基于机器视觉的马铃薯晚疫病快速识别

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。     

基于无人机与激光测距技术的农田地形测绘

平整地技术是提高作物单产的重要措施，而获取高精度的农田地形测绘数据与农田数字地形模型，是进行精准平整地作业的必要条件。为了解决传统接触式地形测绘效率低、基于航拍摄影技术的遥感地形测绘精度差及作业成本高等问题，该研究提出了一种基于多旋翼无人机与激光测距技术的农田地形测绘方法。在多旋翼无人机测绘平台上搭载激光测距模块与后处理动态差分全球定位系统设备（Post-Processing Kinematic Global Positioning System，PPK-GPS），获取激光测距序列、PPK-GPS三维定位数据以及无人机的飞行姿态数据。首先使用均值滤波器处理原始激光测距序列，并将得到的激光测距序列与PPK-GPS定位数据进行同步处理，使二者建立空间对应关系。根据无人机倾斜状态时的测距激光方向与理论竖直方向的空间几何关系，使用从无人机的飞行控制器中提取的姿态信息校正激光测距序列，消除无人机平台在飞行过程中俯仰与横滚姿态变化对激光测距精度的影响。最后，根据PPK-GPS定位数据的海拔高度分量与激光测距序列计算试验地块内地面测量点的海拔高度，共获取1 417组地面测量点的有效测绘数据。利用手持PPK-GPS设备对地面测量点的海拔高度进行测绘精度检验。验证试验结果表明，本文提出的无人机农田地形测绘系统获取的海拔高度与手持PPK-GPS设备采集的海拔高度的均方根误差为5.2 cm，表明该无人机农田地形测绘系统具有较高的测绘精度。与利用手持GPS设备进行地形测绘作业的方法相比较，本文提出的无人机农田地形测绘系统具有自动化程度高、作业效率高等优点。该研究可为促进精准平整地技术的大规模应用提供数据支持。     

无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势，果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging，LiDAR）检测和测量每棵果树的树冠面积和树冠直径，并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model，CHM）；使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation，MCWS）对果树进行单木树冠检测与提取，通过与参考数据的比较，评估了该方法的精度，并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明，该方法有效地实现果树单木树冠检测与信息提取，代表果树检测精度的F1得分为94.86%，树冠轮廓提取准确率为86.39%，树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%，树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%，树冠面积和直径不同程度地被高估。此外，冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高，可以有效检测果树单木树冠及提取树冠轮廓，从而准确提取果树单木树冠信息。     

加工方式对非发酵面团小麦醇溶蛋白致敏性的影响

该研究探究了热加工(水煮、烘烤、微波、高温高压)、冷处理(液氮、速冻机速冻)和非热加工(超高静压、辐照、脉冲强光、臭氧和超声波)处理对非发酵面团小麦醇溶蛋白致敏性的影响。利用SDS-PAGE和双抗体夹心ELISA法研究各种加工处理后非发酵面团小麦醇溶蛋白的分子量和致敏性变化。结果表明:200和300 MPa的超高静压处理后,非发酵面团小麦醇溶蛋白的致敏性显著增加(P0.05),均增至125%左右;水煮、微波、高温高压、烘烤、液氮、速冻机处理、超高静压250MPa、辐照(7、13kGy)、臭氧熏蒸、脉冲强光和超声波处理均能显著降低非发酵面团小麦醇溶蛋白的致敏性(P0.05),其中以水煮、高温高压、液氮、臭氧和脉冲强光(PL-1)处理的脱敏效果最显著(P0.01),均降至60%左右。由此可知,加工方式能够显著影响非发酵面团小麦醇溶蛋白的致敏性,可作为食品中过敏原安全控制的有效手段,为脱敏食品的生产提供有效参考。进一步研究需要结合其他体内试验的评估,特别是小麦易敏人群的临床试验。     

基于图像处理的疏透度测定及结构关系研究

为快速、准确地测定防风林林带疏透度，建立林带疏透度与林带结构因子间的关系模型，为防风林建设及调整提供合理化意见。使用图像处理技术对获取的防风林林带照片进行自动识别，通过Otsu算法自动将树木实体区域和孔隙区域分割，从而测定林带疏透度。并采用相关性分析和逐步线性回归法建立疏透度与林带结构因子间的关系模型。结果表明，采用Otsu算法测定林带疏透度的方法与图像处理软件(Photoshop)测定结果无明显差异，该方法操作简单、效率高，能够快速、准确测定防风林林带疏透度。防风林疏透度与林带行数、棵数、枝下比例、株行距、密度存在显著性相关关系，构建疏透度与林带行数、密度间的关系模型:β=-0.060 1N-0.065 8ρ+0.810 9(R²=0.961 3,P=0.000 29)。根据建立的防风林林带疏透度与林带结构因子间的关系模型，可对防风林的建设提供科学合理化的指导，使其发挥更好的防护效应。     

水稻工厂化育秧生长信息智能模拟采集系统的设计

水稻工厂化育秧可有效提高生产效率,确保国家粮食安全。为了给水稻工厂化育秧生长管理提供更为迅速、可靠的信息判决依据和决策支持,设计了一种水稻工厂化育秧生长信息智能模拟采集系统,包括针对水稻秧苗生长情况的高光谱图像信息采集系统和监测水稻生长环境各项参数指标的环境信息采集系统(CO2采集单元、温度采集单元、土壤水分采集单元、光照强度采集单元)。同时,采用Keil C语言开发系统的工作软件,以AT8 9 S5 2单片机为控制器、LCD1 6 0 2为液晶显示器等设计了系统正常工作的软硬件系统。     

“麦德姆”造成山东暴雨的卫星水汽图像分析

为提高台风暴雨的预报准确率,降低对农业生产的影响,本研究利用常规观测资料和FY-2E卫星云图,分析台风"麦德姆"造成山东暴雨的成因。结果表明:前期强降水是由台风倒槽造成,后期中、低纬度系统相互作用导致半岛地区出现大暴雨;水汽图像上的亮区对应对流层中上部湿区,亮区与低层水汽通量散度大值区和500 h Pa总温度场高能舌重合,对台风路径的预报和暴雨落区有较好的指示意义;水汽图像上系统的形态和灰度变化,能更有效地监测中、低纬度系统相互影响导致的过程,叠加云导风产品能更清晰地监测台风进入中纬度变性为温带气旋的风场与云系变化,云导风产品在台风预报分析中能发挥重要作用。     

《唐物语》对朱买臣故事的摄取与创新

《唐物语》第十九段对《汉书·朱买臣传》中朱买臣故事进行改编，因受众群体、文化差异、民族向性的不同，在改编过程中必然产生对母国文化信息的过滤与人物形象变异。以朱买臣故事东渐日本为线索，运用比较文学流传学与变异学，探究该文学作品对朱买臣故事的摄取与创新、朱买臣故事日本化的实现条件等，以期增进文学文化交流中的互读互解，避免因文学流变中信息过滤增删、形象失落变形而产生的民族心理与意识形态的误读。     

基于卷积神经网络马铃薯叶片病害识别和病斑检测*

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。