基于XCT技术的植物根系原位形态可视化研究

在总结植物根系观测技术研究进展的基础上 ,提出基于多层螺旋 CT技术的根系原位形态的可视化研究方法 ,并进行了试验研究。结果表明 ,采用 XCT成像技术实现植物根系原位形态构型的定性观察和定量测量是可行的。在对成像技术、介质成分和根系类型等影响根系成像质量的主要因素进行系统分析的基础上 ,提出了进一步的研究思路。     

基于Matlab的根系断层图像分割处理算法

根据植物根系原位形态可视化研究的需要,利用Matlab提供的图像处理算法,编制了根系断层图像分割处理算法的优选整合程序,用多种不同算法组合对根系CT原位图像进行实例检验,采用最终测量精度法作为评价准则,对分割效果进行分析研究。研究结果表明,在90%的置信水平下,处理模块的不同组合顺序以及每个模块中不同算法的选择对最终分割效果有显著的影响,各因素对分割效果总变异贡献率的大小排序为分割(46.1%)、灰度调整(17.9%)、分割前滤波(4.5%)、分割后滤波(2.6%)、执行序列(0.5%)。根据所设计的实验例证,提出了处理流程及算法中的较优组合。     

黄瓜茎维管束图像分割与三维可视化技术研究

植物维管束在植物生长发育过程中扮演了重要角色。针对黄瓜茎序列图像的特点提出了基于区域生长的分割框架,并结合步进立方体和合成体绘制方法实现了黄瓜茎维管束的三维可视化。结果表明,该方法准确分割出黄瓜茎维管束并实现其几何属性的测量和分析,有利于深入研究维管束的结构与功能关系。     

基于VTK的果实三维重建与可视化研究

针对目前果实品质无损检测手段少、不能清晰展现果实内部结构的现状,采用MRI(核磁共振成像)技术,引入VTK(视觉化工具包),实现了果实三维可视化重建,为果实品质无损检测、病虫害防治等方面提供了重要的技术支持.系统基于区域分割算法对MRI图像序列进行分割,利用改进的光线投射法进行体数据绘制.实验表明:体数据的绘制速度比经典光线投射法提高了约47%.     

采用区域生长法分割根系CT图像的改进算法

提出了一种基于阈值分析和区域生长相结合的用于植物根系CT序列图像分割的算法。首先通过直方图分析,初步确定根系区域的分割阈值,再利用经过改进的区域生长法分割得到目标区域。实验结果表明,该分割算法计算量小,分割精度高,在提取目标的同时,能够有效地分离介质(背景)像素;而且对于背景复杂、噪声较大、目标像素灰度不均匀的CT图像也能取得较好的分割效果。     

纹理植物叶片三维可视化系统设计与试验

植物叶片的三维可视化研究已经成为虚拟植物研究热点之一。为实现带纹理植物叶片的三维可视化,本文根据叶片自身特征信息,设计并实现一种基于图像的纹理植物叶片三维可视化系统。首先,根据双目立体视觉原理,结合一种改进的张正友标定算法和数字图像相关技术实现植物叶片的三维坐标测量算法研究;然后,设计植物叶片三维可视化软硬件测量系统,通过C++结合OpenCV编程实现本文算法,Matlab2010绘图实现叶片三维可视化;最后,本系统对网纹草叶片三维可视化测量,结果表明本系统可精确实现带纹理植物叶片的三维可视化,为虚拟植物叶片提供一种方法。     

基于支持向量机的植物图像分割

图像分割是计算机视觉领域的特别在小样本、高维情况下,具有较好的泛化性能.为此,以植物图像为例,结合数字图像处理技术,采用支持向量机法实现了植物叶片图像与背景图像的分割.实验证明,与传统的分割方法比较,该方法是高效和准确的.     

不同种属骨颗粒腔隙结构Micro-CT三维可视化表征方法

基于水生、陆生动物源肉骨粉骨颗粒显微腔隙形态结构的不同,提出了一种不同种属骨颗粒腔隙形态结构的Micro-CT原位三维可视化表征方法。以鱼、牛、猪和鸡骨颗粒为研究对象,利用Bruker Skyscan 1275型Micro-CT,在扫描条件优化的基础上,对各样品进行了扫描和重构条件优化,比较了全局（Global）、全局自适应（Otsu）、K-means全局聚类（K-means）、局部自适应均值（Adaptive mean-C）和局部自适应中值（Adaptive median-C）等图像阈值分割算法对骨颗粒显微腔隙成像的分割效果。优化的Micro-CT扫描条件为电压80kV、电流125μA,图像分辨率8μm、旋转步长0.20°、曝光时间46ms和360°扫描;图像三维重构条件为Smoothing 1、Post-Alignment 0、Ring-Artifacts 3和Beam-hardening 30%;采用局部自适应均值法的骨颗粒成像效果最佳,其最优参数确定为WS为5,C为0。不同动物源骨颗粒腔隙结构的Micro-CT原位三维可视化表征结果与其显微镜标准方法的结果较为一致。研究结果为水生和陆生动物源饲料快速、无损判别提供了技术支撑。     

基于L系统的小麦根系可视化模拟研究

对小麦根系生长特征及模拟理论基础进行了分析,设计小麦生长实验,分析试验数据得到小麦根系生长的数学模型;对L系统进行了三维解释,通过观察分析小麦根系构型特征给出其三维L系统规则,同时考虑了根系生长过程中的随机因素.结合生长方程和L系统规则,以VC 6.0为平台,采用OPENGL开发,借助图形学知识实现了小麦根系生长的三维可视化模拟,利用这种方法可以很好地模拟小麦根系连续生长情况.     

基于卡尔曼滤波融合的改进神经网络油菜成熟度预测方法

油菜在智能植物生长柜中的生长发育过程会发生显著的形态变化。准确掌握油菜成熟度对调节智能植物生长柜环境参数设置、节约资源能源具有重要的意义。本文利用图像分割和边缘检测技术来提取冠层叶面积、株高和根系长度、根系侧面积等形态特征,分别建立神经网络模型并对其特征参数进行训练,实现对蔬菜成熟度的预测。提出基于卡尔曼滤波的成熟度预测信息融合方法,将预测准确性提高到95.5%。     

浑河源头不同水源涵养林根系分布特征

【目的】揭示浑河源头不同水源涵养林根系分布特征。【方法】采用根钻法和WinRHIZO根系分析系统等研究手段,定量分析了不同林地根系参数(根质量密度、根长密度、根表面积密度、根体积密度)垂直分布特征以及不同径级根系分布特征。【结果】各个样地植物根系主要集中在0～20 cm土层,且随着土层深度的增加而减小,0～10 cm土层红松林地和采伐迹地显著大于混交林地和落叶松(p<0.05);各样地不同径级根质量密度分布存在差异,多为细根,根质量密度在0.47～9.73 g/cm~3之间,根长密度在0.88～5.90 cm/cm~3之间,根表面积在0.22～0.94 cm2/cm~3之间,根体积密度在0.003～0.022 cm~3/cm~3之间。【结论】不同水源涵养林植物根系主要集中在0～20 cm,红松和混交林地根系量最高。     

Estimating plant root water uptake using a neural network approach

Water uptake by plant roots is an important process in the hydrological cycle, not only for plant growth but also for the role it plays in shaping microbial community and bringing in physical and biochemical changes to soils. The ability of roots to extract water is determined by combined soil and plant characteristics, and how to model it has been of interest for many years. Most macroscopic models for water uptake operate at soil profile scale under the assumption that the uptake rate depends on root density and soil moisture. Whilst proved appropriate, these models need spatio-temporal root density distributions, which is tedious to measure in situ and prone to uncertainty because of the complexity of root architecture hidden in the opaque soils. As a result, developing alternative methods that do not explicitly need the root density to estimate the root water uptake is practically useful but has not yet been addressed. This paper presents and tests such an approach. The method is based on a neural network model, estimating the water uptake using different types of data that are easy to measure in the field. Sunflower grown in a sandy loam subjected to water stress and salinity was taken as a demonstrating example. The inputs to the neural network model included soil moisture, electrical conductivity of the soil solution, height and diameter of plant shoot, potential evapotranspiration, atmospheric humidity and air temperature. The outputs were the root water uptake rate at different depths in the soil profile. To train and test the model, the root water uptake rate was directly measured based on mass balance and Darcy's law assessed from the measured soil moisture content and soil water matric potential in profiles from the soil surface to a depth of 100 cm. The ‘measured’ root water uptake agreed well with that predicted by the neural network model. The successful performance of the model provides an alternative and more practical way to estimate the root water uptake at field scale.     

河西走廊戈壁植物特征及其与沙漠植物的差异

戈壁与沙漠同属于荒漠土地类型，其植物生长互相交叉。为揭示戈壁植物与沙漠植物的差异，以甘肃河西走廊为例，运用戈壁调查资料和沙漠调查资料做了初步分析。结果表明:河西走廊戈壁分布的有15个科47种，其中以藜科、蒺藜科、豆科和菊科较多。典型戈壁植物主要有红砂、骆驼刺、戈壁藜、珍珠猪毛菜、松叶猪毛菜和膜果麻黄等。戈壁植物与沙漠植物的区别:典型戈壁植物的垂直根系十分发达，水平根系相对较弱，且一般不具备根蘖能力；典型沙漠植物的水平根系十分发达，一般都具有很强的根蘖能力，且喜欢风蚀沙埋，沙埋后能产生不定根，风蚀的根茎可产生枝叶。该文不仅为研究荒漠植物的土壤生态类型和植物的迁地保护以及引种驯化研究提供理论基础，而且在荒漠植被保护中具有现实意义。      

作物根系生长监测微根管装置设计与试验

为实现不同深度下作物根系的实时监测与图像采集,设计开发了作物根系生长监测微根管装置,图像采集后可以通过上位机软件进行实时显示与存储。装置由监测管与控制箱组成,监测管使用亚克力材料制作透明外壳,同时在管内通过丝杠和导杆架设滑动轨道,利用步进电机实现摄像头在导轨上的运动控制;控制箱以STM32单片机为核心控制板,并根据实际需求选取了相应外设模块。以番茄根系为研究对象进行持续98 d的图像采集,借助软件RhizoVision Explore对根系图像进行分析,试验结果表明,前70 d番茄根系整体生长速度较快,后28 d逐渐趋于稳定,在深度6～10 cm处分布较为密集,根长密度在深度10 cm处于第91天达到最大值(1.22 cm/cm³),分析结果与番茄根系生长规律一致,表明本根系生长监测微根管装置能在不影响根系持续生长的情况下完成对作物根系的长期在线监测,满足作物根系监测要求。     

Macroscopic scale soil moisture dynamics model for a wheat crop

Summary A numerical soil moisture dynamics model was developed for; wheat crop using either observed or generated root length densities with root sink incorporating diminishing rate of water uptake by plant roots due to decreasing soil moisture in drying cycles and loss of absorptive power of roots due to ageing. The simulated soil moisture contents were overestimated by 6.0 and 9.6% on an overall basis by the model when observed and generated root length densities were used, respectively, in comparison to observed moisture contents. The model using generated root length densities simulated less water uptake in comparison with the model which utilized observed root length densities.     

基于CT的水泵叶轮三维重

针对当前常用的逆向工程方法不能处理水泵零件内部结构的局限性,提出了利用医用多层螺旋CT对水泵叶轮进行透视扫描的方法,并在VC++ 6.0开发平台上,利用一系列数字化图像处理算法对获得的含有叶轮设计与内部构造信息的CT断面图像进行处理,通过预处理、二维图像处理、二维几何处理以及三维图像重建等实现了水泵叶轮的三维表面重建以及表面模型到实体模型的转换,为水泵叶轮的逆向工程提供了一种新的思路。     

基于双目立体视觉的苗期玉米株形测

将田间正常生长的待测玉米植株带土移至测定台上,标定双目立体视觉系统,提取、分割叶片图像,以Douglas-Peucker多边形法逼近叶片边缘,去除两幅对应图像中没有匹配关系的多边形顶点,结合投影矩阵计算出叶片边缘点的三维坐标.分别投影叶片边缘点到植株平面和植株水平平面,对投影的离散点分段二次拟合、Cardinal样条插值,得到代表叶片形状的曲线,计算出叶长、叶片着生高度、茎叶夹角、叶片方位角等株形指标.测量实验表明,本方法快速、准确、自动化程度高,能够满足苗期玉米株形测量的要求.     

水下根土复合体原位剪切装置设计与试验

针对现有原位剪切装置不具备防水功能,试验时难以保证推力匀速进给和推力及对应位移数据的同步采集等问题,为了能在水下进行原位剪切试验来测定植物水下根系的固土能力,结合水下原位剪切的特点,设计一种水下根土复合体原位剪切装置。剪切装置由剪切系统、液压系统、数据采集系统和取样框等组成。该装置能在水下正常工作,试验时推力进给匀速,速度可调可控,能同步自动实时采集、读取、记录、存储数据,并绘制剪应力—位移关系曲线。野外试验表明水下素土的抗剪强度为4.23 kPa,是陆上的74.9%,风车草、花叶芦竹根土复合体的水下抗剪强度分别为17.52 kPa和1438 kPa,是陆上相同RAR根土复合体的56.7%、44%。仿真分析及试验结果表明该剪切装置强度、刚度、精度、稳定性和可靠性均满足使用要求,且能较好的测定水下根系的固土能力。