基于序相关的作物育种评价性状特征选择方法

将育种家对作物性状表现的综合评价融入作物育种评价中,提出了一种基于序相关的作物育种评价性状特征选择方法。首先,从育种数据中筛选训练样本集及候选性状特征集合,计算候选性状特征集合中各性状与育种材料评价结果的相关性和作物在性状特征间表现的相似性,然后,利用计算的相关系数同时综合考虑性状表现的相似性系数,以期望选择的性状特征的相关性最大、相似性最小为目标,建立基于序相关的作物育种评价性状特征选择模型。该模型可为不同育种目标提供重点关注的性状特征集合,为数据化育种提供支持及依据。利用该方法对2013年大豆品系鉴定试验中早熟、中熟、毛豆3类育种材料进行了性状特征选择试验,结果验证了方法的有效性。该方法可以作为育种评价方法的前置步骤,与现有的综合评价、模糊综合评价等方法结合作为性状特征权重的确定手段,提高权重确定的科学性。     

车载式土壤光-电特性参数采集系统研究

土壤电导率是衡量土壤传导电流能力的一种固然属性,除了能够反映土壤质地外,还能够反映土壤的含水率、含盐量、有机物含量等特性。利用土壤光谱数据可以分析出土壤含水率、养分等,且测量过程中无需采样、搅动土壤。通过土壤电导率数据和光谱数据的综合、校正,能够提高系统的精度。基于嵌入式技术开发了土壤电导率和光谱反射率综合检测系统。土壤电导率测量系统采用基于改进的电流-电压四端法原理,使用深松犁的尖端作为电极传感器,能够在测量的同时完成松土的作用。光谱测量系统使用微型光谱传感器采集光谱数据,并进行实时处理。在采集土壤电导率、光谱数据的同时,系统同步采集GPS信息,并和土壤电导率、光谱数据一起保存,供进一步绘制土壤特性分布图使用。系统能够实时综合处理多种数据,并进行显示、保存等操作,具有良好的应用 前景。     

四波段作物冠层分析仪设计

为解决当前作物氮素分析成本较高、分析过程复杂、分析时间长等问题,设计了一款基于光谱学原理的四波段作物冠层分析仪,通过快速检测作物冠层植被指数预测作物长势.分析仪主要由控制单元和测量单元组成.控制单元只含一个控制器,该控制器作为整个无线传感网络的协调器,负责将各个传感器节点发送的数据进行分类、显示以及存储等,并根据测量结果计算作物营养成分含量.测量单元则由多个光学传感器组成,主要负责光学信号的采集、放大、发送等.每个传感器可以在4个光学波段进行测量,分别是绿色植物可见光主要反射峰550 nm,可见光主要吸收波段650 nm,近红外波段766、850 nm.标定试验显示光学传感器工作稳定,仪器具有较高的精度.初步玉米田间试验表明,仪器的测量结果与玉米叶片全氮含量的相关系数达到0.884.     

一种土壤电导率实时分析仪的试验研究

开发了一种适合我国较小地块应用的便携式土壤电导率实时分析仪,室内性能试验表明,探针在Wenner组态和Schlumberger组态条件下,仪器输出电压与土壤电导率具有一致的变化趋势,特别是在Schlumberger组态某结构下,传感器获得了最高的测量精度.对实验结果进行了非线性回归建模,采用的3个模型分别是幂函数模型、多项式模型和指数模型,模型分析结果显示,幂函数模型具有最优的预测结果,模型测定系数达到0.994.幂函数模型的常数项与传感器结构有关,乘幂项则不随传感器结构参数变化,而受土壤质地、土壤密度等因素的影响.模型还需要通过田间试验进一步验证.     

基于自然光照反射光谱的温室黄瓜叶片含氮量预测

利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。反射率光谱以及一次微分光谱与叶片含氮量的相关分析表明,温室内光谱特性与叶片含氮量相关性最大的敏感波段分别是505～664 nm和685～722 nm。当利用原始光谱进行分析时,通过变量筛选得到了4个敏感波长,分别是568、596、640和664 nm。偏最小二乘回归分析(PLSR)以及归一化颜色指数(NDCI)分析都表明,建模时的相关系数R_C>0.800,模型验证时的相关系数R_V>0.700。对微分光谱进行的相关分析结果表明,利用单一敏感波长520 nm就可获得理想模型,建模时的相关系数为0.880,模型验证时的相关系数为0.787。对比原始光谱的PLSR模型与一阶微分光谱的一元线性回归模型可以得知,原始光谱以及一阶微分光谱都可用于温室内叶片含氮量的预测,而且一阶微分光谱在一些特殊的波长处具有更高的预测能力,这些模型将成为开发便携式作物长势诊断仪器的技术基础。     

冬枣氮素含量预测模型中特征波长选择方法的应用

为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。     

基于GIS的苹果病虫害管理信息系统

以实现苹果病虫害的高效管理与预测预报为目的，设计开发了基于GIS的苹果病虫害管理信息系统。系统以GIS技术、人工神经网络技术和Internet 技术为支撑，包括苹果病虫害基础数据处理子系统、苹果虫害预测预报子系统和苹果病虫害网络发布子系统。在基础数据处理子系统中，系统具有数据获取、数据导出、属性查询、空间查询、数据统计分析、图层编辑、插值分析等功能；在苹果虫害预测预报子系统中，系统具有病虫害图片库维护、病虫害诊断、虫害预测预报功能；在病虫害网络发布系统中，系统提供了苹果病害信息查询、苹果虫害信息查询、专题图查询、预测预报结果查询等功能；系统提供的算法可以较好地预测苹果病害的发生程度。系统作为一种工具软件可以为果树病虫害管理、田间数据分析与精细农业研究提供支持。     

玉米苗期冠层多光谱反射率反演与叶绿素含量诊断

为了探索玉米苗期叶片叶绿素含量指标的快速、非破坏性估测方法,该文运用多光谱图像技术对大田玉米苗期叶绿素含量指标进行快速无损的诊断研究。大田试验中,采用2-CCD多光谱图像采集系统获取大田玉米苗期的冠层多光谱图像,并同步采集漫反射灰度板的多光谱图像。为消除光照对图像采集质量的影响,准确将不同光照条件下的玉米冠层图像数据转换为其叶面反射率数据,标定试验中采用一块4个不同灰度级的满足朗伯面条件漫反射灰度板,建立了叶片光谱反射率同图像灰度值之间的线性反演公式,并与大田试验中漫反射灰度板的多光谱图像建立了玉米冠层图像灰度值的校正公式。对玉米苗期冠层多光谱图像进行处理,提取出玉米冠层B、G、R、NIR(中心波长分别为470,550,620,800 nm)4个波段归一化平均灰度值。通过灰度值的校正公式得到校正后的归一化平均灰度值,由线性公式反演出R、G、B、NIR 4个波段的平均反射率值,并计算4种常见光谱植被指数(RNDVI、RNDGI、RRVI和RDVI),采用最小二乘-支持向量回归(LS-SVR)建立植被指数同叶绿素含量指标的拟合模型。结果表明:植被指数RNDVI、RRVI和RDVI和玉米冠层叶绿素含量指标拟合验证集决定系数R2为0.56,达到了较为理想的拟合结果。证明通过漫反射灰度板对玉米冠层多光谱图像建立反射率反演校正模型的方法是可行的,这一方法为快速无损检测玉米苗期叶绿素含量指标提供了支持。     

CO2与氮肥交互作用的番茄光合速率预测模型

为了实现CO2气肥和营养液氮肥含量的准确调控，建立了作物整个生长周期的光合速率预测模型。以番茄为实验对象，设置了3个CO2浓度和3个营养液含氮量的交互处理实验，使用LI-6400型便携式光合速率仪采集叶室内的环境信息和单叶净光合速率。利用多元线性回归方法建立了番茄整个生长周期的光合速率预测模型，模型的相关系数为0.885，调整后的决定系数为0.782。实验结果表明，该模型具有较高预测精度，可为温室CO2气肥浓度和营养液氮肥含量的调控提供理论依据。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节，能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别，本文采集了果实生长期苹果树图像，并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性，尤其是绿色果实和叶片在很多特征上的相似性，论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理，去除枝干等背景，得到仅剩果实和叶片的图像。然后，分别提取叶片和苹果的灰度及纹理特征构成训练集合，建立了绿色苹果随机森林识别模型，并使用像素模板验证数据集，对模型进行预测试验，正确率为90%。最后，选择10幅自然光照条件下不同的果树图像作为检测对象，使用该模型进行果实识别并使用霍夫变换绘制果实轮廓，平均识别正确率为88%。结果表明，该方法具有较高的鲁棒性、稳定性、准确性，能够用于自然光照条件下绿色果实的快速识别。