玉米苗期杂草的计算机识别技术研究

利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征，再进行连续腐蚀与膨胀，然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗，最后利用种子填充法从阈值分割结果中擦除玉米目标，剩余的就是杂草目标。研究表明，基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%，处理一幅640×480像素的杂草图像平均耗时约为58 ms。     

基于颜色分量与直方图的玉米苗期背景分割方法研究

对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。     

基于监督局部线性嵌入算法的玉米田间杂草识别

杂草精准识别是实现农药定向定量喷洒的基础,是精准农业重要的研究课题之一,对环境保护和生产成本控制都有着重要的现实意义。该文以玉米田间常见杂草为研究对象,首先通过超绿特征去除田间复杂背景的影响,然后采用形态学方法自动分割图像中绿色植物区域作为待判别为杂草或作物的识别对象,之后采用基于Fisher投影的监督LLE（locally linear embedding）方法对样本的高维灰度特征进行降维,在低维空间结合支持向量机实现了杂草的快速识别。试验结果表明,该识别方法能更好地发现杂草与玉米的低维特征,对杂草和玉米植株的平均识别率分别达到97.2%和77.8%。该研究结果可为精准喷洒除草剂的自动化实现提供参考。     

冬油菜田杂草探测光谱传感器设计与应用

杂草的精确识别是对靶施药和自动化机械除草的关键前提,基于光谱分析技术的光谱传感器可以实现快速、无损的杂草识别.该文以冬油菜苗期杂草为研究对象,根据试验选取的4个特征波长点(595、710、755和950 nm),设计了一种能自动识别杂草的光谱传感器.根据光学系统原理和田间实际操作要求,提出了该光谱传感器的结构设计方案,选择了合适的光学器件,并开发了光谱传感器信号调理电路.对光谱传感器进行了标定和试验验证,根据便携式光谱仪和光谱传感器在4个波长下的测量结果建立了相应的标定方程,方程的决定系数分别为0.799、0.812、0.892和0.867,验证试验结果的相对误差绝大多数都在10％以内,可以识别冬油菜苗期田间杂草.该传感器为杂草自动探测装置的开发提供了参考.     

基于株心颜色的玉米田间杂草识别方法

根据3～5叶苗期玉米植株的生长特征及其株心所具有的颜色特征,提出了一种利用玉米植株的株心颜色特征识别玉米田间杂草的方法。玉米植株叶片的颜色是深绿色,而株心区域的颜色是浅绿色,该特征可由反映颜色深浅程度的饱和度指标表达。玉米植株的中心区域具有最大的饱和度值,该特性可用于在利用绿-红指标分割土壤背景后玉米植株的中心区域的提取。对分割后的绿色植株前景而言,与提取的株心区域相连通的区域是玉米植株,反之,非连通区域为杂草。试验结果表明：玉米植株和杂草的正确识别率平均为88%和84%,识别一帧720×576象素的图像的平均时间 120 ms。玉米植株的正确识别率主要受中心区域的完整度影响,而杂草的正确识别率主要受玉米和杂草叶片重叠程度的影响。     

基于双注意力语义分割网络的田间苗期玉米识别与分割

为实现复杂田间场景中幼苗期玉米和杂草的准确识别与区域划分,该研究提出改进的双注意力语义分割方法,通过获取形态边界实现玉米幼苗的识别与精细分割,在此基础上采用形态学处理方法识别图像中除玉米外的全部杂草区域。首先对6种当前最高性能的语义分割网络进行对比,确定模型原始架构;建立幼苗期玉米语义分割模型,包括改进深层主干网络增强特征,引入双注意力机制构建特征的场景语义依赖关系,以编码器-解码器结构组建模型并增加辅助网络优化底层特征,改进损失函数协调模型整体表现,制定改进的迁移学习策略;提出图像形态学处理方法,基于玉米像素分割结果,生成杂草分割图。测试结果表明,模型的平均交并比、平均像素识别准确率分别为94.16%和95.68%,相比于原网络分别提高1.47%和1.08%,识别分割速度可达15.9帧/s。该研究方法能够对复杂田间场景中的玉米和杂草进行准确识别与精细分割,在仅识别玉米的前提下识别杂草,有效减少图像标注量,避免田间杂草种类的多样性对识别精度的影响,解决玉米与杂草目标交叠在形态边界上难以分割的问题,研究结果可为智能除草装备提供参考。     

基于图像识别技术的夏玉米生育期识别方法初探

通过对河南省鹤壁市农业气象试验站夏玉米整个生育期的田间观测,利用＂农情1号＂田间监测设备定期采集不同生育期玉米的图像资料,分析测点内玉米群体图像特征,结合多种颜色特征参数实现对田间玉米主要生育期的识别。针对玉米不同生育期,分别采用RGB颜色空间提取绿色像素值占整幅图像比例和HSL颜色空间提取黄色像素值占整幅图像比例进行判定;针对田间杂草影响图像颜色的提取,提出基于区域标记的小面积消去算法消除图像中部分杂草的干扰;针对图像中湿润土壤对提取黄色像素值的干扰,提出结合HSL颜色空间S分量消除湿土颜色。经过与人工观测对比,结果表明：利用颜色特征参数对夏玉米主要生育期进行识别是可行的,正确识别率达到94.26%。     

计算机视觉技术在玉米生产管理中的应用

计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。     

基于多光谱图像和数据挖掘的多特征杂草识别方法

为满足变量喷洒对杂草识别正确率的要求,提出一种基于多光谱图像和数据挖掘的杂草多特征识别方法。首先对多光谱成像仪获取的玉米与杂草图像从CIR转换到Lab颜色空间,用K-means聚类算法将图像分为土壤和绿色植物,随后用形态学处理提取出植物叶片图像,在此基础上提取叶片形状、纹理及分形维数3类特征,并基于C4.5算法对杂草分别进行单特征和多特征组合的分类识别。试验结果表明,多特征识别率比单特征识别率高,3类特征组合后的识别率最高达到96.3%。为验证该文提出方法的有效性,将C4.5算法与BP算法以及SVM算法进行比较,试验结果表明C4.5算法的平均识别率高于另2种算法,该文提出的田间杂草快速识别方法是有效可行的。该文为玉米苗期精确喷洒除草剂提供技术依据。     

基于机器视觉的田间杂草识别技术研究进展

田间杂草识别技术是实现变量喷洒除草剂以保护环境的关键所在。针对国内外在精细农业的杂草识别领域，全面、系统地分析了基于机器视觉的田间杂草识别技术的研究进展与应用状况，以促进该项技术在中国的应用和发展。分别阐述了利用植物和背景形状特征、纹理特征、颜色特征和多光谱特征识别田间杂草技术的理论依据、特征参数、研究状况和问题所在，并指出了实现田间实时识别的难点。     

基于多特征的田间杂草识别方法

该文阐述了通过利用植物的多种特征实现田间杂草的精准自动识别的方法。该方法先利用颜色特征分割土壤背景,然后利用位置和纹理特征识别行间和行内杂草,最后利用形态特征后处理误识别的作物和杂草。在实验室内利用实地采集的3～5叶期、不同作物行数的麦田图像对该方法进行了测试。作物和杂草的正确识别率最低为89%,最高为98%;处理时间最低为157 ms,最高为252 ms。试验结果表明：基于多特征的田间杂草识别方法具有较高的识别率和较快的识别速度。     

稀土镧对镉胁迫下玉米幼苗生长的影响

以水培法研究了重金属Cd对玉米幼苗的胁迫伤害及稀土La对Cd伤害的缓解作用。结果表明,在Cd胁迫伤害下,玉米幼苗生长受到抑制,主要表现为株高、主根长下降,叶面积锐减,茎叶、根的鲜重以及干重明显下降,随着Cd胁迫浓度的增加,玉米幼苗受伤害程度趋向严重。在玉米幼苗上喷施适量浓度LaCl3(20mg/L),能缓解Cd对玉米幼苗生长造成的伤害。     

水浸泡玉米秸基质对番茄育苗效果的影响

草炭是一种广泛应用的优良作物栽培基质,过度开采会对环境造成危害,研究性能稳定能够替代草炭基质的材料一直受到国内外的重视。该文把单位体积的玉米秸基质加入2倍体积的水中浸泡不同时间,风干后与一定比例的蛭石混配作为育苗基质,以草炭基质为对照,进行番茄育苗试验。在育苗期间,定期观测幼苗地上部、地下部的相关形态指标及干物质积累指标,研究水浸泡时间对玉米秸基质育苗效果的影响,结果表明：水浸泡的玉米秸基质能促进番茄幼苗的生长,增加地上部、地下部及全株鲜质量和干质量,并且这种效果随播种后天数的延长表现的更为明显;不同浸泡时间对番茄幼苗生长的影响有差异,延长浸泡时间对番茄幼苗的生长和干物质积累有明显促进作用,但浸泡时间过长,这种效果有减弱趋势,以浸泡10 d的处理育苗效果最优。浸泡10 d的玉米秸基质可以替代草炭基质用于番茄育苗,水浸泡是改良玉米秸基质理化性状的有效措施。     

利用无人机可见光遥感影像提取棉花苗情信息

为提高棉花苗情信息获取的时效性和精确性,该文提出了基于可见光遥感影像的棉花苗情提取方法。首先,利用自主搭建的低空无人机平台获取棉花3~4叶期高分辨率遥感影像,结合颜色特征分析和Otsu自适应阈值法实现棉花目标的识别和分割。同时,采用网格法去除杂草干扰后,提取棉花的形态特征构建基于SVM的棉株计数模型。最后,基于该模型提取棉花出苗率、冠层覆盖度及棉花长势均匀性信息,并绘制棉花出苗率、冠层覆盖度的空间分布图。结果显示,模型的测试准确率为97.17%。将模型应用于整幅影像,计算的棉花出苗率为64.89%,与真实值误差仅为0.89%。同时基于冠层覆盖度、变异系数分析了棉花长势均匀情况。该文提出的方法实现了大面积棉田苗情的快速监测,研究成果可为因苗管理的精细农业提供技术支持。     

基于遥感与多变量概率抽样调查的作物种植面积测量

针对传统抽样调查工作中调查基础资料时效性不高和野外调查工作量较大等问题,该文提出了一种遥感与MPPS(multivariate probability proportional to size)抽样调查相结合的农作物种植面积测量方法。利用第2次农业普查数据进行抽样框的编制;利用时序中分辨率遥感数据进行农作物种植面积的分类;在中分辨率遥感分类图的基础上进行MPPS抽样;采用高空间分辨率遥感数据对抽选样本进行面向对象的分类;根据MPPS抽样方法进行总体农作物种植面积的推断;计算CV值,评价抽样精度,以国家统计局公布数据为标准进行总体面积精度评价。以辽宁省北镇市为研究区对该方法进行了测试。结果显示,该方法能够有效的提取县级农作物种植面积,农作物种植面积提取精度优于92%。     

密闭式立体育秧系统水稻育苗基质配方研究

针对水稻育苗用土资源日益减少、适用于密闭式水稻立体育秧基质缺乏等制约水稻工厂化育苗技术发展的问题,该文以粉碎稻壳、粉碎玉米秸秆、珍珠岩、大田土为基质材料,设计3种单一基质CK1(100%大田土)、CK2(100%盼碎玉米秸秆)、CK3(100%粉碎稻壳)和按体积比配制的6种复合基质S1(80%粉碎稻壳+10%大田土+10%珍珠岩)、S2(60%粉碎稻壳+20%大田土+20%珍珠岩)、S3(40%粉碎稻壳+40%大田土+20%珍珠岩)、T1(80%粉碎玉米秸秆+10%大田土+10%珍珠岩)、T2(60%粉碎玉米秸秆+20%大田土+20%珍珠岩)、T3(40%粉碎玉米秸秆+40%大田土+20%珍珠岩)进行育苗试验,并分析9种基质的理化指标,结果表明,各处理的理化指标含量差异显著;添加粉碎稻壳、粉碎玉米秸秆复合基质的秧苗品质要优于单一基质;添加玉米秸秆的复合基质(T1、T2、T3)秧苗品质要优于添加稻壳的复合基质(S1、S2、S3);粉碎稻壳、粉碎玉米秸秆的添加量对秧苗生长影响较大,其添加量在60%(S2和T2)时,秧苗的各性状表现最优,其他2个处理差异不显著。以秧苗的农艺、生物量、力学性能作为评价指标,最佳的复合基质配方为处理T2。田间栽培结果表明,与常规育苗模式(普通平面大棚+自然光+大田土)对比,经T处理(密闭式立体+LED日光灯+T2基质)的秧苗在穴数上没有差异,株高平均值117.9 cm,低于对照的常规育苗平均值121.8 cm;千粒质量平均值25.35 g;其他各项指标平均值均高于常规育苗,实测增产5.9%。该研究结果可为密闭式水稻立体育秧系统高效稳定生产提供参考。