高光谱遥感技术及其在草地及植被中的应用

随着高光谱遥感技术的发展及其自身的优点,其在植被中的应用备受关注。概括高光谱遥感技术的原理及相关植被指数,着重介绍高光谱技术在植被生长信息检测、产量预测、养分诊断等方面的应用,明确其在草地碳储量研究中的必要性以及相关研究进展,并提出今后的研究方向和应用前景。     

VB控件在PowerPoint中的应用

PowerPoint是目前较为常用的多媒体课件制作软件之一。本文介绍了在PowerPoint中使用VB内部控件和ActiveX控件的方法和具体步骤。     

基于VB的小麦精确定量数字化栽培系统的初步研究

小麦数字化栽培体系是"数字农作"的重要组成部分.在充分整合作物栽培学基本知识与相关研究成果的基础上,以软件工程思想为指导,采用面向对象的可视化编程方法,初步研发了包括小麦基本栽培知识数字化、小麦器官建成及产量形成的数字化、小麦高产群体空间结构的数字化以及小麦常见病虫害预防与治理的数字化等内容的小麦数字化栽培应用系统.     

肥料运筹对不同类型专用小麦品质的影响

以弱筋品种宁麦9 号、中筋品种扬麦11 和强筋品种中优16 为材料,每个品种进行4 种肥料处理,2 次 重复,分析籽粒蛋白质含量、籽粒硬度、出粉率、湿面筋含量、降落值、溶剂保持力、淀粉糊化特性和粉质仪等参数。结 果表明院每种小麦通过2 套品质指标的对比,降低总施肥量有利于小麦弱筋品质的体现,而施用肥料的处理中,基肥 比例高对弱筋小麦品质有利,拔节肥比例越大对弱筋小麦的品质越不利;提高总施肥量能提升中筋小麦的品质,同 时可以适当减少基肥施用量,控制好拔节肥的比例;提高总施肥量、扩大拔节肥的比例,能显著提升强筋小麦的品 质。     

水稻高产株型指标的研究

本文阐述了提高单产仍然是水稻生产的主攻方向,在分析水稻主要生育期株型与产量形成关系的基础上,提出了各生育期的株型形态、生理指标。     

水稻抽穗后株型指标与产量形成关系的研究

 以代表性品种中粳武运粳 8号和杂交中稻汕优 6 3为材料 ,研究高产水稻株型和籽产量形成的关系。结果表明 ,高产水稻的株型应为 :株高在适宜范围内的上限 ,穗下节间较长、基部第 1、2节间粗短 ,穗下节间占秆长的32 %～ 35 % ,茎生 3叶叶角和弯曲度小 ,茎生 5叶叶长配置合理 ;高产株型植株抽穗后的势粒比为 4 5 .0～ 4 9.0cm2·粒 -1。此时 ,水稻植株节间茎鞘基础物质积累高 ,茎鞘输出物质多 ,而茎鞘输出相对比例小。     

基于计算机视觉的水稻叶部病害识别研究

【目的】文章重点分析了病健交界特征参数、病害识别流程对提高病害识别准确率的影响。实现水稻叶部15种主要病害的准确识别,尤其是相似病害的判断。【方法】（1）病斑图像获取：水稻叶部病害图像来源包括水稻大田、病害图册和病害数据库,文中选用改进的mean shift图像分割算法提取病叶图像中的病斑并根据相关方程获取病斑特征信息。（2）特征参数的选择与设计：首先选取一至三阶颜色矩和颜色直方图作为病害的颜色特征参数,选取球状性、偏心率和不变矩作为病斑的形状特征参数,选取角二阶矩、对比度和相关作为病斑的纹理特征参数;然后针对相似病斑误报率高的问题提出一种病健交界特征参数,通过病斑内部、边缘和外围颜色上的差异描述该特征,并根据3个区域相互间归一化颜色直方图的欧氏距离计算该项特征参数,该参数可以用于描述病斑与健康部分交界处的特征。（3）病害识别流程的设计：根据病害在颜色、形状、纹理、病健交界4个特征上差异的显著程度设计完成病害识别流程,流程中首先通过颜色特征识别病害,对于通过颜色特征无法识别的病害再通过形态特征识别,倘若形态特征依然无法识别则通过纹理和病健交界特征进行最终识别。（4）病害识别模型的建立：将病害数据分成两部分,一部分用于建立模型,另一部分用于模型的验证;利用LibSVM程序包完成建模,其中svmtrain函数用于建立支持向量机模型,Grid程序用于优化参数,svmpredict函数用于对模型进行验证。【结果】15种水稻叶部病斑可以从复杂的背景中分割出来,并可快速准确的被识别,平均识别准确率为92.67%,平均漏报率为7.00%,最大漏报率和误报率分别为15.00%和25.00%;病健交界特征参数引入后,识别准确率提高了14.00%,平均漏报率降低了7.50%,漏报率最大降幅为20.00%,误报率最大降幅为65.00%;与用所有特征参数直接进行病害识别相比,采用本文提出的识别流程进行病害识别的准确率提高了12.67%,漏报率降低了9.33%,一些病害的漏报率和误报率降幅达30.00%以上;在识别流程各步骤中,颜色特征识别环节的平均准确率为96.71%,漏报率和误报率均未超过10.00%;形态特征识别环节的平均准确率为94.17%,漏报率和误报率均未超过15.00%;纹理和病健交界特征识别环节的平均准确率为91.50%,漏报率和误报率均未超过25.00%。【结论】利用mean shift图像分割算法可以准确分割水稻叶部病斑;基于支持向量机模型的分类方法可以对15种水稻病斑准确分类;论文中提出的病健交界特征参数以及病斑识别流程均提高了病斑的识别准确率;病健交界特征参数对提高一些相似病害的识别精度效果显著;将这些方法相结合可以有效对水稻常见叶部病害进行识别,为水稻病害的田间智能诊断提供技术支撑。     

基于图像处理和Deeplabv3+模型的小麦赤霉病识别

赤霉病是影响小麦产量和品质的主要病害之一。为快速、有效地监测小麦赤霉病的发生情况,利用数码相机对人工接种赤霉病菌的小麦田进行RGB图像获取,在图像预处理基础上,对Deeplabv3+网络模型进行调参和训练。以轻量化网络MobileNet V2为网络编码模块,利用空洞卷积技术建立基于深度学习网络的小麦赤霉病发病麦穗的识别与检测模型,并用实测数据对模型进行验证和评价。结果表明,该模型的平均精度为0.969 2,损失函数Loss为0.103 0,平均交并比MIoU为0.793,模型识别与检测效果较好。上述结果为小麦赤霉病的检测与识别提供新的手段。     

稻麦籽粒计数方法研究现状及展望

作物籽粒计数是作物研究中重要的工作之一。本文在总结国内外常用的籽粒计数方法及原理的基础上,对基于计算机视觉的图像分析法、碰撞声音识别法以及基于红外线的颗粒计数方法进行综合比较、分析。结果表明,图像分析法和碰撞声音法操作简单,但易受环境影响;红外计数法被广泛使用,但籽粒下落速度过快时,受光电信息处理电路限制。针对不同的研究需求,采用不同的研究方法是比较合理的选择。     

不同草地NPP估算模型对中国草地的模拟计算分析

在比较几种常用草地净初级生产力(net primary productivity,NPP)估算模型基本构成的基础上,分析了模型估算结果的差异。首先在空间分布上,几种模型的结果总体一致,均呈现从西北向东南逐渐增加的趋势,但在具体数值上有较大差异,5种气候生产力模型的模拟结果比其他3种模型的模拟结果要高;其次是模拟结果的统计差异,不同模型在模拟的均值和标准差等方面也存在一定差异,其中,Miami模型及朱志辉模型的标准差最大,综合估算模型最小,但总体均较为合理;最后是净初级生产力的模拟总量,以Chikugo模型最高,水热模型最低,所有模型估算的平均NPP值在1.31~1.42Pg C。研究结果可为全国草地NPP的估算提供参考。