单粒谷物体积排液法精确测量研究

为解决现有比重瓶法测量谷物体积时操作复杂、工作量大、有毒等问题,进行单粒谷物体积排液法精确测量研究,结合图像处理技术和体积排液原理,提出一种单粒谷物体积排液法。该测量装置主要由标准白光光源、高精度线阵CCD相机、测量容器、谷物专用盛放装置、计算机等构成。该测量方法首先调节标准白光光源,增强图像采集环境,进行体积标定,计算单个像素点代表的实际体积V0约为0.002 3 mL;其次,使用高精度线阵CCD相机采集体积排液过程中测量容器内的液位图像;最后,运用差值法提取液位变化部分的图像,统计该部分图像所包含像素点个数,结合体积标定结果,计算体积。对同一批谷物分别使用单粒谷物体积排液法和比重瓶法测量每粒谷物体积,得到两组体积数据,单粒谷物体积排液法用时12 min,比重瓶法用时124 min。对两组数据分别使用格鲁布斯检验(T_A、T_B)、F检验(F_(AB))以及t检验(t_(AB))进行显著性差异检验,并将3种检验值与各自分布表中查得的临界值相比较:(T_A、T_B)T_(0.05,100)、F_(AB)F_(0.025(99,99))、t_(AB)t_(0.05,198),均符合检验要求。结果表明:两组体积数据不存在显著性差异,单粒谷物体积排液法测量装置和方法能够快速、精确、无毒测量单粒不规则谷物体积,为科学研究和实际生产提供可靠的谷物体积数据。     

不同成分和结构的CoCu纳米线阵列的沉积规律

利用直流电化学沉积法通过调节沉积参数在多孔阳极氧化铝模板中沉积制备出了一系列不同成分和结构的磁性CoCu纳米线阵列.XRD和TEM的结果显示,沉积溶液的pH值对纳米线的成分比例和相结构的影响表现出了明显的规律性.笔者认为pH值对纳米线成分比例和相结构的控制主要源于它对溶液中Co^2＋沉积速率的影响.基于此沉积规律,沉积出了立方结构与六角结构共存的复相结构的CoCu纳米线.由于复相结构的CoCu纳米线中包含较多的相边界,因此它们具有远好于单相结构CoCu纳米线的磁性,其矫顽力和剩磁比均是单相结构纳米线的3倍.     

基于形色筛选的苹果园羽化害虫粘连图像分割方法

针对苹果园害虫识别过程中的粘连问题,提出了一种基于形色筛选的害虫粘连图像分割方法。首先,采集苹果园害虫图像,聚焦于羽化害虫。害虫在羽化过程中已完成大部分生长发育,其外部形态、颜色、纹理更为稳定显著。因此,基于不同种类害虫的形色特征信息分析,来获取害虫HSV分割阈值和模板轮廓。其次,利用形状因子判定分割粘连区域,通过颜色分割法和轮廓定位分割法来实现非种间与种间粘连害虫的分割。最后,对采集的苹果园害虫图像进行了试验分析,采用基于形色筛选的分割法对单个害虫进行分割,结果表明,本文方法的平均分割率、平均分割错误率和平均分割有效率分别为101%、3.14%和96.86%,分割效果优于传统图像分割方法。此外,通过预定义的颜色阈值,本文方法实现了棉铃虫、桃蛀螟与玉米螟的精准分类,平均分类准确率分别为97.77%、96.75%与96.83%。同时,以Mask R-CNN模型作为识别模型,平均识别精度作为评价指标,分别对已用本文方法和未用本文方法分割的害虫图像进行识别试验。结果表明,已用本文方法分割的棉铃虫、桃蛀螟和玉米螟害虫图像平均识别精度分别为96.55%、94.80%与95.51%,平均识别精度分别提高16.42、16.59、16.46个百分点。这表明该方法可为果园害虫精准识别提供理论和方法基础。     

基于叶片营养诊断的苹果园果树精准施肥模型研究

针对苹果园缺乏精准施肥指导方法,造成果树养分供应比例不平衡、肥效低,导致果实质量不理想、品质不一致的问题,提出一种基于叶片营养诊断的苹果树精准施肥模型。首先,采用FCM-模糊聚类方法建立苹果树花量估测模型,根据花果叶理论中花量与果实的数量关系,估算苹果树的目标产量。其次,根据养分平衡法,对果树目标产量、土壤养分含量、肥料利用率以及肥料养分含量进行了分析,计算出果树的施肥总量,根据苹果树年生长周期的生长规律、需肥特性及叶片营养诊断结果,建立了苹果树的精准施肥模型。最后,在苹果园示范园内采用对照试验的方式进行施肥模型验证试验,比较两个对照组果园施肥量及果实品质结果。试验结果表明:(1)经验指导施肥导致施肥量变化幅度大、肥料用量大,施肥模型指导施肥使施肥量变化幅度小、肥料用量少,估测结果更加准确;(2)施肥模型指导施肥的果园相较于根据经验施肥的果园,果品质量明显提高:平均单果重增加37 g,果实硬度增加1.7 kg/cm2,可溶性固形物增加2.5个百分点,果实着色面在60%以上的果实数量增加11.5个百分点。综上所述,基于叶片营养诊断的苹果园精准施肥模型能够提高果品质量,降低肥料浪费,实现科学指导苹果园施肥。     

基于色调差的自然光照条件下苹果树叶片含氮量快速检测

该文旨在应用数字图像处理技术建立苹果树叶片氮含量检测模型。该方法以自然光条件下的叶片图像为分析对象,首先通过色彩恒常理论MSR算法进行去光照处理,然后应用阈值分割、改进的Sobel算子剔除叶片噪声点、叶脉等的影响,最后对不同含氮量的叶片与潘通标准色卡进行色调差分析,得到果树叶片色调差和含氮量之间的关系,建立出苹果树叶片的含氮量检测模型。经试验验证,苹果树叶片去光照图像与标准色卡图像的色调差与果树各个时期的叶片含氮量的相关系数均在0.75以上,且回归方程的F检验P值均小于0.01,具有极显著的相关关系,其中盛花期传统施肥组、结果中期传统施肥组、施复合肥组、采收期传统施肥组相关系数均在0.8以上,用最小二乘法建立的检测模型的检测值与实际值的相对误差小于10%。说明利用色调差测定苹果叶片含氮量的方法可行,该方法为实时、准确地监控苹果树整个生长过程中叶片含氮量的变化以及合理地施用氮肥提供科学理论基础。     

郑州黄河风景名胜区风景资源评价体系构建

风景资源评价是风景区规划的基础性工作，也是风景资源保护的重要依据。郑州黄河风景名胜区拥有独特的风景资源，先后获得国家AAAA级旅游景区、国家地质公园、省级森林公园和国家水利风景区等称谓。在调研的基础上，梳理多标准风景资源评价体系，从景源质量、生态价值和发展条件3方面构建统一的风景资源评价体系，综合评价郑州黄河风景名胜区的风景资源现状。结果表明，郑州黄河风景名胜区风景资源很好等级区域面积占比为11.22%，好区域面积占比为21.99%，较好区域面积占比为27.29%，一般区域面积占比为27.29%，不好区域面积占比为12.15%。研究区的风景资源空间发展不均衡，南北部优于东西部。建议在发展南北区域时，严格保护风景资源，提升水资源循环利用率；控制东部区域的游客人数，提升基础设施建设；加强西部植树造林和塌方修复工作，增设景源标识牌。