柳树农田防护林造林效果及遮荫作用研究

研究了沙埋深度对荒漠植物红砂幼苗出土和生长的影响.进行了0.1,2,3和5 cm共5个深度处理,每个处理5个重复.结果表明,出苗率与沙埋深度呈显著负相关,且集中在O-2 cm的沙埋深度,3cm沙埋深度只有1苗出土,5 cm沙埋深度没有出苗;随着沙埋深度增加,第一次出苗所需天数增加;幼苗生长高度受沙埋深度和生长时间的影响显著,相对高度生长率随沙埋深度增大而增大,幼苗高度随沙埋深度增加而降低,但生长一定阶段后,随着沙埋深度的增大,幼苗高度也增大;生物量并不随沙埋深度变化而变化,但生物量分配却随沙埋深度增大而更多地分配给地下部分,这种变化可将有限的种子能量传给地下茎.进而促进出苗.红砂幼苗出土和生长的最佳沙埋深度约为1 cm.     

垄作耕地浅沟深度的测量和换算

浅沟侵蚀是土壤水蚀的一种重要形态.卷尺法是测量浅沟体积的重要方法.在使用卷尺法测量垄作耕地中的浅沟时会遇到一个难题,即:浅沟深度的测量位置只能选在垄台或垄沟,但无论选在哪里,所测得的浅沟深度都不能直接用来计算浅沟体积,而是需要先将其换算成无垄状态下的浅沟深度;而如何进行这种换算,尚缺乏相关报道.本研究旨在:建立1个可以将在垄台处测得的浅沟深度(测量深度)换算为无垄状态下的浅沟深度(换算深度)的换算公式,以辅助今后的浅沟测量工作;并结合该换算公式和东北黑土区的实测浅沟数据,计算不换算(直接使用测量深度计算浅沟体积)情况下的误差,以探讨换算的必要性.为此,本研究利用平面几何知识建立换算公式,并在黑龙江省鹤山农场鹤北2号小流域加以应用.结果表明:1)换算深度是1个以测量深度和垄台形态(高度、上宽、下宽)为自变量的函数.2)如果不换算(直接使用测量深度计算浅沟体积),会造成高估.垄作影响到浅沟深度的测量,但只要知道垄台形态,就可以将测量深度换算为换算深度.研究结果可以辅助今后的浅沟测量工作,具有一定实用价值.     

喷头安装高度对圆形喷灌机灌水质量的影响

根据作物高度适时调整喷头安装高度,是保证圆形喷灌机灌水均匀度和喷灌效率的重要措施之一。该研究通过引入自主研发的喷头安装高度调节装置,以安装D3000低压折射式非旋转喷头的圆形喷灌机为研究对象,研究了不同喷灌机出流量(8.8、16.7、24.2 m3/h)情况下喷灌机水力性能的稳定性,测试了喷灌机3种出流量在喷头安装高度(0.5、1.0、1.5、2.0、2.6 m)改变时的灌水均匀系数和灌水深度。结果表明,在喷头标准安装高度(1.5 m)下,圆形喷灌机水力性能稳定,喷灌机3种出流量的灌水深度沿径向均呈锯齿形波动,灌水均匀系数为82.5%~84.0%。喷头安装高度小于标准高度时,灌水深度沿径向的分布出现了较大波动,0.5 m时波动最剧烈,灌水均匀系数最大降低23.9%。喷头安装高度大于标准高度时,灌水深度沿径向的分布更为均匀,灌水均匀系数与标准高度的均匀系数无显著差异。与标准高度时的灌水深度测量值相比,喷头安装高度调节后的测量水深相对误差在10%以内。为保证喷灌均匀性和灌水深度,建议作物高度大于1.5 m时,可根据作物高度适时升高喷头安装高度。     

基于稠密自编码器的无监督番茄植株图像深度估计模型

深度信息获取是温室移动机器人实现自主作业的关键。该研究提出一种基于稠密卷积自编码器的无监督植株图像深度估计模型。针对因视角差异和遮挡而产生的像素消失问题,引入视差置信度预测,抑制图像重构损失产生的问题梯度,设计了基于可分卷积的稠密自编码器作为模型的深度神经网络。以深度估计误差、阈值精度等为判据,在番茄植株双目图像上开展训练和测试试验,结果表明,抑制问题梯度回传可显著提高深度估计精度,与问题梯度抑制前相比,估计深度的平均绝对误差和均方根误差分别降低了55.2%和33.0%,将网络预测的多尺度视差图接入编码器并将其上采样到输入图像尺寸后参与图像重构和损失计算的处理方式对提高预测精度是有效的,2种误差进一步降低了23.7%和27.5%;深度估计误差随空间点深度的减小而显著降低,当深度在9 m以内时,估计深度的平均绝对误差14.1 cm,在3 m以内时,则7 cm。与已有研究相比,该研究估计深度的平均相对误差和平均绝对误差分别降低了46.0%和26.0%。该研究可为温室移动机器人视觉系统设计提供参考。     

基于自监督学习的番茄植株图像深度估计方法

深度估计是智能农机视觉系统实现三维场景重建和目标定位的关键。该文提出一种基于自监督学习的番茄植株图像深度估计网络模型,该模型直接应用双目图像作为输入来估计每个像素的深度。设计了3种面向通道分组卷积模块,并利用其构建卷积自编码器作为深度估计网络的主体结构。针对手工特征衡量2幅图像相似度不足的问题,引入卷积特征近似性损失作为损失函数的组成部分。结果表明:基于分组卷积模块的卷积自编码器能够有效提高深度估计网络的视差图精度;卷积特征近似性损失函数对提高番茄植株图像深度估计的精度具有显著作用,精度随着参与损失函数计算的卷积模块层数的增加而升高,但超过4层后,其对精度的进一步提升作用不再明显;当双目图像采样距离在9.0 m以内时,该文方法所估计的棋盘格角点距离均方根误差和平均绝对误差分别小于2.5和1.8 cm,在3.0 m以内时,则分别小于0.7和0.5 cm,模型计算速度为28.0帧/s,与已有研究相比,2种误差分别降低了33.1%和35.6%,计算速度提高了52.2%。该研究可为智能农机视觉系统设计提供参考。     

适宜机播深度及覆土厚度提高苦荞幼苗素质

为探索西南丘陵山区苦荞机械播种的可行性和提高机械播种质量的农艺措施,该试验研究了播深(2,4,6 cm)和覆土(不覆土为对照)对苦荞幼苗性状的影响。结果表明,播种深度对苦荞幼苗性状影响最大,4 cm播深有利于培育苦荞壮苗,播深2 cm时表现为出苗率差、基本苗和成苗率低,根系活力、茎粗小、干物质量、单株叶面积及叶绿素含量下降,而播深6 cm时地中茎过长导致出苗率下降,株高、干物质量、单株叶面积、茎粗和叶绿素含量均降低;覆土有利于提高苦荞的出苗率和根系活力,干物质量增加,地中茎适度增长,幼苗素质较不覆土高。苦荞幼苗各性状主成分分析表明,各播深处理条件下苦荞幼苗性状差异较大,覆土加剧了各处理间的分异程度。在机械播种后进行苦荞幼苗素质评价时,应选择株高、根系活力、总干物质量、根干物质量、茎粗、单株叶面积、地中茎长度适中和子叶节长度等指标,能够准确地反映苦荞幼苗素质。综合可知,采用4 cm播深和覆土最有利于提高苦荞幼苗的素质。     

基于线结构光视觉的穴盘苗外形参数在线测量系统研制及试验

为了满足穴盘苗自动化分选的实际需求,该文设计了基于线结构光视觉的穴盘苗外形参数测量系统,实时获取穴盘苗图像信息,实现对其叶片面积和高度的在线测量。为充分突显目标与背景色彩差异,针对穴盘苗叶片和背景基质图像特征,利用最大类间方差动态阈值对2G-R-B 色差图像进行分割;以穴孔为单位进行区域标记和特征提取,分别计算幼苗叶片图像面积,排除明亮蛭石颗粒造成的椒盐噪声和劣苗叶片区域;根据 Cb、Cr 色彩分量特征提取在健康幼苗叶片区域的红色激光条像素坐标,拟合其分布中心线;基于线结构光视觉三维定位原理,根据幼苗叶片区域激光条中心线图像坐标,实现对穴盘苗高度的测量。试验结果表明,系统对直立姿态的穴盘苗高度测量精度为5 mm,在叶片面积测量评估方面可以满足穴盘苗筛选精度要求。     

镉对刺槐幼苗生长和与渗透调节有关物质含量的影响

镉离子(Cd2 )在土壤中的高度移动性成为对植物严重的污染物之一.以往的工作多集中在形态表现方面,对生理指标的研究较少.刺槐是一个抗性较强的树种,是重要的绿化造林材料.本文以盆栽刺槐幼苗为试材,探讨镉对几种渗透调节物质的影响.以期为刺槐防治重金属污染提供参考.     

农业机械导航中的航向角度估计算法

研究农业机械航向角度的动态测量与估计方法,对其导航定位和导航控制具有重要意义.该文以日本久保田插秧机为研究对象,采用HMR3000电子罗盘和ADXRS300微机械陀螺仪组合进行农业机械航向角度动态测试的研究.提出了基于协方差函数的加窗估计算法,用于在线估计电子罗盘和微机械陀螺的测量方差.在此基础上,提出利用自适应加权融合算法,融合电子罗盘和微机械陀螺信息,实现农业机械航向角度的动态测试与精确估计.试验结果表明,所提出的自适应加权融合估计算法适用于农业机械动态条件下的航向角度测试,具有良好的抗干扰能力,可以平滑和滤除测试噪声,为导航控制提供更为精确和可靠的航向角度估计数据且经济性较好.     

60Coγ射线低剂量辐照对生菜种子萌发、幼苗生长及酶活性的影响

用不同剂量(10、20、30、40和50Gy)60Coγ射线辐照生菜种子,研究其对种子萌发,幼苗生长和酶活性的影响。结果表明,低剂量辐照可显著提高生菜种子的发芽率、发芽势、田间出苗率、幼苗高度和主根长度,对种子萌发和幼苗生长有一定的促进作用。综合考虑各苗期性状指标初步确定生菜低剂量辐照的适宜剂量为30Gy。在所试剂量范围内辐照处理的POD活性均低于对照;在20～40Gy剂量范围内辐照处理的CAT活性与对照相比也有所降低。     

基于机器视觉的白掌组培苗在线分级方法

白掌在观叶类花卉中占有很大比例,其育苗多采用组织栽培法,且组培苗生产具有规模化。为提高成苗出苗品质,需要在组培苗炼苗前对其分级,而目前常用分级法不能有效解决自然状态下水平放置的白掌组培苗存在的叶片扭曲和重叠问题,因此该文提出一种基于机器视觉实现白掌组培苗在线分级的方法,通过对自然状态下水平放置的白掌组培苗的叶片面积、苗高、地径以及投影面积的分析,得到其投影面积与叶片面积呈线性关系,相关度为0.9344;投影面积与地径呈多项式函数关系,相关性为0.9067,故确定组培苗投影面积和苗高为实际生产中的分级指标。该文采用基于颜色模板匹配算法测量组培苗投影面积,得到的叶片面积和地径与实际叶片面积和地径的变异系数相对误差分别为0.35%和7.95%;利用最小外接矩形法(MBR,minimum bounding rectangle)测量苗高,得到的苗高和实际苗高变异系数相对误差为1.44%。通过整机分级试验发现在输送间距为0.25 m,输送速度为0.5 m/s,分级级别为3级的条件下,该分级装置的分级成功率可达96%,对应生产率为7 200株/h。     

双季稻区杂交稻机插秧低播量精密育秧试验

根据杂交稻种植少本稀植的要求,该文以杂交稻天优998和五优308为材料,采用机械化精密田间育秧试验方法,研究了4种秧盘和4个播种量水平对机插杂交稻秧苗成毯效果、秧苗素质和栽插质量的影响。结果表明:钵体毯状秧盘播种量在65 g/盘以上、毯状秧盘在45 g/盘以上、窄行秧盘在36 g/盘以上,应用华南农业大学研制的"水稻田间工厂化育秧精密播种机"进行精密播种,采用常规田间育秧管理育成的秧苗成毯效果能满足机插的要求;不同秧盘类型对秧苗素质的影响存在显著差异,4种不同秧盘育秧方式中,以钵盘培育的秧苗素质最好,整齐性也最好,钵毯秧苗次之,毯状秧苗与窄行秧苗相差不大;不同播种量对秧苗素质的影响较大,不同播种量之间,秧苗素质各项指标的差异都达显著水平,随着播种量的增加秧苗素质明显下降,表现为叶龄减少,苗高变矮,苗茎宽变细,根长变短,百株鲜质量、百株干质量和百株根质量都变轻;而秧盘与播种量的交互作用对秧苗素质的影响不显著;从栽插质量和满足栽插的农艺要求角度看,对杂交稻天优998而言,钵毯和毯状秧盘的最佳播种量范围为65~80 g/盘,窄行秧盘的最佳播种量范围为52~64 g/盘,钵盘的最佳播种量范围为41~50 g/盘。本文的研究结果对解决杂交稻机插秧技术问题具有理论意义和实际应用价值。     

基于超分辨率重建和多模态数据融合的玉米表型性状监测

无人机遥感技术已逐渐成为获取作物表型参数的重要工具,如何在不降低测量精度的同时提高空间分辨率和测量通量受到表型研究人员的重视。该研究以玉米为研究对象,获取5个生育期无人机图像序列,结合小波变换与双三次插值对数码影像进行超分辨率重建,提取原始影像和重建影像的冠层结构、光谱等参数。基于单一参数和多模态数据构建地上生物量估算模型。结果表明：重建影像质量较高、失真较小,其峰值信噪比为21.5,结构相似性为0.81。航高60 m的重建影像地面采样距离与30 m的原始影像相近,但每分钟可多获取0.2 hm2地块的图像。多模态数据融合在一定程度上克服冠层饱和问题,相对于单一参数获得更高的生物量估测精度,拟合的决定系数为0.83,单一参数拟合的决定系数为0.095～0.750。在采用更高飞行高度条件下,结合超分辨率重建和多模态数据融合估算生物量的精度没有降低、反而略有提高,满足更高测量通量的需求,为解码基因型与表型关联的策略提供依据。     

苗盘高度和育苗密度对烟苗生长发育的影响

塑料泡沫育苗盘作为漂浮育苗方式是不可或缺的基础设施,长期的化工制造不仅造成生态环境的污染,同时造成育苗成本的不断提高。本研究以降低育苗成本,培育优质壮苗为目的,研究了不同苗盘高度和育苗密度对烟苗生长发育及病虫害发生的影响,并分析了轻简育苗的经济效益。结果表明:以苗盘高度5cm、育苗密度160株/盘的育苗盘所育烟苗根系发达,苗株健壮,病害发生率低,综合生理生化指标优于常规育苗盘所育烟苗,经济效益提高1.95元/盘。本试验结果可为环保材料矮化育苗盘开发的规格提供参考。     

利用无人机航拍视频结合YOLOv3模型和SORT算法统计云杉数量

准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3（You Only Look Once v3,YOLOv3）和SORT（Simple Online and Realtime Tracking,SORT）的云杉数量统计方法。主要内容包括数据采集、YOLOv3检测模型构建、SORT跟踪算法和越线计数算法设计。以平均计数准确率（Mean Counting Accuracy,MCA）、平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）和帧率（Frame Rate,FR）为评价指标,该方法对测试集中对应6个不同试验地块的视频内云杉进行数量统计的平均计数准确率MCA为92.30%,平均绝对误差MAE为72,均方根误差RMSE为98.85,帧率FR 11.5 帧/s。试验结果表明该方法能够快速准确统计完整地块的云杉数量。相比SSD+SORT算法,该方法在4项评价指标优势显著,平均计数准确率MCA高12.36%,帧率FR高7.8 帧/s,平均绝对误差MAE和均方根误差RMSE分别降低125.83和173.78。对比Faster R-CNN+SORT算法,该方法在保证准确率的基础上更加快速,平均计数准确率MCA仅降低1.33%,但帧率FR提高了10.1 帧/s。该研究从无人机航拍视频的角度为解决完整地块的苗木数量统计问题做出了有效探索。     

基于相位相关的温室番茄植株多模态三维重建方法

为实现温室番茄植株多模态三维重建,解决多光谱反射率配准和多视角点云三维重建问题,基于相位相关原理将多光谱反射率配准至RGB-D图像坐标系中,建立了基于Kinect传感器测量位姿自主标定的多视角RGB-D图像三维重建方法,实现植株RGB三维点云模型和多光谱反射率点云模型重建,通过归一化灰度相似系数、配准区域光谱重叠率、互信息值3个指标客观评价二维多光谱图像配准质量,采用豪斯多夫距离客观评价植株三维点云重建精度。结果表明:30株温室番茄,每株4个重建视角,视角间隔为90°,配准区域光谱重叠率和归一化灰度相似系数的平均值分别为0.920 6和0.908 5,异源图像配准后互信息值比配准前互信息值平均提升了9.81%,植株冠层多光谱图像能够准确配准至深度坐标系,番茄植株三维重建点云距离集小于0.6 cm的比例为78.39%,小于1.0 cm的比例为91.13%,番茄距离集均值的平均值为0.37 cm,表明植株三维点云模型重建精度较高,能够应用于温室番茄植株多模态三维重建。植株多模态三维模型是实现三维形态测量与生理诊断的关键要素,为高通量植株表型测量提供高效精准的测量方法,对植物表型组学等研究领域的发展具有重要的意义。     

基于CNN-RNN网络的中国冬小麦估产

在大范围内快速、准确地预估作物产量，对作物管理、粮食安全、粮食贸易和决策有重要意义。遥感为大规模作物估产提供了便利，大多数研究者结合深度学习和遥感影像取得了较好的结果。然而，农作物生长状态随时间变化，其产量具有非线性时空特征，单一的深度学习方法无法充分利用影像信息。因此，该研究提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）和门控循环单元（Gated Recurrent Unit，GRU）混合神经网络估产模型（CNN-GRU），利用CNN从多光谱遥感影像中提取丰富的空间-光谱特征，在此基础上，结合GRU从多时相遥感影像中自适应学习冬小麦生育期各阶段之间的时间依赖，从多尺度融合冬小麦的生长特征并对其产量进行回归预测。该研究以全国冬小麦主产区为研究区，选取2001-2018年MODIS影像和冬小麦产量数据，构建了冬小麦估产数据集，并验证了CNN-GRU估产模型的性能。结果表明：1）以2016-2018年估产样本作为测试集，CNN-GRU估产模型的均方根误差（Root Mean Square Error，RMSE）年平均值为818.3 kg/hm2，相较于CNN、GRU、支持向量回归（Support Vector Regression，SVR）、随机森林（Random Forest，RF）和决策树（Decision Tree，DT）模型分别降低了20.13%、18.81%、29.51%、34.84%和36.57%；2）将冬小麦整个生育期划分为6个时间窗，CNN-GRU估产模型在灌浆-成熟期时精度最高，RMSE为817 kg/hm2，而抽穗-开花期的RMSE为823 kg/hm2，相较于灌浆-成熟期高0.7%。因此，该估产模型有能力提前2个月预测全国冬小麦主产区产量。     

基于深度掩码的玉米植株图像分割模型

随着深度学习技术在植物表型检测领域的应用,有监督深度学习逐渐成为植物表型信息的提取与分析的主要方法。但由于植物结构复杂、细节特征多,人工标注的成本和质量问题已成为制约技术发展的瓶颈。该研究针对玉米苗期植株图像分割问题提出一种基于深度掩码的卷积神经网络（Depth Mask Convolutional Neural Network,DM-CNN）,将深度图像自动转换深度掩码图像,并替代人工标注样本完成图像分割网络训练。试验结果表明,在相同的网络训练参数下,通过测试DM-CNN得到的平均交并比为59.13%,平均召回率为65.78%,均优于人工标注样本对应的分割结果（平均交并比为58.49%,平均召回率为64.85%）;此外,在训练样本中加入10%室外玉米苗期图像后,DM-CNN对室外测试集的平均像素精度可以达到84.54%,证明DM-CNN具有良好的泛化能力。该研究可为高通量、高精度的玉米苗期表型信息获取提供低成本解决方案及技术支持。