基于Android手机的水稻剑叶角测量系统

为了快速、无损地测量水稻剑叶角,设计了基于Android智能手机的便携式水稻剑叶角无损测量系统。采用智能手机后置摄像头获取水稻剑叶基部图像,经过图像预处理、直线检测、K-means聚类和向量方法等处理过程,得到水稻剑叶角。基于Android编程技术对系统软件进行设计,实现了在Android平台下利用JNI和Android NDK调用基于Open CV库的剑叶角提取图像处理算法,实现了新建试验、材料信息输入、摄像头获取剑叶基部图像、计算输出剑叶角及保存数据等界面操作流程。利用该测量系统在田间对4个品种的80株水稻进行剑叶角测量试验,以验证系统性能。试验结果表明,和人工用量角器测量结果相比,该系统测量的平均绝对误差为1.34°,相对误差为2.7%,测量值和真实值相关系数为0.997,能有效测量剑叶角。     

玉米高通量自动考种装置设计与试验

考种是玉米育种的重要环节,针对现有考种方法分别进行玉米果穗或玉米籽粒考种参数测量,难以满足玉米商业化育种过程大量样本自动考种需求的现状,该文设计了一种玉米高通量自动考种装置,主要包括玉米果穗考种单元、自动脱粒单元、玉米籽粒考种单元、后处理单元及系统控制单元,可实现玉米果穗考种、自动脱粒、籽粒考种、籽粒提升、籽粒封装、标签打印等全过程的自动化.依据设计方案进行原理样机试制及试验,结果表明:该装置可实现玉米穗质量、果穗长宽、穗行数、行粒数、秃尖区域、籽粒厚度、籽粒长、籽粒宽、穗粒数等考种参数的实时测量,且对果穗长、宽的平均测量精度分别为99.13％,99.25％、对籽粒数量的平均测量精度为99.39％.样机对单个玉米考种时耗时约为27.2 s,连续考种作业时处理速度达4穗/min.该研究为玉米高通量自动考种装备的实现提供了参考.     

基于近红外光谱的大豆叶片可溶性蛋白含量快速检测

可溶性蛋白是植物生化及抗性生理研究的重要指标之一。快速、准确、无损测定可溶性蛋白含量对作物生长状况的动态监测及抗性作物品种的筛选具有重要意义。近红外光谱具有快速、简单方便、非破坏性的特点,已在农业、食品、化工等领域广泛应用,尤其是近年来基于光谱技术快速无损的获取作物生理生化信息的研究已成为当前农业领域研究的热点。本文采用近红外光谱技术结合化学计量学方法以实现大豆叶片可溶性蛋白含量的快速无损检测。首先,采用Savitzky-Golay平滑(SG)、一阶导数(1-Der)、二阶导数(2-Der)等7种光谱预处理方法分别建立大豆叶片可溶性蛋白含量的偏最小二乘(PLS)预测模型,经对比发现SG预处理方法为大豆叶片可溶性蛋白含量预测的最优光谱预处理方法。其次,分别采用连续投影算法(SPA)、随机蛙跳(RF)和遗传算法(GA)对SG预处理后的光谱数据进行特征波长提取。最后,基于提取的特征波长分别建立了大豆叶片可溶性蛋白含量的SPA-PLS、RF-PLS和GA-PLS预测模型,发现基于SPA提取的11个特征波长建立的大豆叶片可溶性蛋白含量SPA-PLS模型具有最佳的预测效果,其预测集相关系数(R2p)为0.864,预测均方根误差(RMSEP)为1.894 mg/g,预测偏差为2.061(RPD)。上述结果表明,应用近红外光谱技术检测大豆叶片中可溶性蛋白含量是可行的,可为大豆生长状况动态监测及抗性大豆品种的筛选提供新的方法。