基于冠层图像处理的小麦茎蘖数快速诊断技术

为提高小麦群体诊断效率,研究利用图像识别替代人工抽样计数的可行性。分别以智能手机、无人机获取小麦冠层图像以及人工抽样计数方法,于2016—2017年,在山东阳信县105个规模不同的小麦地块,对苗期、冬前、返青期和拔节期4个时期小麦茎糵数进行诊断。结果表明,4个生育时期采用智能手机图像识别诊断小麦茎蘖数,与人工抽样计数相关性强弱依次为冬前(R~2=0.900,P0.001 0)拔节期(R~2=0.240,P0.001 0)返青期(R~2=0.130,P0.001 0)苗期(R~2=0.010,P0.290 0);3个生育时期采用无人机图像识别诊断小麦茎蘖数,与人工抽样计数相关性强弱依次为冬前(R~2=0.760,P0.001 0)返青期(R~2=0.320,P0.010 0)苗期(R~2=0.005,P0.880 0)。从诊断效率而言,人工抽样计数单位耗时约100.0 min/hm~2,智能手机图像识别单位耗时约5 min/hm~2,无人机图像识别单位耗时约为1.5 min/hm~2。说明在冬前—拔节期借助智能手机采集图像替代茎蘖数人工抽样计数并估测小麦群体大小的方法是可行的,尤其是冬前估测效果较好。对于大面积种植的麦田,以无人机为工具在冬前、返青期识别图像,可以作为小麦群体诊断工具。