基于视觉三维重建的作物表型分析

采用基于图像序列的三维重建技术对作物小麦进行三维重建,通过对比不同处理下的三维点云,选择合适的处理方式对同一品种的不同植株进行三维重建;最后通过获取的作物三维模型对其进行表型测量。结果表明,重建出的三维模型在一定程度上可以还原作物的真实结构,说明利用计算机视觉技术对作物进行表型测量是切实可行的,利用三维模型测量作物的表型对于育种是省时有效的。     

植株自旋转多视角重建技术在小麦植株三维表型获取中的应用评估

基于多视角重建技术的作物三维表型高通量获取系统成本低、获取效率高，引起越来越多的关注。植物自旋转式拍摄平台易于搭建，但植物旋转过程中产生的抖动对点云三维重建和表型解析精度有一定影响。为评估旋转式多视角成像在小麦植株三维表型解析中的适用性，基于植物旋转设计了便携式小麦植株三维表型高通量采集系统，选取穗期不同品种的小麦植株作为实验样本进行点云重建，基于Hausdorff距离评价了重建点云的精度误差；并基于人工测量数据，对所提取的表型指标精度进行评价。结果表明，植物旋转式重建的点云与相机旋转式重建的点云有较高的一致性，点云精度差距基本控制在0.4 cm以下；获取的叶长、叶宽和株高的均根方误差分别为0.79、0.13和0.53 cm，平均绝对百分比误差分别为3.26%、7.63%和0.74%，表明该方式适合穗期的小麦植株表型重建，具有较高的点云重建和表型提取精度，并为小麦植株表型评价提供了一种低成本的解决方案。     

基于多视角图像的玉米三维重建及双面配准方法研究

提高植物三维点云模型重建时的准确性与完整性，是精准获取植物表型参数的关键所在。目前大多数三维重建方法只能从某一方向对目标物体进行重建，缺乏完整的三维重建过程。为了解决此问题，本研究提出了一种基于多视角图像序列的玉米双面配准的三维重建方法，通过安装在图像采集平台上下侧的RGB相机来获取玉米不同视角的图像序列，基于SfM算法获取玉米的三维点云模型后使用点云颜色滤波算法进行预处理。通过交互式选点测量方法得到玉米点云的空间坐标后基于欧式距离算法计算20组玉米的株高、叶长、叶宽等表型参数，与对应的手动测量结果相比，决定系数r²依次为0.973 6、0.969 1、0.915 0,结果表明两者间显著相关。之后对标记物使用4PCS和PCA算法进行粗配准，结果表明采用4PCS具有更好的粗配准效果。最后采用ICP算法进行标记物的精配准，得到变换矩阵后将其应用于玉米点云，即完成了玉米点云的双面配准。由玉米点云的配准精度均方根值(RMS)可知，当点云重叠度设置为90%时，RMS值较小，玉米点云配准的精度更高，可达到较好的配准效果。总之，本研究所提的配准方法可以拼接和重建出结构更加完整的...     

基于可见光图像的玉米植株表型检测研究进展

植株表型性状是遗传育种和农业生产中普遍关心的数据,传统表型观测已成为限制育种效率和管理生长的主要因素。基于可见光图像的植株表型检测具有成本低、效率高、易推广等优点,不但可以原位、实时和连续获取植物生长图像,而且能够解析出植物结构、形态、颜色和纹理等多种表型参数。从玉米群体、单株和器官尺度上论述了基于可见光图像的玉米植物表型检测方法和技术,重点介绍了玉米根、叶、穗部等主要器官的高通量表型检测进展,并分析了基于可见光图像进行植物表型检测存在的问题和发展趋势,以期为制定作物表型检测技术方案和实施规程,及系统开展植物表型组学研究提供参考。     

基于轮廓投影的盆栽水稻三维重建方法研究

近几年，基于图像的高通量水稻表型研究取得了极大进展，但从三维层面进行研究的工作则相对较少。一般而言，相对于二维图像，从三维模型中能提取更为全面的性状参数。三维模型重建是作物三维表型研究的基础，提出一种适用于盆栽水稻三维点云的重建方法。该方法在相机固定、样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色。结果表明，该方法对于不同时期及不同品种的水稻样本均能取得较好重建效果。     

基于轮廓投影的盆栽水稻三维重建方法研究

近几年，基于图像的高通量水稻表型研究取得了极大进展，但从三维层面进行研究的工作则相对较少。一般而言，相对于二维图像，从三维模型中能提取更为全面的性状参数。三维模型重建是作物三维表型研究的基础，提出一种适用于盆栽水稻三维点云的重建方法。该方法在相机固定、样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色。结果表明，该方法对于不同时期及不同品种的水稻样本均能取得较好重建效果。     

数字植物研究进展:植物形态结构三维数字化

数字植物围绕农林植物生命、生产和生态系统的多维信息高效感知和认知的理论、技术和方法,通过多学科交叉合作,研究农林植物-环境3D数字化、高通量信息获取、情景感知、信息融合、结构和功能模拟、数字化设计和精准管理决策等数字农业的关键性、基础性以及共性理论和技术问题。植物形态结构的三维数字化是数字植物研究的重要组成部分,近年来很多学者从植物组织、器官、植株和群体等不同尺度,或者从植物根系和地上部等不同视角,围绕植物形态结构的参数测量、几何结构解析、三维模型构建、结构与功能建模,以及三维植物模型真实感展现等需要,开展了更深入的研究。在组织尺度方面,随着MRI、CT、显微成像等技术产品的不断成熟,使得利用这些先进测量仪器获取和测量植物组织内部结构数据成为可能,并被越来越多的研究者采用,成为进行植物内部形态结构测量和分析的有效手段。在植物根系的三维数字化方面,由于植物的根普遍生长在土壤里,观察和测量十分困难。虽然近年来XCT、MRI等穿透射线成像技术已越来越多地用于根系的形态结构探测,但这类技术往往仅能获取范围较小的根系局部数据,且价格昂贵。因此植物根系形态结构的准确、无损(原位)、快速测量仍然是一个挑战。在群体尺度方面,基于实测数据的三维重建逐渐成为植物群体三维重建的主要途径,研究者正试图从激光三维扫描仪获取的植物群体三维点云中提取群体的形态参数并实现群体的三维重构。而在三维植物模型的真实感绘制方面,如何准确地测量各种植物器官的光学特性并建立相应的数学模型是当前的研究重点,虽然已有不少研究者提出了相应的解决方案,但这些方法在便捷性和普适性方面仍然难以令人满意,有待更多深入研究。笔者最后结合相关领域的技术进展对数字植物的进一步研究进行了展望。     

基于Kinect的农作物长势深度图像实时获取算法

快速、准确、实时获取农作物长势形态图像信息已经成为数字农业生产管理的趋势和必要手段,而深度图像信息包含彩色图像所没有的三维信息,可为农作物的生长模型三维重建以及实时长势形态监测提供有价值的数据。本研究采用微软公司开发的一款廉价体感游戏设备Kinect,尝试了对农作物长势形态深度图像进行实时监测研究,在介绍Kinect深度成像原理的基础上,提出了采用Kinect获取农作物长势深度图像的算法以及提取3D点云世界坐标的算法,并开展了初步试验。试验结果表明,该方法可以获取良好的三维图像数据信息,能够为后期农作物的生长模型三维重建、长势状态分析、病虫害实时监测等研究提供有价值的数据依据。     

棉花表型技术研究进展

棉花是重要的纺织原料,表型技术的应用对棉花智慧栽培管理和数字化育种具有重要意义。随着农业监测传感器及表型平台的发展,棉花表型技术研究进入重要阶段。概述了棉花的表型构成和主要表型指标;从图像类表型平台、点云类表型平台2个方面综述了棉花表型获取相关传感器及高通量系统平台的发展现状,总结其适用场景、通量、效率及精度;详细综述了棉花多源表型数据处理技术体系,包括图像、三维建模、机器学习、深度学习以及表型大数据建模等技术方法;总结讨论了当前表型技术在棉花精准栽培管理和数字育种方面的应用进展;展望了棉花表型技术的未来发展趋势。     

园艺植物可视化研究进展

园艺植物是农林植物的重要组成部分, 其可视化研究可应用于园林设计、作物疾病的监管以及产量预测等方面。综述了近年来园艺植物可视化的研究进展,首先探讨了园艺植物拓扑结构模拟现状,然后从参数化建模、基于图像的三维重建和基于测量数据的三维重建和交互式设计四个方面介绍了园艺植物形态建模的研究进展,阐述了应用于园艺植物真实感绘制方面的技术,并对园艺植物可视化的发展趋势进行了展望,对研究者开展相关领域的研究具有一定的参考和指导意义。     

作物根系结构对干旱胁迫的适应性研究进展

干旱是影响植物生长和作物产量的重要环境因素,全球性的气候变化更加剧了干旱胁迫对作物生产和粮食产量的影响。根系是植株吸收水分的主要器官,它能够调节自身生长发育和对水分的吸收和运输从而对干旱胁迫产生适应性,因而根系在作物适应干旱缺水环境中发挥重要作用。从根系构型和根的解剖结构两方面总结了作物根系形态结构对干旱胁迫的适应性研究进展,并分析了目前根系结构研究方法的现状,指出通过研究方法和技术手段的进步和创新,实现根系表型特征全面、快速和精准鉴定将是未来的发展趋势,这将为抗旱节水作物品种的筛选和评价提供理论指导。     

激光扫描共聚焦显微镜在植物研究中的应用

荧光成像技术、光学显微镜和计算机成像分析系统的完美结合催生了激光扫描共聚焦显微镜(LSCM)的出现,其优越的结构特点实现了将较厚样品能够逐点逐层扫描成清晰图像,有利于各种荧光信号的采集,直观进行三维重建和样品多重荧光信号采集进行的定量分析。这些优势功能极大地提高了从细胞、分子水平来探求生物时空表达基本功能的能力。本文详细阐述了近年来随着该项技术发展的日益多样化,激光扫描共聚焦显微镜技术在植物组织化学、植物细胞器和细胞骨架、植物发育方面的应用。     

基于深度学习的农作物病害图像识别技术进展

农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。     

基于图像处理的作物营养诊断研究进展

近年来,随着农业化肥滥用问题的日益突出,图像处理技术在作物营养诊断上的应用研究越来越多。通过对作物营养诊断研究背景的阐述,指出图像处理技术在作物营养诊断上应用的重要意义,介绍作物图像营养诊断研究的总体情况和基本思路,论述作物图像采集、图像预处理、特征提取与优化、分类识别4个环节所用技术方法以及取得的成果,并分析作物图像营养诊断方面存在的问题。     

山西省作物高产高效综合生产技术研究

分析了国内外作物高产高效生产技术的发展趋势及山西省作物生产现状,提出开展山西省作物高产高效综合技术研究(内容主要包括:粮食作物节水省肥综合技术研究与示范、棉田高效种植模式及开发、高效经济作物高产关键技术与开发、作物抗逆与环境友好技术研究及开发、农业成果转化扩散模式),并分析了该综合技术研究对山西省农业发展的提升作用。     

基于MVS序列图像的油菜三维模型

为实现油菜作物模型的可视化研究,给油菜作物的数字化管理提供数据基础,以感染虫害的苗期油菜为研究对象,采用MVS序列图像技术,搭建MVS技术的序列图像采集平台。根据SFM和PMVS算法获得虫害油菜的稀疏点云数据和稠密点云数据,同时,探索序列图像数量对于特征点匹配的影响。对MVS序列图像技术获得的虫害油菜三维点云数据,采用滤波、精简、Alpha-Shape曲面重建等处理,得到虫害油菜的三维形态曲面模型。结果显示,使用图像数目多和8邻域匹配两者相结合的方法可以又快又好地匹配图像特征点;在获得合适的Alpha值情况下,Alpha-Shape算法可以真实形象地表现出虫害油菜的生长状态。     

利用花药相关基因及启动子创制雄性不育种质研究进展

杂种优势利用是大幅度提高作物产量、改良作物品质的有效途径,而作物雄性不育及优良的育性恢复种质是利用杂种优势的关键因素。为此,综述了近年来有关花药发育重要基因克隆和功能验证研究方面的重要成果,以及运用植物遗传转化工程创制植物雄性不育种质的进展。同时讨论了利用转基因技术创制作物雄性不育系、恢复系和保持系的技术策略,并对利用植物遗传转化技术创制植物杂种优势利用中"三系"种质的现状进行了分析和展望。