武汉市区绿地土壤养分空间变异性分析

采用GIS与地统计学相结合的方法,对武汉市区绿地土壤中pH值、有机质、全氮、速效磷、速效钾的空间分布进行了研究。结果表明,武汉市区绿地大部分土壤为碱性或中性;土壤养分空间变异性较大,在0.46~0.88,有机质的变异系数最大为0.88;各区域养分含量不均等,绿地养分等级处于中等水平。并绘制了武汉市区绿地养分等级分布图。从而为城市绿地土壤养分管理及绿地建设规划提供指导。     

基于自走式浇水机的智能灌溉施肥系统

为提高水资源利用效率,缓解农业用水开销大而水资源匮乏的矛盾;为提高化肥利用率,降低环境污染和增加产投比,设计开发了本系统.系统采用PAC控制理念,总体设计采用两层架构:控制层与执行层,分层明显,层间通过有线或无线方式连接;软件设计采用面向对象语言VB.net,建立了良好的人机交互界面,数据库设计采用ADO.net中的OLEDB.NET.由于穴盘大小的限制,依据不同比例的基质与溶液所反映的电阻,自制针插式传感器,能够很好的反映基质湿度状况,应用于包菜等种苗获得了预期的效果.总之,系统基本能够实现精确灌溉施肥,并且在湖北武汉维尔福种苗公司进行了验证,运行效果良好.     

基于高斯HI颜色算法的大田油菜图像分割

针对自然条件下光照条件变化给大田油菜图像分割带来的问题,该文研究了油菜图像的高斯HI颜色分割算法,为作物生长发育周期的自动识别提供前期准备。已有统计结果表明,在仅保留绿色作物的图像中,不同色调值的像素数量服从高斯分布。该文将去掉背景信息的样本数据从RGB颜色模型转换至HSI颜色模型后,统计各个光强的所有像素对应的色调值,并计算其期望值和方差,依次得出所有强度所对应色调值的期望值和方差,建立出油菜作物色调强度查找表(hue intensity-look up table)。在此基础上,计算每个像素的色调值和期望值之间的差值,若差值小于阈值,则像素被分割为作物,否则为背景。为了在高斯HI颜色分割算法中确定合适的阈值,该研究选取了45幅不同天气状况(晴天、阴天和雨天)不同发育阶段(苗期、三叶期和四叶期)的油菜图像作为样本,探讨阈值的选取与分割结果的关系。结果表明阈值在[2.4,2.6]内分割效果最佳,油菜目标的形状特征完整度最好。为了对图像分割结果进行评价,分别利用高斯HI颜色模型、CIVE(color index of vegetation extraction)、EXG-EXR(excess green-excess red)、EXG(excess green)和VEG(vegetation)算法对15幅不同天气状况的图像进行分割。从视觉效果上来看,高斯HI算法仅需少量样本,即可达到满意分割效果。与其他方法相比,高斯HI颜色分割算法的误分割率(misclassification error,ME)仅为1.8%,相对目标面积误差(relative object area error,RAE)仅为3.6%,均优于其他4种算法的试验结果。在分割结果稳定性上,高斯HI颜色算法表现最好,其ME和RAE值的标准差最低,分别为0.7%和4.5%。试验结果表明,高斯HI颜色算法能取得较好的分割效果,而且对光照条件变化并不敏感,同时,能够充分保留油菜形状特征的完整性,为后期油菜生长发育周期的自动识别提供可靠数据。     

田间作物群体三维点云柱体空间分割方法

农田作物群体表型信息对于研究作物内部基因改变和培育优良品种具有重要意义。为实现田间作物群体点云数据中单个植株对象的完整提取与分割,以便于更高效地完成作物个体表型参数的自动测量,该研究提出一种田间作物柱体空间聚类分割方法。利用三维激光扫描仪获取田间油菜、玉米和棉花的三维点云数据,基于HSI(Hue-Saturation-Intensity,色调、饱和度、亮度)颜色模型进行作物群体目标提取,采用直通滤波方法获取作物茎秆点云,基于茎秆点云数据使用欧氏距离聚类分割算法提取每个植株的聚类中心点,并以聚类中心点建立柱体空间模型,使用该模型分割得到田间作物每个单体植株的点云数据。试验结果表明,该研究的方法对油菜、玉米和棉花3种作物的分割准确率分别为90.12%、96.63%和100%,与欧氏距离聚类分割结果相比,准确率分别提高了36.42,61.80和82.69个百分点,算法耗时分别缩短为后者的9.98%,16.40%和9.04%,与区域增长算法分割结果相比,该研究的方法可用于不同类型农作物,适用性更强,能够实现农田中较稠密作物植株的分割。该研究的方法能够实现农田尺度下单个植株的完整提取与分割,具有较高的适用性,可为精确测量作物个体表型信息提供参考。     

基于单目视觉和激光扫描技术的油菜植株模型重建及株型参数测量

分别采用单目视觉和激光扫描技术对2个油菜品种中双6号和华油杂62号的植株进行三维重建,并在重建模型上完成了对株高、叶柄长、叶片长度和叶片面积等4个株型参数的测量。结果表明:使用单目视觉和激光扫描技术的重建结果均能真实地表现油菜植株的整体形态,叶片间无遮挡的中双6号油菜植株效果更好,测量误差在2.00%以内;形态复杂叶片间部分遮挡的华油杂62号油菜植株测量误差在3.00%以内。模型重建试验表明,利用单目视觉和激光扫描技术能够完成复杂植株的模型重建,并实现部分株型参数的测量,可以为作物的遗传育种提供数据支持。