应用数字图像处理测定作物叶面积的简便方法

本文介绍了利用数字图像处理测定作物叶面积所需的设备、工作原理和具体的操作步骤，并提供了测量程序的m文件的源内码。  

基于叶片特征的计算机辅助植物识别模型

植物的数量分类的主要依据是植物的外观特征，通过提取大量特征数据进行聚类分析获得结果。传统做法都是手工测量采集原始数据，效率较低。由于外观特征都可以以数字图片方式获得，通过计算机图像处理分析等技术采集数据并做聚类分析将大大提高效率。关键问题在于特征自动分析和获取，以植物叶片为例，阐述了如何提取大小、叶形及叶缘特征的方法，改进了圆形度参数的定义。提出了计算机辅助植物识别(CAPI)的概念，并对其前景做了讨论和展望。图3参8  

基于计算机视觉的脐橙分级系统研究

脐橙的检测方法目前主要还是采用劳动强度大、工作效率低、随意性大、客观性不强、也不符合当前标准化要求的人工检测方法。运用计算机视觉和模式识别技术,研究了基于计算机视觉的脐橙分级系统,首先对获取的图像分割出背景、脐橙本体和表面缺陷,再根据脐橙的分级标准,提取出果实横径、表面缺陷的特征参数,采用径向基神经网络对脐橙样本进行了等级识别,实现脐橙的自动检测与分级。  

基于图像处理的植物叶面积测定方法

本文详细介绍了植物叶面积测定的方法，该方法不需要特殊的设备，仅用数码相机和图像处理软件(Photoshop7．O)可完成植物叶面积的测定和叶长叶宽等指标测量，是一种快速准确的植物叶面积测定方法。  

植物叶片面积测量系统的设计及应用

介绍了用CCD（Charge Coupled Device）测量植物叶片面积的方法，设计了测量系统的多种组成方案。该系统通过标准的图像接口，实现了硬件部分与软件部分相互无关，硬件可以采用扫描仪、数码相机、视频图像采集卡加视频摄像头等应用CCD的数字化图像采集设备。软件采用交到方式实现图像分割、系统标定和最终测量，试验表明，该系统具有测量精度高、测量范围大、使用方便等特点，使用数码相机时可以实现非破坏性测量，在农业、林业等方面具有广泛的应用前景。  

基于图像识别的小麦品种分类研究

 基于数字图像分析，利用小麦籽粒的20个形态特征和12个颜色特征对来自中国4个地点7个春小麦品种共28个样本进行分类和识别。对于不同品种和地区的样本，分别利用逐步判别分析，选取显著性较大的特征参量，建立各地区和品种的贝叶斯分类器模型。结果表明，对各地区品种识别的正确回判率和测试集的正确识别率均达到100%。将各样本按品种合并，再对合并后的样本进行品种识别，除了新克旱 9号的回判率为98.3%外，其它品种的回判率均为100%。测试集中，龙麦26和青春566正确识别率分别为97.5%和95.0%，其它品种均为100%。品种来源地识别也能达到较高的水平，甘肃、宁夏、新疆和黑龙江的正确识别率分别为88.6%、92.9%、72.9%和95.7%。说明利用籽粒图像对小麦品种进行识别高效可行。  

计算机视觉在农产品检测中的应用

随着图像处理技术的专业化与计算机硬件成本的降低和速度的提高，在农产品检测领域应用计算机视觉已变得越来越具有吸引力。为了能充分利用国内外的最新研究成果，该文分农产品分级、品质签定和种子资源检测等三个方面综述了国外在计算机视觉技术进行农产品检测上的研究进展，以供我国研究人员做同类研究时参考。  

基于图像处理的玉米品种的种子形态分析及其分类研究

 【目的】建立中国当代玉米品种的种子重要形态性状的基础信息集。【方法】扫描获得中国当代193个代表性玉米品种各50粒种子的正反面彩色图像，确定大小、形状、纹理和颜色共4大类27个能够系统反映籽粒形态的数量性状，自行编制数字图像处理程序实现了形态特征的自动提取并获得品种各性状的籽粒均值，采用SAS软件的单性状描述统计和单性状或同类性状聚类分析对品种进行评价与分类。【结果】建立了一个含有9 650个玉米粒的19 300幅彩色图像的数据库，明确了籽粒各个形态性状的变化规律，按变异程度分为大中小3个组别，发现中国当代玉米品种在大多数情况下聚集程度都比较高，筛选出36份（次）特异种质材料。【结论】研究结果为玉米粒的形态研究与应用提供了比较系统全面的数据，数字图像处理作为一种简便快速的作物籽粒形态检测技术将有十分广泛的应用前景。  

计算机视觉技术在工厂化农业中的应用

近年来我国工厂化农民发展迅速，但自动化程度不高，因此将计算机视觉技术引入设施农业对于提高温室的智能化控制水平具有重要意义。从利用计算机视觉对植物生长监控控制和开发农业生产机器人2个方面综述了国内外的研究进展，根据目前国内外研究现状及存在问题对未来发展方向进行了预测，认为今后的研究方向主要在图像处理硬件的开发、神经网络技术的应用和图像处理新方法的研究等3个方面。  

玉米果穗DUS性状测试的图像处理应用研究

 【目的】评价图像处理法采集和数量化玉米果穗特异性、一致性和稳定性测试（DUS）性状的技术适用性。【方法】以4个品种各50个果穗及8个品种93～107个穗轴为材料,通过图像处理采集玉米DUS测试指南规定的7个性状（穗长、穗粗、穗形、粒顶色、穗轴色、穗行数和籽粒排列形式）,应用多性状整体控制单一比较法分析品种特异性。【结果】穗长、穗粗和穗行数的图像处理误差分别为6.2%、1.6%和0.66%。果穗的穗缘角（穗形）在0～2.22°之间变化,各品种穗行角（籽粒排列形式）均值在89.4°～90.7°之间。穗形等4个质量或假质量性状成功转换为数量性状,信息量随之增加。籽粒顶端颜色在果穗间和果穗侧面间的差异都极其微小,其它性状的果穗侧面间差异与果穗间差异相当或者更小。图像处理容易获得同源样品的更多形态性状,可能导致品种伪差异的风险升高。【结论】图像处理具有客观、高效、低成本地采集和数量化玉米果穗DUS性状和其它更多性状的能力,结合多性状整体控制单一比较法等适当的统计分析技术,将在中国的新品种DUS测试中发挥越来越重要的作用。