基于支持向量机的小麦条锈病和叶锈病图像识别

为了解决生产中小麦条锈病和叶锈病症状难以区分的问题,提高识别率和精度,提出了一种基于支持向量机和多特征参数的小麦条锈病和叶锈病图像分类识别方法。利用图像裁剪方法获取典型症状的子图像,采用中值滤波算法对图像进行去噪,利用K_means硬聚类算法实现病斑分割,提取病斑区域的形状、颜色和纹理特征空间的50个特征参数,设计支持向量机分类器进行分类识别。根据优选的26个特征参数,利用以径向基函数作为核函数的支持向量机对这2种小麦锈病图像进行识别。结果表明:训练样本识别率均为96.67%,测试样本识别率均为100%;与其他核函数相比,径向基核函数最适合于这2种小麦锈病的识别。所提出的基于支持向量机的方法可有效地进行小麦条锈病和叶锈病的图像识别。     

基于多特征融合和稀疏表示的农业害虫图像识别方法

【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG 融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。     

小麦不同品种的氮素利用效率差异研究

【目的】研究小麦不同品种籽粒、叶片和茎秆的含氮量和氮素利用效率的差异。【方法】选用29个普通小麦品种，分别在正常和肥水亏缺环境下进行随机区组试验。【结果】小麦不同品种籽粒、叶片、茎秆的含氮量和氮素利用效率差异均达极显著水平；不同环境间叶片、茎秆的含氮量和氮素利用效率差异也达极显著水平，但籽粒含氮量差异不显著；品种×环境互作只有叶片含氮量差异达极显著水平；不同品种肥水亏缺下氮素利用效率均高于正常环境的氮素利用效率；在肥水亏缺和正常环境下分别筛选出5个和4个高效利用氮素的品种；两种环境的籽粒和叶片的含氮量和氮素利用效率均存在极显著的正相关，而茎秆含氮量两种环境的相关不显著；籽粒、叶片、茎秆的含氮量和氮素利用效率的小区遗传率分别为48.4％、57.6%、17.4%和35.4%，而品系遗传率分别为84.9％、89.1%、55.8%和76.7%。【结论】小麦各器官的含氮量和氮素利用效率存在着品种差异，可以通过杂交育种等手段，对其进行遗传改良，培育既高产、优质又高效利用氮素的小麦新品种。     

基于改进BP网络的小麦品种识别

为了提高小麦品种的识别准确率,以河北农业大学选育的6个小麦品种为研究对象,对小麦籽粒图像进行中值滤波阈值分割等方法预处理后,对形态、颜色、纹理3个方面进行特征提取。其次利用BP神经网络对单个品种的小麦进行识别,然后结合主成分分析(PCA)法降维研究一次性识别多类小麦品种,最后为避免神经网络的局限性,利用PSO算法优化网络权值参数。结果表明:BP网络对单个小麦品种具有非常好的识别效果,其中河农7069品种的识别准确率达100%;结合PCA法降维后小麦品种平均的识别准确率为91.582%;利用PSO算法优化网络后识别准确率增加至94.3%,达到了更好的识别分类效果。     

基于图像处理和特征优选的玉米品质识别

为实现玉米籽粒的品种识别与品质评估,根据籽粒图像特征参数较多、参数间有一定相关性的特点,采集原始图像并进行必要的预处理,提取图像的颜色特征、形状特征及纹理特征共30个;以主成分分析法对指标集进行精简,在保证识别精度的前提下去除冗余信息,降低图像计算复杂度,使特征集精简为10个;以支持向量机进行分类识别,结果证实品种平均识别率为93.3%,不合格粒平均识别率为94.5%,识别精度较高,可满足玉米籽粒的无损识别、分类、检测及评估需求。     

基于化学指纹图谱的绿茶原料品种判别分析

【目的】探索化学指纹图谱在建立绿茶原料品种属性鉴别验证技术方面应用的可行性与潜力。【方法】利用HPLC和信息融合原理,按单一产地和混合产地两种原则,建立根据不同原料品种分组的绿茶样本的多元数字化化学指纹图谱,并采用逐步判别分析技术进行样本的分类判别研究和验证。【结果】采用杭州西湖区、绍兴新昌县和丽水莲都区共3个产地的样本各自建立的单一产地判别函数,其回判正确率、交叉验证正确率和外部验证正确率均为100%;采用8市（县）混合样本建立的判别函数,其回判正确率为99.2%,交叉验证成功率为97.7%,外部验证正确率为100%。【结论】HPLC建立的绿茶多元化学指纹图谱能够较好地表征茶叶样本的品种属性,在此基础上有望建立一种对茶产品原料品种的判别验证技术。     

基于高光谱成像技术识别苹果轻微损伤的有效波段研究

为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段，以200个烟台富士苹果为对象进行研究。首先获取400～1 000 nm波长范围内完好和轻微损伤后0、0.5、1 h的苹果高光谱图像，然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据，再利用载荷系数法（x LW）、连续投影法（SPA）和二阶导数（second derivative）法提取特征波长，分别提取3、9和20个特征波长，并根据特征波长建立基于遗传算法优化的BP神经网络（GA BP）和支持向量机（SVM）损伤识别模型。结果显示，三种基于特征波长提取方法建立的SVM模型对测试集的识别率（分别为77.50%、91.88%、96.88%）均高于BP GA模型（分别为75.63%、90.63%、93.75%）,因此，SVM被确定为最佳苹果轻微损伤识别模型。最后，利用每一特征波长分别作为变量建立SVM模型。结果发现，波段811 nm识别率达到90.63%，优于其他波段，被确定为苹果轻微损伤识别的最优波段。     

基于高光谱成像技术的不同类型小麦穗发芽籽粒识别

【目的】为探索利用高光谱成像技术识别不同类型小麦籽粒穗发芽的方法。【方法】利用涵盖不同倍性、籽粒颜色的3个品种的小麦种子为材料，通过设置穗发芽对比实验，利用PCA、ICA、HSV 3种变换方法分析不同类型小麦正常和穗发芽籽粒光谱、图像的差异，提取图像和光谱特征参数，并运用最小距离法、最大似然法和支持向量机3种不同识别算法进行小麦籽粒发芽识别。【结果】穗发芽与否会在其光谱特性上有所反映，发芽籽粒的光谱反射率在品种间差异较小，发芽与未发芽籽粒的光谱反射率存在较大差异，大于未发生穗发芽品种之间的差异，特别是在光谱波段470～620 nm之间。通过光谱差异分析并结合支持向量机算法进行识别得到的结果精度更高，识别精度达到96%。【结论】研究结果可为种子质量监控、自动筛选识别等提供技术支持。     

基于LM神经网络的小麦叶片病害识别

快速、及时和准确的发现小麦病害对提高小麦产量具有重要作用。以小麦叶片白粉病、条锈病和叶锈病3种病害为研究对象,提出了基于LM神经网络的小麦叶片病害识别模型。首先采用K-means算法分割小麦叶片病斑区域,提取小麦病斑区域的颜色特征和纹理特征,构建数据集。然后建立LM神经网络小麦叶片病害识别模型,输入数据进行识别。基于颜色和纹理特征的小麦叶片病害识别率为95.3%。在小样本情况下,利用LM神经网络算法能够快速、准确的识别小麦病害叶片。     

麦蛾危害损失及其与小麦穗部特征的关系

田间分小区种植１７个小麦品种,穗期自然感染麦蛾,收获前测量各品种的主要穗部特征,收获后检查受害情况。结果表明：不同小麦品种的籽粒受害率、千粒重损失量和损失率等均有较大的差异,其中籽粒受害率经方差分析,品种间差异达极显著水平。据此结合新复极差测验比较,可将供试１７个品种对麦蛾的田间抗性分为高抗、抗、中抗或中感、高感４种类型。不同小麦品种的籽粒受害率与小麦穗部１０个主要特征相关分析表明,籽粒受害率与穗     

干旱胁迫对不同冬小麦品种水分利用效率及产量性状的影响

为了研究干旱胁迫对冬小麦主要性状的影响及其机理,选用12个抗旱性不同的冬小麦品种,在干旱胁迫和自然降雨2种环境条件下,研究干旱胁迫对其水分利用效率(WUE)及产量性状的影响。结果表明,干旱胁迫导致株高降低6.9%～25.6%,产量下降2.4%～56.2%,WUE增加17.0%～84.9%,穗粒数减少0.4%～17.1%,有效穗数下降2.4%～34.1%,穗长缩短0.21%～11.8%,各性状对干旱敏感程度都存在明显的品种间差异。产量下降幅度随品种抗旱性的增强而逐渐减弱,WUE增加幅度随品种抗旱性的增强而增加。WUE及产量性状的相关分析表明,干旱胁迫条件下,有效穗数、株高、WUE可作为判定某一品种抗旱性的间接依据,即成穗数多、籽粒饱满、株高稳定性好、水分利用效率高的小麦品种抗旱性好,从而获得较高的产量。     

基于迁移学习的番茄叶片病害图像分类

针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。     

外源GA_3对大粒小麦内源激素及碳氮化合物含量的调节效应

用20 mg/L的GA3溶液处理开花后10 d的不同粒型冬小麦品种。处理后大粒品种籽粒和旗叶中的内源GA3含量高于小粒品种,而ABA含量却低于小粒品种,其变化趋势均为单峰曲线,大粒品种籽粒和旗叶中的内源GA3的峰值高于小粒品种,而ABA的峰值低于小粒品种;大粒品种籽粒和旗叶中GA3/ABA的峰值均高于小粒品种,且灌浆末期仍保持较高水平;两品种籽粒中可溶性糖含量均表现为"低-高-低"趋势,蛋白质含量则表现为"高-低-高"趋势,且灌浆中后期大粒品种籽粒中蛋白质含量上升较快,而小粒品种上升缓慢。     

110个四川主栽小麦品种抗条锈性鉴定及聚类分析

为选育出四川地区具有优秀抗性的小麦品种,进一步完善四川小麦品种的种质资源,选取110个四川地区主栽小麦品种,对每个品种的抗条锈性进行了大田成株期抗条锈性鉴定,对反应型、普遍率、终期病情指数进行相关分析,并对所有参试品种进行聚类分析,系统地对不同品种间的抗性水平进行分类筛选.结果显示:反应型、普遍率和终期病情指数三者具有极显著的正相关.聚类分析结果表明110个品种中,高抗品种有21个,占参试品种的19.1％;中抗品种26个,占参试品种的23.6％;中感品种31个,占参试品种的28.2％;高感品种32个,占参试品种的29.1％.     

小麦不完善粒构成分析

[目的]了解小麦不完善粒的主要影响因素,分析小麦不完善粒的构成因子,降低小麦生产中不完善粒的比例,筛选不完善粒低的小麦品种资源。[方法]选取安徽省涡阳县陈大镇种植的53个小麦品种(系),估算其不完善粒构成,解析赤霉病粒、黑胚粒和发芽粒的构成比例。[结果]该试验中53个小麦品种(系)的不完善粒范围为2.79%~20.82%,其中不完善粒小于6%的1、2级小麦品种(系)仅15个;不完善粒超过10%的小麦品种(系)有16个。造成不完善粒的赤霉病粒、黑胚粒、生芽粒等均存在明显的基因型间差异。[结论]供试品种(系)中,连麦6号、洛麦23、未来0818、龙科091、连麦2号、百农207、泰农19、皖农09157、皖科06725和皖科121979等品种(系)的不完善粒较低。     

小麦品质分级数字化无损检测方法研究

为解决小麦品质分级数字化检测的问题，通过对小麦的含水率、容重、杂质、不完善粒4个方面的检测建立小麦品质分级检测方法。分别设计了电容式传感器对小麦进行含水率检测，建立含水率检测数学模型，验证含水率检测最大误差范围为±0.4%。利用称重传感器测定小麦定容下的重量，标定容重参数，建立容重检测数学模型，验证误差范围±4 g·L^-1。基于机器视觉对小麦不同形态杂质进行分类识别，构建SVM算法分类模型，鉴别不完善粒、各类杂质，其评价参数准确率、精准率、召回率、F1-Score数值分别达到96.5 %、96.0 %、96.4 %、96.2 %。通过对比验证表明，小麦含水率、容重、杂质、不完善籽粒四个方面的检测最大误差分别为±0.4%，±4 g·L^-1，±0.15 %，±0.06 %，误差范围在合理区间，可以准确快速对小麦品质实现分级判定，为小麦品质分级判定提供了新的技术和方法。     

小麦品种审定中品种的合理评价问题

 以山东和江苏的小麦区试为例，探讨了品种审定中如何公正合理评价品种的问题。⑴品种区试的精确度标准：建议采用CV≤D（n/2）#+（1/2）/t#-α来估计。⑵联合方差分析的统计模型问题：认为年份和试点转换为环境因素的联合方差分析是较好的模型。⑶适应性和稳定性分析：提出b#-i为适应性参数，a#-i为稳定性参数。⑷合理评价品种：推荐采用参数分组估计法。     

Accumulation of Protein Fractions during Grain Filling of Wheat Genotypes Differing in Protein Content and Baking Quality

The accumulation of protein fractions was analyzed on developing and mature wheat grains of three cultivars differing in protein content and baking quality. There was a slight difference in the accumulation of cytoplasmic proteins in the cultivars used. The high yield but low protein cultivar showed a consistent decline of protein content during grain filling but the high - protein cultivars increased their psotein contant after 25 days post-anthcsis. The accumulation of storage proteins was different from that of cytoplasmic protein, and there were also cultivar variations. However, all cultivars reached their, maximum-synthesizing capacity for storage proteins at maturity. The relationship between the protein fractions or their ratio and baking quality was also discussed.     

冬播小麦品种主要品质性状的基因型与环境及其互作效应分析

 选择冬播麦区9个小麦主产省份有代表性的9个品种,分别在9个省份种植,对其品质性状进行系统分析表明,品质指标在不同小麦品种以及不同地点之间存在显著差异;其中蛋白质含量、形成时间的环境作用大于基因型作用;沉降值、硬度、稳定时间、延伸性和拉伸面积的基因型作用大于环境作用。通过AMMI模型(主效可加互作可乘)对基因型和环境互作对部分品质性状的影响进行分析,品种和环境互作程度比较大的为四川试点,比较小的为陕西和河南试点;同时,不同品种的不同品质指标有不同的适宜区,对于沉降值而言,陕65在四川有好的适宜性,对于稳定时间     

The Effects of Dwarfing Genes （Rht-B1b,Rht-D1b,and Rht8） with Different Sensitivity to GA3 on the Coleoptile Length and Plant Height of Wheat

Understanding the effects of wheat dwarfing genes on the coleoptile length and plant height is crucial for the proper utilization of dwarfing genes in the improvement of wheat yield. Molecular marker analysis combined with pedigree information were used to classify wheat cultivars widely planted in major wheat growing regions in China into different categories based on the dwarfing genes they carried. The effects of the dwarfing genes with different sensitivity to gibberellins （GA3） on the coleoptile length and plant height were analyzed. Screening of 129 cultivars by molecular marker analysis revealed that 58 genotypes of wheat contained the dwarfing gene Rht-B1b, 24 genotypes of wheat contained Rht-D1b gene and 73 genotypes of wheat possessed Rht8 gene. In addition, among these 129 cultivars, 35 genotypes of wheat cultivars contained both Rht-B1b and Rht8 genes and 16 genotypes of wheat cultivars contained both Rht-D1b and Rht8 genes. Wheat cultivars with the dwarfing genes Rht-B1b or Rht-D1b were insensitive to GA3, while the cultivars with the dwarfing gene Rht8 were sensitive to GA3. Most of the wheat genotypes containing combination of Rht8 gene with either Rht-B1b or Rht-D1b gene were insensitive to GA3. The plant height was reduced by 24.6, 30.4, 28.2, and 32.2%, respectively, for the wheat cultivars containing Rht-B1b, Rht-D1b, Rht-B1b ＋ Rht8, and Rht-D1b ＋ Rht8 genes. The plant height was reduced by 14.3% for the wheat cultivar containing GA3-sensitive gene Rht8. The coleoptile length was shortened by 25.4, 31.3, 28.4 and 31.3%, respectively, in the wheat cultivars containing Rht-B1b, Rht-D1b, Rht-B1b ＋Rht8 and Rht-D1b ＋ Rht8 genes, while the coleoptile length was shortened only by 6.2% for the wheat cultivar containing Rht8 gene. We conclude that GA3-insensitive dwarfing genes （Rht-B1b and Rht-D1b） are not suitable for the wheat improvement in dryland because these two genes have effect on reducing both plant height and coleoptile length. In contrast, GA3- sensitive dwarfing gene （Rht8） is a relatively ideal candidate for the wheat improvement since it significantly reduces the plant height of wheat, but has less effect on the coleoptile length.