基于计算机视觉的枣叶含水率估算模型

通过对枣叶图像预处理、颜色特征提取及含水率测定,分析枣叶图像颜色特征值与含水率的相关性。结果表明,枣叶G－R和H这2个颜色特征与含水率相关性显著。基于 G－R和 H建立枣叶含水率估算模型为：y＝0．8772－0．0015×（G－R）－0．1013×H,复相关系数R为0．8907,应用计算机视觉技术进行枣叶含水率估算可行。     

基于图像处理的葡萄叶片含水率诊断初探

随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用图像处理技术进行信息诊断研究。以温室大棚中的葡萄植株为研究对象,使用卡西欧ex-2750数码相机采集葡萄冠层叶片图像,并通过烘干法测量叶片样本的含水率,通过MATLAB计算叶片图像的灰度均值。通过对提取的15组葡萄叶片样本数据的多项式曲线拟合,建立了基于叶片图像灰度均值的叶片含水率估算模型,模型的确定系数R2高达0.780 3。结果表明,利用叶片图像的灰度均值可以对葡萄叶片的含水率进行诊断。     

喷头水星分布仿真及组合优化软件系统研究

喷灌以其适应性广、易于机械化作业等优点成为目前世界上广泛采用的节水灌溉技术之一.喷灌均匀度是衡量灌溉质量和喷头水力性能的重要指标,是喷灌系统规划设计中的重要参数.通过接口软件MATCOME4.5,结合MATLAB与VisualC++工具混合开发出喷头水量分布仿真及组合优化软件系统.该系统操作简单,功能强大,能够脱离混合开发环境独立运行.用户只需输入雨量筒实测数据,选择喷头组合方式,插值方法及插值间距等指令,系统即可快速得出基于给定组合方式下的多种喷灌均匀度系数,喷洒水量分布图,或以某种均匀度系数为评价指标的喷头组合间距优化结果.系统给喷灌质量或喷头性能的评价分析工作以及喷灌系统的规划设计工作带来了极大便利.     

计算机视觉在作物水分亏缺诊断中的应用进展

随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用计算机视觉技术进行信息诊断研究。论文简要介绍了计算机视觉技术,着重分析了作物图像获取方法和作物图像信息的分析方法,指出基于计算机视觉的作物水分亏缺诊断在实际应用中存在的问题,并对该领域的未来发展进行展望,指出:多信息融合是图像信息描述的主流趋势,高效的图像识别与分析算法是关键;水分亏缺诊断与作物缺水临界点、作物灌水量研究有机结合是实现作物田间实时灌溉和精量灌溉的前提。     

滴灌对间作枣棉光合特性与水分利用的影响

在南疆沙漠绿洲区对滴灌间作枣棉不同种植和灌水模式下的光合特性进行了研究,并分析了间作枣棉节水条件下的水分利用状况。试验设置9个处理,分别为枣棉间距80 cm(J-1)、100 cm(J-2)、120 cm(J-3)、对照单作枣树(CK-Z)、单作棉花(CK-M)和灌水定额45 mm(G-1)、60 mm(G-2)、75 mm(G-3)、90 mm(G-4)。研究表明,新梢生长期枣树需水量较棉花大,其光合速率和蒸腾速率在滴灌定额较低时(45 mm,G-1处理)显著低于G-2、G-3、G-4、CK-Z 4个处理,而此阶段(棉花蕾期)水分对棉花光合速率和蒸腾速率的影响较小,但过高的灌水量(90 mm)也会使棉花光合速率降低;气孔导度变化与蒸腾速率变化相似,枣树新稍生长期G-2处理显著高于其他处理,低灌水处理G-1分别比G-2、G-3、G-4处理降低了70.85%、64.37%、39.66%。花期后枣树需水量较大,气孔导度以G-4处理最高。棉花蕾期以G-2处理最高,花期后,低灌水定额时(G-1、G-2)气孔导度也较低,铃后期各处理气孔导度显著降低,与花铃期相比分别降低了14.34%、31.83%、54.23%、43.03%、47.71%。枣棉间距对枣树和棉花光合速率Pn、气孔导度Gs、胞间CO_2浓度Ci的影响主要在盛花期后,而对蒸腾速率的影响则贯穿整个生育期;不同种植间距下棉花的水分利用效率(WUEyield)由大到小表现为CK-M、J-3、J-2、J-1,不同灌水定额下棉花的WUEyield由大到小表现为CK-M、G-2、G-3、G-2、G-4;不同种植间距下枣树的WUEyield由大到小表现为J-3、CK-Z、J-2、J-1,不同灌水定额下枣树的WUEyield由大到小表现为G-1、G-3、CK-Z、G-2、G-4。采用光合分配计算各生育阶段的水分利用效率(WUEPn)与基于产量的水分利用效率(WUEyield)并不一致;棉花蕾期水分利用效率WUEPn与全生育期水分利用效率WUEyield显著相关,其他2个生育期与之无显著相关关系。     

图像去噪及分割算法在枣叶含水率估算中的影响研究

为了研究图像去噪及分割算法在枣叶含水率估算中的影响,对2种图像去噪和3种阈值分割算法在枣叶图像分析中的影响进行了探讨。结果表明:中值滤波和均值滤波在枣叶图像去噪中的效果区分不明显,若比较去噪后的MSE和PSNR则前者略优;最大类间方差分割和迭代分割都能较好地将叶片从图像中分割出来,消除高光区域的影响;经均值滤波和迭代分割算法处理后,图像颜色特征(G-R)、H、G/R与枣叶含水率之间均呈现出显著的相关关系,以三者为自变量的枣叶含水率线性回归模型的相关系数R2高达0.965 2,F检验的显著性水平为0.002 2,回归效果极显著,可用于枣叶含水率的预测估算。