水稻大田智能灌溉控制系统设计

农业灌溉在农业生产中起着至关重要的作用,随着农业信息化步伐的加快,发展智能田间信息系统已成为智慧农业发展的必然需求,但水资源的短缺、现有大田灌溉系统智能化程度不高,控制精度不足已成为水稻灌溉现代化进程中的一大障碍。基于此,本文开发了一套适合水稻大田的智能灌溉控制系统,经过实地验证,该系统节水效果显著,控制精度高,整套系统可扩展性、适应性强,交互操作性好。     

一种基于多模态图像技术的葡萄水分胁迫识别

提出了一种利用多模态图像技术,以实现被葡萄水分胁迫水平的测定方法,通过检测获取葡萄植株表面图像的反射率和纹理信息与水分胁迫水平之间的关系,从而实现植物缺水报警。试验将盆栽葡萄人为建立不同的水分胁迫水平,利用3CCD照相机(三通道的R,G和IR)、多光谱相机(在900,970 nm的光谱波段覆盖)和一个数字彩色摄像机(RGB)对叶片定期进行监测。试验采用偏最小二乘(PLS)方法预测水含量的纹理特征和光谱特性,在葡萄生长的前期,RGB相机获得的纹理参量对含水量预测结果的rp,RMSEP和偏差值分别为0.77,1.15和-0.14,而利用3CCD相机获取的反射参量对含水量预测结果的rp,RMSEP和偏差值分别为0.77,1.22和-0.26;在葡萄生长后期,RGB相机获取的纹理参量对含水量预测结果的rp,RMSEP和偏差值分别为0.81,1.34和0.26,而利用3CCD相机获取的反射参量对含水量预测结果的rp,RMSEP和偏差值分别为0.74,1.46和0.15。通过监测植株覆盖率与不同水分灌溉植株的生长周期发现,植株覆盖率能对葡萄植株的水分胁迫检测做辅助参考变量。试验结果表明,所设计的多传感器系统可用于支持葡萄水分胁迫检测的决策,有利于葡萄的田间管理。     

基于光谱技术和SIMCA方法的润滑油鉴别

采用可见-近红外反射光谱结合独立软模式法(SIMCA)建立了不同品牌种类的发动机润滑油鉴别模型。研究在对光谱曲线进行预处理和聚类分析后,选取7个主成分作为SIMCA的最佳主成分,随机采用20×7个样本作为建模样本,其余的10×7个样本作为预测样本,应用SIMCA进行分类,在显著性水平为5%下,其预测分辨率为98.75%。根据变量建模能力值,找到敏感波段420~425 nm、492~518 nm和796~816 nm,并将相应波段的光谱值作为SIMCA的输入,进行建模预测,结果发现,预测分辨率达95.71%,能快速正确区分7类不同品种的发动机润滑油。     

基于多/高光谱影像的农作物叶片像素自动提取方法

为了探明作物叶片像素提取的内在机理,设计适用于高光谱和多光谱影像的自动叶片提取方法,以实测高光谱和模拟多光谱影像为基础,通过特征转换、图像分割、边缘检测、基于梯度的断点连接4个步骤,最终实现了作物叶片的快速、准确、自动化提取。结果表明,EVI对作物叶片增强效果最好,NDVI次之,基于红边的植被指数效果最差。在叶片提取过程中,本方法所涉及的5个精度评价指标平均值均在0.94以上,分布于0.9478~0.9896,叶片提取精度极高。该方法相较于大津法（OTSU）、标记分水岭（Marker-watershed）等经典方法具有明显的优势,其提取精度分别提高了29%~98%,与全卷积神经网络（FCN）或随机森林（RF）基本相当。通过运用特征转化,局部自适应阈值分割和边缘检测相结合,可以实现基于高光谱、多光谱影像的叶片像素快速、准确、自动化提取;该方法可避免繁琐的样本标记,且对高光谱和多光谱影像的空间分辨率及尺寸要求较低,其提取结果可直接作为深度学习的标记样本或叶片尺度的表型参数反演的基础数据,具有推广价值。