和生理三者变化基本吻合。