基于分焦平面偏振成像的冬青卫矛含水率快速无损检测

针对目前在植物含水率检测中存在的使用场景受限、含水率检测不及时等问题,该研究搭建了一套基于分焦平面偏振相机的偏振成像系统,通过对偏振成像信息的解析建立了线偏振度这一物理量与含水率的依赖关系,揭示了偏振光与植物内水分间的相互作用机理,实现了对冬青叶片含水率的快速、无损检测。结果表明：1）针对于不同月份、晴雨天气条件以及不同部位这3种不同影响因素下的冬青卫矛叶片,都可以通过线偏振度来反映其含水率情况,其统一表现为随着含水率的梯度降低,线偏振度逐渐增大;2）该研究通过采集大量的植物叶片建立预测模型,含水率与线偏振度存在较强的负相关关系,决定系数达到0.85,均方误差仅为0.45%;3）另取叶片对含水率检测模型进行验证,结果表明该模型在含水率检测的验证中均方根误差为4.53%,即可以通过线偏振度表征叶片的真实含水率。该研究成果在推动光学手段在植物健康状态检测的进程中具有应用价值。     

基于强度退化的疲劳累积损伤模型

为研究金属构件疲劳累积损伤问题,运用强度退化模型建立了2种不同的疲劳累积损伤模型,该模型基于材料疲劳寿命特性确定了强度退化模型的系数,将模型应用于两级和三级载荷下疲劳剩余寿命估算,结合试验数据进行了验证,结果表明采用该模型可以较准确地估算两级和三级载荷下的疲劳寿命。该研究对金属构件疲劳寿命预测提供参考。     

基于红外热成像与改进YOLOV3的夜间野兔监测方法

随生态改善,野兔数量增多,对农田与林地的危害日益加重。野兔活动多为夜间,目标小,运动速度快,且出现环境较复杂,监控兔害,需要一种高效智能化的方法。针对野兔活动习性,该文提出了使用红外热成像实时监控,结合改进的YOLOV3目标检测方法对夜间野兔进行检测。根据YOLOV3目标检测网络基本结构提出了一种针对红外图像中野兔的实时检测的网络(infrared rabbit detection YOLO,IR-YOLO),该网络特征提取部分压缩YOLOV3特征提取网络深度,利用浅层卷积层特征以提高低分辨率红外小目标检测精度,降低运算量,网络检测部分使用基于CenterNet结构的检测方式以提高检测速度。使用热成像野外实时采集的夜间野兔图像作为数据集,包括不同距离,尺度,出现环境不同的野兔共计6 000幅红外图像制作训练集与测试集,比例为5:1。试验结果表明,IR-YOLO在红外热成像视频中复杂环境下出现的野兔检测率达75%,平均检测速度51帧/s,相对改进前YOLOV3检测率提高15个百分点,相对改进前YOLOV3检测速度提高5帧/s。相比其他目标检测算法各项检测指标更为优良,检测率方面相对Faster-RCNN与RFCN-RESNET101分别提高45个百分点与20个百分点,检测速度方面相对Faster-RCNN与RFCN-RESNET101分别提高30和与45帧/s。该方法可高效快速地对夜间复杂环境下出现的野兔进行检测,也可广泛应用于夜间对其他类型农业害兽的检测。     

基于超声成像技术的火腿肠质构分析与等级判别

为了研究超声成像技术在火腿肠质构分析与等级判别方面应用的可行性。通过对火腿肠蛋白质、淀粉等理化指标的测定将其分为特级、优级、普通级,并采集2个品牌3个等级的火腿肠共240份超声图像信息,在Matlab 7.0环境下提取图像角二阶矩、平均值等纹理特征值,最后利用线性判别式分析(linear discriminant analysis,LDA)和支持向量机(support vector machine,SVM)建立火腿肠的等级判别模型。结果表明:同品牌不同等级火腿肠超声图像、纹理特征值均具有较大差异,而同等级不同品牌火腿肠差异较小。建立的识别模型中:SVM优于LDA模型,当主成分为3时,SVM模型对应的校正集、预测集识别率均为100%,模型效果最佳。因此,超声成像技术可实现火腿肠内部质构的分析和等级的快速准确识别,研究结果可为超声成像技术在火腿肠内部质构分析和等级判别方面的应用提供参考。     

基于高光谱成像技术的沙金杏成熟度判别

为了实现对不同成熟度沙金杏进行快速、准确识别的目的,该研究利用高光谱成像技术(400~1 000 nm)对沙金杏的成熟度进行了判别研究,利用高光谱成像系统分别采集了处于4种不同成熟阶段(七成熟、八成熟、九成熟和十成熟)的沙金杏共480个样本的高光谱数据。首先,对不同成熟阶段所有样本的可溶性固形物含量值进行测定和单因素方差分析,结果表明,可溶性固形物与成熟度之间存在相关性,其相关系数为0.9386,可用该指标对沙金杏的成熟度进行划分。然后,对光谱数据利用偏最小二乘回归(partial least squares regression,PLSR)模型提取得到9个特征波长(434、528、559、595、652、678、692、728、954 nm),对图像数据利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取到6项图像纹理指标(均值、对比度、相关性、能量、同质性和熵),并对图像数据采用RGB模型提取到6项图像颜色指标(R、G、B分量图像的平均值和标准差)。将这三类指标进行最优组合并分别建立关于沙金杏成熟度判别的极限学习机(extreme learning machine,ELM)模型。结果表明:使用特征波长与颜色特征融合值建立的ELM模型的判别正确率最高,达到93.33%。该研究为沙金杏的成熟度在线无损检测提供了理论参考。     

基于改进Mask R-CNN模型的植物叶片分割方法

通过图像处理对植物叶片进行分割是研究植物表型性状的基础,但叶片间相互遮挡、叶片边缘特征不明显以及幼叶目标过小会对叶片分割效果造成很大的障碍。针对上述问题,该研究提出了一种基于改进Mask R-CNN模型的植物叶片分割方法,通过引入级联检测模块对模型检测分支进行改进,以提高遮挡叶片检测质量;利用注意力机制和一个2层3×3卷积模块对模型分割分支进行优化,以提高边缘特征表达能力;在模型测试过程中采用多尺度叶片分割策略,利用多个尺度上的最优目标以分割幼叶。测试结果表明,在CVPPP叶片分割挑战数据集中的对称最佳Dice得分Symmetric Best Dice（SBD）为90.3%,相比于利用域随机化数据增强策略并采用Mask R-CNN模型进行叶片实例分割的方法提高了2.3个百分点,叶片分割效果有显著提升。该研究提出的方法可以有效解决植物叶片分割效果不佳的问题,为植物表型研究提供技术支撑。     

基于高斯分布的改进C-V模型植物病斑彩色图像分割

为了使C-V模型能够准确快速分割植物病斑图像,该文引入高斯混合模型来构建C-V模型,针对基于加权颜色信息的C-V模型处理时间长,R、G、B通道能量系数难确定等问题,结合高斯混合模型和C-V模型对病叶图像进行分割。先选中病斑区域中一点,以其3×3邻域像素均值作为C-V模型中曲线的内部能量均值;利用高斯混合模型对病斑图像建模,并采用高斯混合模型先验概率初始化C-V模型的水平集函数;最后分别以图像R、G、B通道中目标和背景像素均值的比例作为3个通道的权值,演化水平集函数的分割曲线。试验结果表明,该方法能够有效地分割出植物病斑,并在分割性能上优于基于加权颜色信息的C-V模型及传统C-V模型。本文的研究结果可为植物病斑分割提供参考。     

基于马尔柯夫模型的红壤退化地水土流失动态变化预测研究

文章阐述了马尔柯夫模型在水土流失动态变化预测中的应用,并选取福建省长汀县为研究区,分别利用长汀县2000年和2007年的遥感影像图,在RS软件和GIS软件支持下,运用马尔柯夫模型预测了2014年该县的水土流失变化情况.研究发现:在2007-2014年,长汀县的水土流失趋势是流失面积和强度在一定程度上得到控制,总的水七流失面积缩小,强度降低,极强度和剧烈侵蚀不明显,生态环境得到好转.这一发现说明红壤退化地的水土流失丁F处在一种变化状态,预示着未来时期以长汀县为代表的红壤退化地人为干扰仍然是水土流失面积和强度变化的上要方面,红壤退化地的水土保持任务仍较艰巨.     

基于高光谱成像的水稻穗瘟病害程度分级方法

为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络\"词\"(word)用作高光谱图像表达的\"基\",直方图统计各光谱\"词\"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3\"词袋表达-病害程度等级标签\"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。     

基于核磁共振成像的农产品几何模型重构

为了提高农产品数值模拟的精度,需要为其提供精确的农产品几何模型。该研究以具有不规则几何特征的农产品芒果、香蕉和苹果为试验对象,利用核磁共振成像仪获取的断层切片图像,借助于计算机图形学技术和视觉化工具函数库Visualization Toolkit5.4(VTK),实现了其几何模型的重构。结果表明,3种农产品几何模型的体积值与其真实值之间的误差均小于3%,与标准方法测得结果具有很好的一致性。该研究为农产品几何模型获取提供了一种新的方法,能为农产品数值模拟、有限元分析以及品质检测等提供直接的几何模型支持。     

福建省八十里河流域人工恢复马尾松群落植物多样性

研究了福建省长汀县河田镇八十里河流域采用乔灌混交治理措施恢复的马尾松群落植物多样性研究。结果表明 ,严重侵蚀地经过整地、施肥、混交胡枝子等措施治理 18a后 ,林下植物种类增加 ,计有 2 2科 30属 33种。群落的地理成分以热带成分占优势 ,生活型以常绿灌木最多 ,多年生和一年生草本极少 ,高位芽植物在群落中占据主导地位。群落灌木中以胡枝子、黄瑞木、杉木、油茶和赤楠等树种的重要值较大 ,草本以芒萁占绝对优势 ,Shannon- wiener等多样性指数以灌木层最大 ,草本层次之 ,藤本层最小 ,而 Shan-non- wiener均匀度指数藤本层的最大 ,草本层的最小。     

基于三分量分解优化模型的农用地SAR影像提取方法

针对中国北方部分农区夏秋两季易受长时间云、雨、雾影响导致区域农用地信息难以实时准确获取的现状,在Freeman极化分解模型基础上,该文提出了一种三分量极化分解优化模型农用地合成孔径雷达(SAR)影像自动提取方法,并开展不同作物覆盖条件下农用地信息提取试验研究。该文首先通过引入体散射分量参数,二次散射分量参数和布拉格散射分量参数,对现有Freeman极化分解模型进行优化,使分解结果更符合农业区域不同地物散射特征;然后,在利用优化三分量极化分解方法提取极化分量基础上,结合模糊C均值聚类,实现农用地信息高精度自动提取。最后,该研究以中国重要黄淮海农业区河北衡水枣强县为试验区,以Radarsat-2影像为试验数据源,在作物全覆盖和作物部分覆盖2种条件下,通过将优化三分量-FCM分类和常用雷达分类方法 H-Alpha-Lambda分类的农用地提取结果与地面验证样方进行对比,完成该研究所提出SAR影像农用地提取方法的精度验证和评价。结果表明,在作物全覆盖条件下,利用优化三分量-FCM分类提取农用地信息的总体精度和Kappa系数分别为96.12%和0.857,较H-Alpha-Lambda分类方法分别提高了8.69个百分点和0.337;在作物部分覆盖条件下,利用优化三分量-FCM分类提取农用地信息的总体精度和Kappa系数分别为97.53%和0.902,较H-Alpha-Lambda分类分别提高了17.37个百分点和0.595。可见,无论在作物全覆盖还是部分覆盖条件下,优化三分量-FCM分类方法提取的农用地精度均优于H-Alpha-Lambda分类方法,证明了该算法提取农用地信息具有一定可行性和适用性,为SAR影像在农业遥感应用中的农用地信息提取提供了新的思路。     

RUSLE模型对黄土高原退耕植被恢复坡面

[目的]为了探究RUSLE模型对黄土高原退耕植被恢复坡面土壤侵蚀模拟的效果。[方法]基于陕北安塞区坊塌小流域内10个径流小区2016—2022年的降雨产流产沙监测资料,通过RUSLE模型中各因子在黄土高原的不同常用算法之间的变换组合,模拟144种因子组合下各退耕植被恢复坡面的土壤侵蚀量,采用纳什效率系数(NSE)和均方根误差(RMSE)评价模型模拟结果的有效性。[结果]利用RUSLE模型144种因子组合模拟的退耕植被恢复坡面土壤侵蚀量,NSE范围为-38.47～0.19,RMSE范围为1.92～12.65 t/(hm²·a),模拟效果较差,所选各因子算法难以适应退耕植被恢复坡面上的土壤流失量的评估,还需要对RUSLE模型各因子进一步改进。运用RUSLE模型对黄土高原退耕植被恢复坡面土壤侵蚀模拟时,建议尽可能采用时间分辨率高的数据减小对R因子的计算误差,综合考虑土壤有机质含量、土壤粒径与团粒结构组成和容重等土壤理化性质对K因子的影响,以及植被覆盖度、植被高度、枯落物、生物结皮等对C因子的影响,充分考虑10°以上的坡度,细化其LS因子的算法。[结论] RUSLE模型无...     

退化生态系统植被恢复过程中土壤微生物群落活性响应

通过分析退化生态系统中主要植被恢复类型对土壤微生物群落活性的影响,探讨敏感和可靠的微生物群落活性响应指标,揭示适合当地生态条件的植被恢复类型。结果表明,沙米荒地、白沙蒿、柠条、沙冬青和人工乔木林地土壤微生物量C,N,P和微生物商、蔗糖酶、脲酶、过氧化氢酶、碱性磷酸酶均表现出显著差异(P<0.05)。在土壤各层内,除上层人工乔木林地土壤微生物量N相对较高外,柠条恢复草地土壤微生物量C,N,P都相对较高,沙米荒地均较低;土壤微生物商没有明显的趋势;人工乔木林地蔗糖酶和柠条恢复草地脲酶活性相对较高,过氧化氢酶和碱性磷酸酶活性没有明显的变化趋势,沙米荒地的蔗糖酶、脲酶和过氧化氢酶活性以及白沙蒿草地碱性磷酸酶活性较低。方差分析(ANOVA)显示,蔗糖酶、脲酶、过氧化氢酶和碱性磷酸酶与土壤有机质、全氮以及微生物量C,N,P之间呈显著相关关系;主成分分析(PCA)表明,土壤微生物量N,C,P和蔗糖酶、土壤微生物商基本反映了研究区植被恢复中土壤微生物群落活性的响应信息。不同植被恢复类型草地中土壤微生物群落活性的变化表明,柠条和人工乔木林是研究区域内适合当地生态条件的植被恢复类型。     

基于CT扫描的不同粒形滤料孔隙结构特征

滤层孔隙结构直接影响过滤过程中的颗粒沉积和运移效果。为了掌握砂石过滤器不同粒形滤料组成滤层的内部孔隙结构特征,该研究以粒径为1～1.18 mm的普通石英砂（QS1）、天然海砂（SS2）、改性玻璃（MG3）和玻璃微珠（GB4）4 种滤料为研究对象,采用CT 扫描技术对滤层孔隙模型进行了三维重构,利用VGStudio MAX、Image J等计算机图像处理软件,分析了 4 种滤层的孔隙率、孔径大小及孔隙形状参数,并结合分形理论确定了 4 种滤层孔隙结构的计盒分形维数。结果表明：4种滤层的表观孔隙率范围分别为39.7%～44.6%、38.5～42.3%、40.7%～45.6%、34.8%～38.7%,对应体积孔隙率分别为0.422、0.412、0.441、0.366;对应孔径范围分别为75～960、80～760、70～1 050、85～930 μm,圆度值区间分别为1.59～1.78、1.35～1.54、1.65～2.03、1.20～1.36,扁平度值区间分别为2.62～2.75、2.05～2.20、3.04～3.21、1.94～2.04,计盒维数均值分别为1.621、1.566、1.661、1.446。该研究定量表征了滤层孔隙结构特性,得出不同粒形滤料细观孔隙结构的差异：滤层表观孔隙率呈现“上高下低”分布规律,孔径分布规律表明滤层内均是小孔隙占多数,大孔隙占少数,且孔隙以狭长型为主。随着滤料棱角度增加,表观孔隙率分布越分散,体积孔隙率越大,大孔隙占比也相应增加,最大达到17.24%（MG3）,孔隙形状更加偏离球形,表征孔隙结构复杂性的计盒维数相应增加,且分形维数与孔隙率呈负相关关系。滤层孔隙结构研究可为后续研究滤层内颗粒沉积和运移规律奠定基础。     

基于解模糊算法的蚕蛹图像恢复及雌雄识别

在利用机器视觉技术识别雌雄蚕蛹过程中,因蛹体为非规则椭球体所带来的空间变化模糊造成蚕蛹图像中大量细节结构特征信息丢失,这极大地降低了雌雄蚕蛹识别的准确率。针对此问题,该文提出了一种将复杂的空间变化模糊图像恢复问题化为多个简单的空间模糊图像求解的策略。首先根据蚕蛹图像的模糊图谱将图像划分为多个具有相似程度模糊的子图像区域;再利用 Lucy Richardson 方法对各子图像区域分别进行非盲反卷积解模糊;最后将恢复的各子图像进行拼合并使用双边滤波方法消除图像拼合误差,保证图像信息准确融合。试验结果表明,该算法性能与目前所公认最优的 Shen 方法相比,能够得到更好的蚕蛹图像视觉质量,蚕蛹图像质量的定量评估指标——总变差均值（TVM）平均提高了22.8%,因此,该文方法具有更优的性能,能够有效消除空间变化模糊影响,恢复出更多的蚕蛹图像细节结构特征。利用基于霍夫变换理论的形状匹配算法对处理前和处理后的400颗蚕蛹成像图像进行了雌雄识别试验研究,试验结果表明,相对于原始未处理的蚕蛹图像,经该文方法处理后的蚕蛹图像,雌雄蚕蛹识别率提高了40.5百分点。该文方法对西葫芦、南瓜等类非规则椭球体果蔬图像也能够进行有效的图像质量改善,这充分显示了该文方法的广泛适应性。     

封育对退化草原植被恢复及土壤理化性质影响的研究进展

封育是退化草原生态系统恢复的有效措施之一。在梳理现有封育研究成果的基础上,归纳封育对植物多样性、生物量、植被演替、土壤物理与化学性状的影响效应,发现:受地理区域、气候条件及封育前退化程度等本底条件的影响,封育条件下植被多样性呈现出显著增加、基本稳定和明显下降3种结果,生物量则表现为围封初期增加,围封时间过长不利于维持较高生物量的变化趋势;封育使得种群拓殖能力与群落资源冗余,土壤种子库结构改善、密度增长,退化草原呈正向演替,并可能出现3种演替模式。封育消除了土壤紧实层,改善了土壤结构与性状,但对土壤养分的影响效应不一致。基于研究现状,提出今后应深入研究的6个内容与方向,对丰富封育条件下退化草原恢复效应具有指导意义。     

人工管理措施改善了我国西部高寒沙化草甸土壤水分和碳、氮、磷含量

Regeneration of degraded grassland ecosystems is a significant issue in restoration ecology globally. To understand the effects of artificial management measures on alpine meadows, we surveyed topsoil properties including moisture, organic carbon (SOC), nitrogen (N), and phosphorus (P) contents five years after fencing and fencing + reseeding management practices in a sandy meadow in the eastern Qinghai-Tibetan Plateau, northwestern China. Both the fencing and fencing + reseeding management practices significantly increased soil moisture storage, SOC, total N, available N, total P, and available P, as compared to the unmanaged control. Fencing plus reseeding was more effective than fencing alone for improving soil C, N, and P contents. These suggested that rehabilitation by reseeding and fencing generally had favorable effects on the soil properties in degraded sandy alpine meadows, and was an effective approach for restoration of degraded meadow ecosystems of the Qinghai-Tibetan Plateau.     

基于波段权重的多尺度Retinex遥感图像渐晕校正方法

针对传统函数逼近法存在的校正质量不稳定、耗时长以及Retinex算法存在的光晕、泛灰和光谱数据失真的问题,该文提出了一种带光谱恢复的多尺度Retinex渐晕校正方法。通过对无人机遥感图像全局亮度的估计以及光谱恢复因子的引入,实现无人机遥感光谱图像的渐晕校正。利用该文方法对遥感图像进行处理,并与基于高斯曲面的函数逼近法和多尺度Retinex算法结果进行对比,依据灰度分布情况、标准差、平均梯度、清晰度、光谱相关系数以及光谱角指标进行评价分析。试验结果表明,该文提出的方法可以取得较好的渐晕校正效果,结果不存在光晕、泛灰现象,结果的平均梯度和清晰度均值分别为0.077 4和49.33,相较原始图像和函数逼近法以及多尺度Retinex算法处理结果,平均梯度分别提高了5.94%、5.56%和4.78%,清晰度分别提高了8.94%、6.79%和6.63%,该文方法校正图像的对比度和清晰度更优,方法具有较好的渐晕校正效果。