三维传感器Kinect在农业领域的应用与发展

随着信息技术的不断发展,三维传感器也得到了越来越多的应用,其中微软公司推出的Kinect传感器受到了各个领域研究人员的关注,使Kinect在计算机视觉与控制、医疗、教育、电子商务等领域都有很好的应用。本文介绍Kinect设备的组成及其工作原理,并阐述其在农业领域的应用现状,包括在农作物上的监测与记录、农业机器人视觉系统和作物三维形态生长模型的重建等,分析Kinect设备的优点与不足。最后,对Kinect在农业领域的应用进行展望。通过对Kinect的介绍与分析,从而发掘其在农业方面的应用潜力,为三维成像技术在农业领域的进一步发展提供参考。     

基于无人机图像颜色与纹理特征的小麦不同生育时期生物量估算

为实现小麦生物量田间快速无损监测,开展基于不同密度、氮肥和品种处理的田间试验,应用无人机获取小麦越冬前期、拔节期、孕穗期和开花期4个时期的RGB图像,通过影像处理获取小麦颜色指数和纹理特征参数,并同时期通过田间取样获取小麦生物量;分析不同颜色指数和纹理特征参数与小麦生物量的关系,筛选出适合小麦生物量估算的颜色和纹理特征...     

基于图像分析技术的小麦叶面积指数智能估算

小麦是我国主要的粮食作物之一,合理估算小麦叶面积指数(LAI)对指导生产具有积极意义。该研究利用图像处理技术分析拔节期小麦数码图像颜色特征参数与LAI的变化趋势,通过Pearson相关性分析确定NDIG、GMR、ExG和NDIGR参数可以作为估算小麦LAI的较优参数,并利用多元线性逐步回归分析的方法建立小麦LAI的适宜估算模型。结果表明:以GMR和ExG参数结合建立的小麦LAI估算模型拟合效果较好,R~2=0.9790**,达到极显著水平;利用重复试验获取的实测小麦LAI数据对估算模型进行检验,R~2=0.9301**,RMSE为0.9535,说明该方法是可行的,可以为小麦LAI的智能估算研究提供参考。     

基于信息技术的水稻病害识别与检测研究进展

水稻病害是影响水稻产量及品质的重要因素,开展水稻病害识别与检测研究对推动水稻高产、优质、高效发展具有重要意义。本文从图像技术、光谱技术及不同算法等方面总结了水稻常见病害的识别与检测方法,分析了不同方法的基本原理及应用效果,并对存在的问题和研究展望进行了探讨,以期为病害识别研究提供借鉴。     

农田信息采集车设计与试验

针对传统农业物联网系统存在传感器少、投入成本高、建设周期长和对环境不友好等问题,设计了一种可移动式农田信息智能采集车。利用Matlab仿真对关键部件机械臂的构成和运行情况进行了分析和模拟,对采集车进行了小麦田间性能测试。结果显示,采集车整体设计合理,车辆通过性强,越障最大倾斜角达30°,最大遥控距离45m,获取图像清晰。将传感器采集的数据与常用高精度仪器测量结果进行了比对,农田信息采集车所采集温度、湿度、光照强度、CO2浓度、风速、土壤温度和土壤湿度与高精度仪器设备所测数据的相关系数均大于0. 90,单个采样点平均采集时间为45 s,数据采集满足需求。该采集车可实现定时、定点大范围获取田间数据的功能,能够替代传统物联网系统或对其进行补充。     

基于无人机图像的小麦主要生育时期LAI估算

LAI是表征作物生长状况的重要指标之一。为了快速无损监测小麦LAI，设置了3个密度和4个氮肥水平以形成不同的小麦生长群体，利用无人机搭载的RGB相机获取田间图像，并同步取样测定LAI。在小麦越冬期、返青期、拔节期、开花期和灌浆期选取R、G、B构建的9种颜色特征指数，与实测的LAI进行相关性分析。结果表明，在小麦生长前期（越冬期、返青期），颜色指数与LAI的相关性均较弱，而到了生育后期（拔节期、开花期、灌浆期），所有颜色指数与LAI的相关性均达到了极显著水平。选出常用的指数、线性、对数、多项式和幂函数等模型中R2最大的作为最终的估算模型，用以估算拔节期、开花期、灌浆期这三个时期的小麦LAI。通过实测的LAI对估算模型的验证，模型可靠且准确率较高。上述结果为作物田间LAI快速测量提供了新的手段。     

不同土壤表面结构对小麦生长发育及产量的影响

为明确不同土壤表面结构对小麦生长发育的影响,通过人工筛土配置8个等级（Ⅰ~Ⅷ）土壤表面结构,分析土壤表面结构对小麦生长发育及产量的影响。结果表明,在等级Ⅰ~Ⅲ的土壤表面结构下,密播时产量分别为6718.54、7375.04和8109.96kg/hm²,疏播时产量分别为5997.34、6822.02和7789.55kg/hm²,均匀播种时产量分别为7267.31、7933.88和8570.04kg/hm²,说明过密或过疏播种均不利于小麦产量的形成,均匀播种有利于小麦高产高效群体的构建,产量最高。在等级Ⅳ~Ⅷ的土壤表面结构下,密播有利于小麦高产,疏播条件下小麦产量最低。根系活力、总茎蘖数、叶面积指数、相对叶绿素含量（SPAD）和氮素积累量等指标在等级Ⅲ和Ⅳ的土壤表面结构下表现较好。根系总长度、株高和单株干物质重等指标在等级Ⅲ~Ⅳ的土壤表面结构下表现较好。与其他等级耕地表面结构相比,根活力、根系形态、群体质量指标和产量等数据表明等级Ⅲ~Ⅳ的耕地表面结构有利于小麦生长发育,同时为构建高产高效群体奠定基础。