《1∶5万植被图》填图新模式研究

以太行山摩天岭为样区，以１∶５万地形图为底图，研制出了一种用平面图、剖面图与网络图相结合的绘制植被图的“双面图法”。用该法绘制的植被图，其正面为平面图和剖面图，背面为相对应的网格图。该图能对每种植被层片（或类型）和植物种的自然分布进行科学定位，能反映出各区域的土壤类型，并能显示出小区域的气候因子。     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

广南县杉木人工林林分密度控制图的编制

为探讨杉木人工林立木密度对优势木平均高、林分单位面积蓄积量、林分平均直径等生长因子的规律,于2003~2005年在广南县14个乡镇,设置20m×30m的杉木人工林样地215块,在实测胸径和树高的基础上进行资料整理,并编制了杉木人工林林分密度控制图。经检验,其等树高线精度为97.8%,等直径线精度为98.8%。     

基于语义分割与实例分割的玉米茎秆截面参数测量方法

茎秆微观结构与其力学性能密切相关,影响作物的抗倒伏性能。但作物茎秆微观表型参数难以通过人工方式获取,因此急需自动化的测量方法。本研究以玉米为材料,通过光学显微镜获得玉米茎秆横截面切片图像,基于深度学习架构融合ResNet和Unet构建语义分割Res-Unet网络模型,对截面表皮、周皮和髓区3个功能区域进行分割;针对维管束数量多、面积小、密度大的特点,以EfficientDet作为基础网络架构,根据维管束尺寸小的特性,减少双向特征图金字塔(BiFPN)的层数,达到提高推理速度、减少显存占用量的目的,同时添加掩膜分割分支,构造新的网络Eiff-BiFPN实现对维管束的分割。实验结果表明,功能区域分割的平均DICE达到88.17%;维管束分割的AP₅₀和AP_50:70分别达到88.78%和72.80%。根据分割结果,可以获得玉米茎秆截面尺寸、各功能区域尺寸和维管束数量、面积等微观结构参数。本文方法具有精确性、实时性和可用性,可用于玉米茎秆微观结构参数的自动化测定,为作物抗倒伏研究提供技术基础。     

利用高密度 Bin 图谱定位水稻叶绿素含量 QTL

【目的】探索水稻叶绿素含量及其对氮肥响应的遗传机理,为氮高效、高光效的水稻品种培育提供新的标记区段。【方法】以珍汕 97× 明恢 63 重组自交系 RIL（F11）113 个家系为 QTL 分析的试验材料,在大田栽培条件下,以施氮量为主区、家系为裂区,设计低氮处理（不施氮肥）和正常氮处理（纯氮130、135 kg/hm2）,分别于水稻移栽后 30 d 测定 1.5 叶的 SPAD 值,于抽穗期测定剑叶的 SPAD 值。利用包含1 619 个 Bin 标记的高密度遗传图谱,使用 IciMapping V3.4 软件和完备区间作图法,定位控制水稻叶片叶绿素含量的 QTL。【结果】在两年、两个氮处理和两个发育时期共检测到 15 个调控叶片叶绿素含量的 QTL,分别分布在第 1、2、3、6、7、10、11 号染色体上。单一 QTL 贡献率为 1.21%~40.74%。通过物理位置比较,发现其中 6个 QTL 已经被克隆或与前人定位到的叶绿素含量相关位点在同一区间。其中,在第 6 染色体的 8.45~9.12 Mb 处定位到 1 个调控抽穗期剑叶叶绿素的位点,命名为 qHDCHL6-1,该位点在两年和两个氮处理下均被检测到,贡献率为 1.55%~28.01%。结合功能注释,共筛选到 4 个与叶绿素代谢密切相关的基因,分别为 LOC_Os06g15370（OsNPF3.1）、LOC_Os06g15420（OsAS2）、LOC_Os06g15620（GAST）和 LOC_Os06g15590,其中前 3 个基因已被鉴定克隆。【结论】共检测到 15 个控制水稻移栽后 30 d 和抽穗期叶片叶绿素含量的 QTL,鉴定了 1 个稳定表达的 QTL 位点 qHDCHL6-1,在该区间筛选到 4 个候选基因。     

基于HRNet-OCR模型的农村宅基地提取方法

【目的】 农村宅基地信息统计是制定农村宅基地制度改革政策方向的基础,目前,基于遥感影像的农村宅基地提取还主要停留在人工目视解译的阶段,这种传统的提取方法效率低、成本高、耗时长,基于遥感影像自动化提取农村宅基地的相关研究较少。【方法】 文章收集了德清县无人机遥感影像数据,建立了训练集、验证集和测试集,构建HRNet-OCR模型,并与FCN、UNet、DeepLabV3Plus这3种模型在不同场景下进行对比。【结果】 模型精度评价指标IoU表明,在平原和丘陵地区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了4.24%、3.72%和2.82%,在山区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了3.59%、2.77%和1.55%,且模型在边缘细节上表现得更优秀。【结论】 基于HRNet-OCR识别模型使得遥感影像农村宅基地提取更为准确,具有更好的鲁棒性,可为精准提取农村宅基地提供重要参考价值。未来更快速、高效的高精度提取方法还有待进一步研究。     

油松建筑材密度管理图的编制及其应用

针对建筑材目的油松人工林经营措施,探讨不同生长发育阶段油松人工林密度调控下蓄积变化,为森林可持续经营提供科学依据。对河北平泉阳坡中土、阴坡中土和阴坡厚土3种主要立地类型的全生命周期油松人工林编制密度管理图,得出培育小、中、大径级建筑材措施。结果表明:河北油松建筑材林的培育,阳坡中土培育小径材、阴坡中土和阴坡厚土培育中大径材,期间经过2~3次间伐以达到高效培育的目的。阳坡中土林分,初植密度3 000~3 300株/hm2,10年生间伐强度12%,15年生强度20%,25年生强度25%,主伐时树高级为9~11 m,培育小径材。阴坡中土林分,初植密度2 700~3 000株/hm2,9年生间伐强度25%,19年生强度30%,主伐时树高级为9~11 m,培育中径材;初植密度2 200~2 500株/hm2,9年生间伐强度20%,17年生强度25%,27年生强度30%,主伐时树高级为11~13 m,培育大径材。阴坡厚土林分,初植密度2 000~2 300株/hm2,7年生间伐强度20%,15年生强度30%,主伐时树高级为11~13 m,培育中径材;初植密度1 000~1 200株/hm2,7年生间伐强度20%,13年生强度20%,23年生强度25%,主伐时树高级为13~15 m,培育大径材。     

基于Lab颜色空间的非监督GMM水稻无人机图像分割

为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割。模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练。不同图像会有不同的模型参数,该算法能够适应各种不同环境拍摄的图像。将提出的算法应用于分蘖后期田间水稻的无人机图像分割,并与RGB-GMM、HSV-GMM和All-GMM算法进行对比,在高度10 m图像中平均查全率、平均查准率和平均F1值分别为0.8427、0.7570和0.7948,在高度15 m图像中分别为0.8756、0.7133和0.7788,优于RGB-GMM、HSV-GMM和All-GMM算法。研究表明,本文提出的方法可以从复杂大田环境拍摄的无人机影像中准确提取水稻像素。     

联合收获机知识组织与知识库系统研究

针对联合收获机知识缺乏系统化组织与分类、难以在设计时高效获取并应用的问题,应用装备谱系及谱系拓扑图形式对联合收获机知识进行层次化组织;按照联合收获机智能化设计实际应用需求,对知识库系统功能模块进行架构分析;分析了农机装备设计知识的表现形式,综合利用产生式规则和框架表示的混合表示方法对设计过程进行分析和表达,建立了设计体系。以Visual Studio 2015平台为开发工具,在.Net环境下,应用ADO.Net技术、CATIA二次开发技术及SQL Server数据库,将联合收获机设计知识、参数化模型等数字化资源融和,进行组织管理,构建了联合收获机知识库系统。通过人机交互的方式,将知识表达形成的设计体系系统化,应用模糊查询方法、推理机和ADO.Net技术实现系统中知识的查询、推理及编辑功能,并将知识推送的结果传递给关联的参数化模型驱动,在不同需求下快速构建模型,实现了知识的高效获取与应用,提高了设计效率,为联合收获机零部件设计提供了一种通用方法。系统测试表明,该系统具有可行性和有效性,适用于联合收获机系列产品的开发。     

基于实例分割的白羽肉鸡体质量估测方法

针对白羽肉鸡体质量测量自动化水平低、易造成肉鸡应激的问题,提出一种结合深度学习的非接触式白羽肉鸡体质量估测方法。利用Mask R-CNN和YOLACT(You only look at coefficients) 两种实例分割算法获取白羽肉鸡位置与覆盖掩膜,并进行效果对比;采用自适应掩膜随机提取白羽肉鸡身体部分边缘点,并作为观测点进行椭圆拟合,映射白羽肉鸡背部像素投影面积;通过双变量相关性分析验证白羽肉鸡背部投影面积与体质量间的显著相关性,根据白羽肉鸡背部投影面积与背部像素投影面积的线性比例关系,按照最小二乘原则建立白羽肉鸡背部像素投影面积与体质量间的线性回归模型。试验表明,单只鸡体质量估测中以Mask R-CNN进行特征提取的体质量估测平均准确率为97.23%,以YOLACT进行特征提取的体质量估测平均准确率为97.49%,群鸡场景中体质量估测最低准确率为90.50%。