数字图像处理技术在蔬菜叶面积测量中的应用

采用平台扫描仪获取叶片的数字图像，建立运用数字图像处理技术测定蔬菜叶面积的方法。同时与目前较常用的交叉网格法、CID仪器法、复印称重法和生产上常用的直尺法进行比较分析。结果表明：图像处理方法和上述传统的叶面积测定方法的测定结果呈极显著的线性相关关系，适用于叶面积的测量工作；和其它方法相比具有准确、快速、适用范围广、容易普及等优点，适用于科研和生产推广使用。试验还得出采用直尺法时，油菜和空心菜的叶面积的校正系数分别为0.792和0.818。     

两种土壤导气率测算模型的对比分析

土壤导气率是重要、易测量的土壤参数,其价值在于可以预测田间饱和导水率,反映土壤孔隙和土壤结构特征。国内外学者提出不同土壤导气率测算模型。本文通过对比瞬态法和稳态法两种土壤导气率测算模型,分析两模型在测量效率、经济性等方面优缺点,以及测量结果的相对误差变化幅度。瞬态法相对稳态法,无须测量通过土样的气体数量,测量时间短,且只需少量体积的气体通过土样,对土样结构破坏小;而稳态法测量技术较成熟,计算方便。室内对60组土样测算结果表明,瞬态法与稳态法测量结果之间具有极显著的相关性,可用线性函数关系式y=0.979 1 x表示;以稳态法为标准,两种方法测量结果相对误差变化幅度在0.5%~45%之间,80%以上测量结果相对误差变化幅度<15%,仅有少数变化幅度>20%;同时,试验结果也验证了稳态试验中气体传导速率Q与测量仪内封闭气体压强值△P存在显著的线性关系,及Kirkham提出的在瞬态模型中被测土样密封端压力动态变化与时间t之间存在线性关系。     

基于计算机视觉技术参考物法测量叶片面积

该研究利用计算机视觉技术采用参考物法测量叶片的面积,研制了无需采摘叶片测量其面积的活体采样光箱,并进行了光箱参数的优化,研究了用极值法求得阈值,并对图像进行阈值化,研究了去除图像中残留杂点的方法,最后验证利用计算机视觉技术参考物法测量叶片面积的可行性,且测量精度和效率都很高     

基于近红外法的棉花回潮率测量系统研制与试验

该研究针对棉花回潮率的测量问题,进行了烘箱法、电阻法、红外法3种棉花回潮率检测方法的试验,基于理论及实际测试试验证明了基于红外法非接触测量棉花回潮率的可行性,并在现有红外水分仪的基础上开发了棉花回潮率非接触测量系统上位机软件。首先进行了6%、8%、10%、12%、14%、16%这6个不同回潮率水平棉花样本的制备。然后分别用现有基于电阻的测试方法和基于红外的水分测量仪以及烘箱法3种测试方法进行对照试验,研究了测量距离和样本密度对红外法测量棉花回潮率的影响。最后进行了红外法可行性验证,通过分析测试结果的相关性,提出了基于烘箱回潮率数据回归方法以实现较精准的红外法棉花回潮率测量,对基于红外的棉花回潮率在线检测方法的可行性进行了验证。试验结果表明,测量距离和样本密度的变化对测量结果的影响较小,不同测量距离下测量数据的极差在0.6%以内,标准差在0.134%之内。不同密度下测量结果的极差在0.5%以内,标准差在0.15%之内,可满足在线加工对回潮率的测量精度要求。基于标准烘箱回潮值拟合校准后的红外测量方法可以较准确地实现棉花回潮率的在线测量,和实际的烘箱数据对比,标准偏差在0.5%左右。因此,基于红外的棉花回潮率非接触测量系统可行,可解决现有电阻法测量效率低,实时性不够好的问题。     

宇宙射线中子法在复杂下垫面土壤水分测量中的应用

宇宙射线中子法是介于点测量与遥感监测的中尺度、非接触土壤水分测量方法。将测量点设于土壤异质性较大的山地地形下垫面,以烘干称重法为标准对比,以频域反射法为连续性观测对照,对宇宙射线中子法在复杂下垫面的测量进行对比研究。结果显示:在复杂下垫面条件下,宇宙射线中子法对区域土壤水分测量值与烘干称重法多点平均计算值所代表的真值间直线方程的拟合优度(R^2)为0.8717,均方根误差(RMSE)为0.0159kg·kg^−1,纳什效率系数(NSE)为0.854,说明宇宙射线中子法测量结果准确可信。宇宙射线中子法与频域反射法对较长时间序列的土壤水分变化趋势反映完全一致,且对降水过程引起土壤水分变化的响应,宇宙射线中子法灵敏性优于频域反射法。宇宙射线中子法能够应用于复杂下垫面的区域土壤水分测量,且具有不受土壤异质性干扰的优点,能够更好地反映中尺度土壤水分的平均状况。     

秦淮河流域五种参考作物蒸散量估算方法的比较及改进

基于秦淮河流域内部及周边共7个气象站2000-2013年的逐日气象资料,使用FAO-56 Penman- Monteith、Irmak-Allen、Makkink、Turc、Jensen-Haise和Hargreaves共6种方法估算各站点逐日参考作物蒸散量（ET0）。以FAO-56 Penman-Monteith结果为标准,修正其余5种方法估算公式的原始经验系数,并通过平均绝对误差、平均相对误差、相关系数等精度评价指标和Wilcoxon非参数检验法,分别从年、月尺度对比分析5种方法修正前后的估算结果,旨在获得一种适于秦淮河流域的数据要求低,估算过程简单,精度较高的ET0估算方法。分别以5种方法的ET0日值为自变量,P-M法ET0日值为因变量,建立逐月线性回归方程,寻找经验系数的修正倍数,对5种方法经验系数进行逐月修正。结果表明,使用原始经验系数时,年尺度上,Irmak-Allen、Makkink、Turc法存在较大误差,Hargreaves法相关性较差,均不适于秦淮河流域;月尺度上,Irmak-Allen法在5-8月,Turc在9-11月,Hargreaves法在4月及9-11月适用性较好,其余月份误差较大,Makkink和J-H法分别在1-12月和3-11月存在显著差异,故5种方法均不能代替P-M法在年内12个月使用。使用修正后经验系数,年尺度上Makkink法适用性最好,平均绝对误差和平均相对误差分别为14.9mm·a-1和1.4%,相关系数为0.89,无显著差异,其次为Turc法,I-A法估算结果仍存在显著差异,Hargreaves法相关性仍较差;月尺度上,从估算精度考虑,Turc和Makkink法搭配使用,4-10月推荐使用Turc法,其平均绝对误差为2.1～6.1mm·mon-1,平均相对误差为2.9%～4.3%,无显著差异,月平均相对误差波动较小,稳定性好,1-3月和11-12月推荐使用Makkink法,其平均绝对误差为1.2～2.4mm·mon-1,平均相对误差为3.2%～5.7%,无显著差异,月平均相对误差波动较小,稳定性好,从时间连续性考虑,推荐使用Hargreaves法,其平均绝对误差为1.9～10.4mm·mon-1,平均相对误差为3.9%～9.2%,无显著差异,月平均相对误差波动较小,稳定性好。     

县域耕地的样地法评价

该文首先进行了县域耕地样地法评价的方案设计，该方法的核心是在耕地质量分计算中，将评价单元的特征与设置与评价区域内的标准样地进行对比后完成的。然后应用样地法将河南省南阳市卧龙区的耕地评价为Ⅰ～Ⅷ等。Ⅰ～Ⅲ等的耕地中，有87.6%的面积分布在冲积、湖积平原区；Ⅳ～Ⅵ等耕地中，有61.4%的面积分布在垄岗区；而Ⅶ、Ⅷ等耕地集中分布在丘陵区。样地法所划分耕地等别的分布在总体上合理地体现了不同地貌类型及土壤条件下耕地质量的差异。利用210个样点单元的标准粮产量与其对应样地法耕地质量分进行线性拟合，判定系数等于0.876的含义是指标准粮产量的变异中有87.6%是由耕地质量分引起。样地法耕地质量分的高低较好地反映了耕地的生物生产力水平。所以，所设计的样地法可为中国县域样地法耕地评价提供方法与模式参照。     

一种简易的土壤呼吸速率原位测定方法

[目的]结合传统静态气室密闭法的优缺点,探索一种简易静态气室土壤呼吸速率测定方法。[方法]针对传统静态气室密闭法测量过程中需补充密闭气室同体积被抽取出的气体样本、仪器设备成本比较高等缺点,设计出本测量方法所需要测量装置。装置主要由静态密闭气室底座、静态密闭气室(桶)以及泵吸式CO_2浓度检测仪组成。试验按照给定的实施步骤在野外进行,并以碱液吸收法测量值为标准验证了该方法测量结果的有效性。[结果]该方法不仅克服了传统静态气室密闭法测量过程中的缺点,且测量结果准确,成本低廉,操作更为简捷。[结论]可以运用于各种野外环境条件下的土壤呼吸速率原位测定。     

基于机器视觉的冬小麦叶片形态测量软件开发

随着图像处理与识别技术的快速发展,作物表型识别技术日趋成熟。为实现不同品种、不同生育期冬小麦叶片面积和面积系数的精准快速测定,依托VB.net和OpenCV在.NET平台下的图像处理封装库,研发了基于机器视觉的冬小麦叶片形态测量算法并设计开发了软件,软件可实现数字图片的畸变校准并可以同时测量多个叶片长、宽和面积。为验证软件测定效果,选取冬小麦绿色展开叶100 片,通过与人工测量的叶片长宽、WinDIAS叶面积分析系统测量的叶面积结果对比,分析图像识别方法的准确性和稳定性。结果表明,图像识别法与人工和WinDIAS测量的冬小麦叶片长、宽和面积的相关系数均≥0.975,归一化均方根误差均≤0.10%;针对数字照片畸变校准功能进行测试,对叶片水平（垂直）缩放50%且垂直（水平）斜切30°的图像校准后,其测量结果与原始图像测量结果的最大相对误差仅为2%。说明基于机器视觉的冬小麦叶片形态识别方法,可对多种畸变图像进行准确的几何校准,可作为一种可同时准确测定多个叶片面积和长宽的新方法,在农业科学测量、农情信息业务、农业气象观测业务等领域推广应用。     

有机-无机复混肥中有机质测定方法的比较研究

采用稀释热法、沸水浴法和油浴法分别测定有机-无机复混肥的有机质含量,并比较了3种方法的精度与准确度。结果表明:沸水浴法和油浴法测定复混肥有机质的相对标准偏差(RSD)和回收率均符合实验要求,值得推广应用;而稀释热法的相对标准偏差(RSD)随着复混肥有机质含量的增加呈上升趋势,为0.55%~6.24%,且单个样品回收率有时超出100%±5%范围。与沸水浴法和油浴法相比,稀释热法的稳定性和准确性相对较差。同时,本研究以灼烧法为参照方法得出稀释热法、沸水浴法、油浴法测定有机-无机复混肥有机质含量的氧化校正系数分别为1.63、1.49、1.24,高于用此3种方法测定土壤有机质含量时的氧化校正系数。     

基于图像的植物叶面积无损测量方法研究

为了研究植物的生长规律,应用计算机视觉技术对大豆叶片实现无损测量.该项研究针对大豆叶面积无损测量中校正图像和去除叶片纹理特征等问题上,提出了基于双线性映射的无损测量法.无损测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响,试验验证该方法能很好地校正叶片图像,提取叶片的有效面积,并去除植物纹理斑点的影响,应用该方法校正叶片图像,精度可达99%以上.采用计算机视觉技术测量叶面积,具有简单、准确、方便快捷的特点,这对数字农业的植物信息快速采集和利用具有重要的意义.     

基于烤烟透射特征的烟叶图像分割研究

在专门设计的灯箱中拍摄烤烟烟叶的反射和透射图像，对这两类图像分别以3×3像素矩阵作为区域对象采样，统计比较了烟叶、背景两区域的RGB属性特征，发现透射图像烟叶区域绝大多数像素的蓝色属性等于零，少数像素的蓝色属性大于零，并在采样矩阵中呈不连续分布， 矩阵内9个像素蓝色属性的相对标准偏差(RSD)或等于零，或大于100％。研究采用该特征作为依据，对烟叶透射图像进行了区域统计法分割。结果表明分割精度高于点统计法，每片烟叶像素数平均高出0.65％，较好地保留了目标图像的原始特征信息。该研究提出的图像分割方法有利于提高分割结果的可信度，为利用烟叶透射特征进行后续研究奠定了基础。     

黄瓜幼苗生长信息的无损监测系统的应用与验证

初步探讨了利用计算机视觉技术，在试验温室条件下，对单株黄瓜幼苗的生长实行无损监测。分别对叶面积和干鲜重的破坏性测量与计算机视觉无损测量结果相比较，通过相关性分析，计算机视觉测量的叶冠投影面积与激光叶面积仪测量的叶面积决定系数为0.976，与茎叶干、鲜重的决定系数分别为0.874和0.914。试验证实计算机视觉无损监测系统可以对植物的生长参数进行比较可靠的预测。     

基于彩色通道相似性图像分割方法的植物叶面积计算

为了快速、准确地测量植物叶面积,该文提出了基于彩色通道相似性图像分割的植物叶面积测量方法。该文基于彩色图像,利用像素彩色通道的相似性和自适应方法得到的阈值分割叶片区域,并分别统计叶片和参考矩形的像素数,进而计算植物叶面积。试验表明,该方法得到的植物叶片区域更准确,并且对叶片阴影、花斑等具有很强的鲁棒性,错分率为仅为1.23%,具有较高的精度。该方法是一种实用的通过拍照计算植物叶面积的方法,可嵌入到手机等移动设备中。     

基于三维点云的番茄植株茎叶分割与表型特征提取

针对当前温室番茄表型参数难以自动获取的问题，研究提出通过对三维点云进行配准、骨架提取以及分割从而自动获取苗期番茄植株株高、茎粗、叶倾角和叶面积参数的方法。首先通过机器人搭载机械臂在温室中自动获取多视角番茄点云，并通过配准得到完整植株点云；对番茄点云利用拉普拉斯收缩的骨架提取算法获取植株骨架，对骨架进行修正后分解为茎秆和叶片子骨架，实现茎秆叶柄分割；再通过基于区域生长的MeanShift聚类方法对叶片和叶柄进行分割；最后通过番茄点云获取株高、茎粗参数，通过骨架测量叶倾角，对叶片点云进行曲面拟合提取叶面积参数。试验结果表明，茎叶分割与叶片分割的精确率、召回率、F1分数和平均总体准确率分别为0.84、0.91、0.87、0.92和0.92、091、0.91、0.93。株高、茎粗、叶倾角和叶面积参数的提取值与人工测量值的决定系数分别为0.97、0.53、0.90和0.87，均方根误差分别为1.40 cm、1.52 mm、5.14°和37.56 cm2。结果表明该研究方法与人工测量值具有较强的相关性，可以为温室番茄的高通量自动化表型测量提供技术支持。     

基于边缘检测算法的坡面薄层水流深度测量系统研制

为了准确高效地测定坡面薄层水流断面位置上的水深，该研究利用"一"字线激光器、高分辨率工业摄像机获取激光线边缘像素点坐标数据，基于Python语言与OpenCV计算机视觉库进行边缘检测算法编程，通过分析、计算薄层水流表面激光线偏移量与水深间的函数关系，构建坡面薄层水流深度测量系统，并利用人工测量方法（测针法与染色法）对该系统测定结果的精确性与稳定性进行验证。结果表明，坡面薄层水流深度测量系统对标准水深进行标定的变异系数均值为6.64%，具有较高的稳定性；在光滑床面上的测定结果与人工测量方法相比，相对均方差误差、平均相对误差与平均绝对误差均不超过0.2，水深测量系统与测针法、染色法对比所得纳什效率系数分别达到了0.922与0.972，说明水深测量系统与人工测量方法具有较好的一致性与相关性，能够满足定床测量坡面薄层水流深度的需求，在坡面水动力学研究中具有较好的应用前景。     

利用计算机视觉技术实现对温室植物生长的无损监测

利用计算机视觉技术对温室植物生长进行无损监测，获取植物生长状态信息，对于提高温室的智能化控制水平具有重要意义。在实验温室中设计了一套计算机视觉系统，对黄瓜幼苗生长进行无损监测，同时利用VC++6.0编制的图像分析处理软件，提取植物的外部形态特征：叶冠投影面积和株高。通过对两组无土栽培的黄瓜幼苗叶冠投影面积的连续监测，发现叶冠投影面积的变化趋势可以较好的反映植物的缺肥情况。用图像处理方法测量植株的平均株高与人工测量结果的相关系数可以达到0.927。研究表明，计算机视觉技术应用于温室植物生长的无损监测是可行的，具有广阔的应用前景。     

基于叶片病斑特征的茄子褐纹病识别方法

目前对蔬菜病害的识别方法都有一定的局限性,难以满足现代农业要求。该文以计算机视觉技术为手段,结合图像处理与模式识别技术,重点分析了茄子病害叶片上褐纹病病斑的颜色、形状、纹理特征参数,提出了一种基于叶片病斑特征的茄子褐纹病识别方法。根据在HSI(hue-saturation-intensity)颜色空间中叶片上病斑色调不同的特点,利用H分量图像提取病斑,获取病斑图片,然后提取每个病斑区域的12个颜色参数、11个形状参数和8个纹理参数等共31个特征参数。再通过方差和主成分分析法选择20个分类能力强的特征参数组成分类特征向量,并随机选取35个非褐纹病病斑的特征向量与35个褐纹病病斑的特征向量组成的训练集,构建Fisher判别函数对测试集进行分类,试验结果表明,对茄子褐纹病的识别准确率达到90%,说明该识别方法可以对茄子叶部病害进行快速、准确识别,为田间开放环境下实现茄子病害实时检测提供了技术支撑。     

计算机视觉系统在图形面积测量及形状分析上的应用

探讨利用计算机视觉系统对目标物体平面图形面积和面积惯性矩的测量方法。文章注重计算机视觉系统编程实践。