基于纹理南疆红枣外观品质应用研究

红枣分级技术主要依靠人工分级,造成了生产效率低下,分级精度低。随着无损检测技术发展,利用计算机技术实现红枣的自动分级,已成为较优的红枣分级方法。以南疆红枣外部品质特征为研究对象,应用MATLAB的数字图像处理技术,寻求红枣外部品质特征参数的采集以及分级方法。采用灰度化对红枣图像作预处理以及图像的特征提取,结果表明,该方法可以实现红枣外部特征参数的采集,进而实现南疆红枣的纹理分级,具有实际应用价值,且对今后逐步实现基于机器视觉的红枣外观品质综合分级研究具有指导意义。     

基于光谱特征参数的果树树种的遥感识别

本研究通过对南疆盆地主栽5种果树(苹果、香梨、核桃、红枣、杏)的冠层光谱数据进行特征参量的选取,旨在提高林果树种的树种分类精度并筛选出用于这5种树种的冠层光谱树种识别的有效特征参量,从而为完善高光谱果树树种识别研究中大量数据处理的方法提供参考依据。试验采用美国PP Systems公司生产的UniSpec-SC(单通道)便携式光谱分析仪对不同树种的冠层进行光谱测量,利用逐步判别分析法对高光谱数据进行树种识别与有效特征参量的选择。结果表明,采用特征参量进行树种识别的总分类精度可达到86.67%,明显高于全波段参与下的72.00%。逐步判别分析法入选的有效特征参量为蓝边面积、蓝边斜率、黄边面积、近红外平台、红边面积、蓝边位置、黄边位置、红边位置。     

基于Web的南疆红枣信息系统设计与实现

为了解决因南疆地广人稀、交通不便而造成的南疆红枣购销信息不畅,红枣品牌推广方式落后,获取最新红枣种植技术、病虫害防治知识困难等问题,本研究以南疆红枣为对象,结合Web技术,设计基于Web的南疆红枣信息网。该信息系统是以Visual Studio 2008作为开发平台,SQL Server 2005构建数据库,使用ASP.NET和ADO.NET技术、C#语言进行开发,采用数据、业务逻辑、用户界面分离的多层结构。根据用户体验,该系统实现了南疆特色红枣购销信息共享网络化,南疆红枣品牌推广信息化,为南疆特色红枣农村电商发展提供了机会。     

基于近红外光谱的骏枣病虫害与风沙损伤检测

为新疆南疆地区的骏枣种植设计一种基于近红外光谱分析的无损病虫害与风沙损伤检测技术。首先,采集大量骏枣的近红外光谱,采用遗传算法从全部近红外光谱中选择一部分最优的光谱特征;然后,使用二次判别分析模型对选择的光谱特征进行训练;最后,通过支持向量机对骏枣进行病虫害分析;基于新疆南疆第一师阿拉尔市十四团-数字枣园示范基地的骏枣测试本技术的性能。结果表明,本技术对骏枣的病虫害与风沙损伤检测均具有较高的检测准确率,并具有较高的实用价值。     

南疆红枣无损检测模型应用开发及推广试验

<正>项目编号:10964009项目负责人:罗华平教授成果简介:南疆独特光热资源和地理优势造就了南疆红枣的高品质(糖度高)。随着南疆红枣种植规模持续扩大(超过1500万亩)。急需发展能体现南疆红枣独特品质的近红外数字化无损检测技术。项目组围绕不同区域南疆红枣品质理化参数差异性。光谱特征因子提取和光谱差异变化规律机理展开。取得授权发明专利、软件著作权、自治区优秀论文二等奖、塔里木大学科技进步一等奖等一系列标志性成果。     

基于高光谱成像技术的生菜叶片水分检测研究

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。     

基于冠层高光谱数据与马氏距离的马铃薯品种识别

为丰富高光谱数据在精细农业中的应用,本研究基于冠层光谱数据进行不同马铃薯品种区分研究。利用田间实测的6-8月的马铃薯原始光谱数据以及经过一阶微分、对数一阶微分、包络线去除处理后的光谱,采用马氏距离法选择3种马铃薯光谱差异显著波段,再利用逐步判别法检验波段识别精度。结果表明,7月份经过对数一阶微分变换选取的特征波段识别精度最高,达87. 7%。不同生育期内,多种预处理方法下的光谱识别能力有差异。6月份包络线去除法的识别精度最高,7月份对数一阶微分处理下的识别精度最高,而8月份原始光谱的识别精度最高。提取的特征波段多位于红光及近红外波段。研究结果表明基于高光谱数据,借助马氏距离与逐步判别法可以区分马铃薯品种。     

基于高光谱成像技术的茄子叶片灰霉病早期检测

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.     

基于高光谱成像技术的红酸枝木材种类识别

为了实现市场上常见红酸枝类Dalbergia spp.木材的快速无损识别,利用高光谱成像技术对不同红酸枝木材进行种类识别研究。以交趾黄檀 Dalbergia cochinchinensis,巴里黄檀 Dalbergia bariensis,奥氏黄檀Dalbergia oliveri和微凹黄檀 Dalbergia retusa为研究对象,采集高光谱图像并提取感兴趣区域内的反射光谱,采用Savitsky-Golay（SG）平滑算法、标准正态变量变换（SNV）和多元散射校正（MSC）对955~1 642 nm 波段光谱进行预处理,并通过主成分分析法（PCA）,回归系数法（RC）以及连续投影法（SPA）选择特征波长,分别建立了偏最小二乘判别分析（PLS-DA）和极限学习机（ELM）判别分析模型。研究结果表明:经SG和MSC光谱预处理,采用SPA选择的特征波长建立的ELM模型性能最优,建模集和预测集的识别率均为100.0%。这为红酸枝木材种类的快速无损识别提供了新的方法。图5表4参17     

傅里叶变换红外光谱结合判别分析法诊断蚕豆病虫害

为建立一种基于傅里叶变换红外光谱(FTIR)结合判别分析的蚕豆病虫害诊断方法,以病虫害危害的蚕豆叶片样品FTIR数据为指标,采用逐步判别法,依据Fisher线性判别准则建立判别模型,对样品的病虫害种类和病原物类别进行诊断,比较了不同光谱范围和不同级别光谱数据以及挑选判别指标建立判别函数时5种方法的判别效果。结果表明,基于FTIR数据的判别分析能较好地诊断蚕豆病虫害种类和病原物类别,以波数1 800~1 200 cm-1的一阶导数光谱数据为判别指标进行诊断时效果较好;采用Unexplained variance逐步判别法对病虫害种类诊断时,正确率相对最高,为93.1%;采用Wilks’lambda逐步判别法对病原物类别诊断时,正确率为91.8%。FTIR光谱技术与判别分析方法相结合,可为蚕豆病虫害诊断提供一种简便易行的方法。     

番茄氮素的多特征融合检测研究

针对设施番茄的氮营养探测,利用高光谱成像结合三维激光扫描技术,提取了番茄氮素的高光谱特征图像和植株的三维形态特征,实现了番茄氮素的快速定量分析。基于获取的不同氮素水平番茄的高光谱图像数据立方体,利用敏感区域逐步回归,结合相关分析,提取了氮素的特征谱段,获取了特征图像强度均值特征;基于获取的番茄三维激光扫描数据,通过建立番茄三维点云数据的空间几何模型,获取了不同氮素水平番茄的茎粗、株高和生物量特征;采用PLSR建立了多特征融合番茄氮素检测模型,结果表明,所建立的模型的R为0.94,模型精度明显优于采用高光谱图像和三维激光扫描单一特征模型。     

油菜氮素的多光谱图像估算模型研究

 【目的】充分利用可见光、近红外多谱段图像的反射强度分布信息进行油菜氮素诊断,实现对油菜氮素水平的定量估算,为油菜营养的科学管理提供理论依据和技术支撑。【方法】利用多光谱CCD获取不同氮素水平的油菜冠层图像,采用中值滤波法对图像进行预处理;通过二维最大信息熵阈值分割法对多光谱图像进行背景分割;对多光谱图像的均值和比值、差值融合特征进行提取。【结果】通过相关分析,发现ARV1、AVS560、ADV1、AVS660、g等特征在整个生长期与油菜氮素的相关性均较高,考虑到多光谱变量间存在的多重共线性影响,利用逐步回归法建立了不同生长期油菜氮素的多光谱图像特征预测模型。【结论】初步探明了不同生育时期油菜氮素的多光谱图像特征,实现了采用多光谱图像技术对油菜氮素水平的定量估算。     

基于高光谱成像技术的富士苹果轻微机械损伤检测研究

为降低苹果损伤造成的商业损失,延长苹果的储存期,利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。以120个富士苹果为研究对象,首先利用波段范围在400～1 000nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像,并提取感兴趣区域的平均光谱数据,然后通过两次连续投影法进行分析,去除光谱波段间的冗余信息,找到共线性最小的波段组合(821 nm和940 nm);其次,对特征波段图像进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行固定阈值分割和形态学处理,得到苹果表面机械损伤的检测结果。利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试,总体正确率达到94. 4%。     

基于光谱和Gabor纹理信息融合的油桃品种识别

为实现油桃品种的快速且无损鉴别,对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中,采用偏最小二乘回归(partial least squares regression,简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中,采用主成分分析(principal component analysis,简称PCA)获得主成分图像,并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine,简称LS-SVM)和极限学习机(extreme learning machine,简称ELM)油桃品种判别模型。结果表明,基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%,较单独采用光谱信息和纹理信息的识别率都高,说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别,为农产品无损检测提供参考价值。     

基于空谱一体化的农田高光谱图像分类

为强化高光谱成像技术在近地农业方面的应用,以农田近红外高光谱图像为研究对象,利用高光谱成像技术,结合光谱分析方法和监督分类方法,对农田图像进行分类。针对高光谱图像数据量大、非线性等特点,采用主成分分析(PCA)和支持向量机(SVM)法建立农田图像分类器。在利用光谱信息分类的基础上,采用空谱一体化方法对光谱分类结果进行修正,去除孤立点和噪声的影响。基于支持向量机的总体分类精度为88.4%,采用空谱一体化方法的总体分类精度最高达89.7%,说明利用空间信息修正光谱信息可以提高近地农田对象的分类精度,为基于高光谱图像的近地农田识别提供理论依据。     

苹果贮藏中水心消失速率的研究

利用可见-近红外光谱和X射线成像技术研究了水心苹果贮藏中水心消失速率.采用PLSDA和平均灰度值法对水心判别,研究120水心苹果贮藏中的光谱及灰度图像的变化规律.结果表明:PLSDA和平均灰度值法对水心判别,判别正确率分别为96.7%和97.43%;水心消失速率在贮藏前期高于贮藏后期;水心苹果平均光谱峰面积与贮藏时间拟合方程为:y=-0.0002x3 0.0733x2-7.405x 342.06;该实验条件下,近红外平均能量谱峰面积和X射线图像平均灰度值的贮藏临界值分别为110.21,143.91.实验结果表明可见-近红外能量光谱和X射线成像技术可以快速、无损、准确鉴别苹果水心及检测贮藏变化规律.     

新疆南疆红枣病虫害综合防治技术研究

枣树是新疆地区营造水土保护林的优良树种,在新疆地区经济、社会以及生态发展中起到了重要作用。基于此,本文从新疆南疆地区红枣常见病虫害种类出发,并针对有效综合防治技术提出具体措施,以供相关人士参考和借鉴,希望能为南疆红枣病虫害防治提供一定帮助。     

基于二维相关光谱的南疆红枣成熟期营养成分变化试验研究

以南疆特色红枣—灰枣为研究对象,分析红枣成熟期不同成熟度红枣品质组分信息变化,获取红枣内部养分含量的变化关系。自白熟期开始采集红枣样品,每隔10天采集一次样品,直至红枣完熟期。对每次采集的红枣样品均采集近红外光谱、作二维相关分析、理化指标测试。结果表明:对南疆不同成熟度的红枣作二维相关分析,可显示红枣内部品质因子总糖、总酸和水分的变化情况,与采用国标法所测得的红枣理化性质指标相一致,进一步提高了近红外光谱的分辨率。结论:采用二维相关光谱技术方法(2D Correlation Analysis)技术,可以研究不同成熟期红枣内部品质变化。借助于二维相关光谱分析处理红枣内总糖、总酸和水分的变化情况,提高了红外光谱图的分辨率,并且得到了红枣内单糖与多糖、自由水与结合水的转化趋势,预测了红枣成熟过程中结构动态变化的微观信息,验证了红枣内部成分的变化机理。红枣内各营养成分之间的具体相互转化情况,有待进一步研究,这将对兵团信息化、数字化的趋势具有生产指导意义。     

枸杞病虫害遥感近地高光谱特征研究

在中宁县规模化枸杞种植区,通过遥感近地高光谱技术,利用光谱辐射仪,对处于盛果期的健康枸 杞冠层和感染了木虱、瘿螨、负泥虫、白粉病的染病枸杞冠层进行光谱特征测定。根据光谱反射率测定结果,分 析枸杞冠层染病前后的光谱特征及变化规律,筛选枸杞病虫害遥感识别最佳波谱范围及优化组合,得出红边波 段（680~760 nm）为枸杞病虫害识别的最敏感波段。基于高光谱变量特征参数和敏感波段光谱反射率参数的计 算,研究其与病情指数间的关系,构建枸杞病情指数反演模型,得出以参数R760/R700 为变量的模型为枸杞病情指 数反演的最佳模型。     

基于高光谱图像技术的油菜籽品种鉴别方法研究

提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法.采集多个品种油菜籽400～1 000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波长;采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数,应用人工神经网络建立油菜籽品种鉴别模型.结果表明,模型训练时品种判别率为93.75%,预测的判别率为91.67%.说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用.