Wavelength Selection for Classifying Paddy Rice by Near‐Infrared Spectroscopy

Using five paddy rice cultivars grown in Central, Eastern, and Southern Taiwan and harvested in the summers of 1997, 1998, and 1999, eight calibrated models were established by discriminant analysis and back‐propagation neural network with four wavelength selection methods. Randomly adding 80 samples of the 2000 year crop in the three‐crop‐year calibrated models for annual recalibration, eight models were used to classify paddy rice harvested in the summer of 2000. With 351 wavelengths of models 1 and 2, the average classification rates by discriminant analysis and backpropagation neural network were 98.1 and 92.5%, respectively. With 69 wavelengths selected by stepwise discrimination of models 3 and 4, the average classification rates by discriminant analysis and backpropagation neural network were 98.5 and 85.5%, respectively. With 69 wavelengths selected by correlation matrix of models 5 and 6, the average classification rates by discriminant analysis and neural network were 72.0 and 72.2%, respectively. With 69 wavelengths from loading values in the first and second principal components of models 7 and 8, the average classification rates by discriminant analysis and neural network were 69.1 and 60.6%, respectively. Model 3 would be recommended for classifying paddy rice to set trading prices because of its highest classification rate (98.5%).     

Machine Vision for a Micro Weeding Robot in a Paddy Field

The study developed an image processing method to determine the travel directrix for a micro weeding robot in a paddy field. The processing samples, which included 24 images in each sample, were selected from the videotapes which were obtained on a weekly basis, when the camera manually revolved 360° eight times at each height and angle position in the space between the rice rows from the third day after transplanting to 7 weeks. The target image was abstracted from the 24 images by analysing the distribution of blue pixels in the colour image and the distribution of black pixels in its binary image. The candidate points for the directrix line in the target image were obtained by analysing each horizontal line profile of its binary image or the blue image according to the level of growth in the paddy field. The travel directrix line was detected by passing a known-point Hough transform. The directrix lines of all 69 samples used in the study were correctly detected. The processing times required to draw the directrix line after reading the 24 images were about 0·4–0·8 s.     

黄花梨果形的机器视觉识别方法研究

黄花梨的果形是分级的重要特征之一。利用机器视觉采集黄花梨图像,研究了不规则果品的形状描述方法,提出在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换对来描述果形,开发了基于人工神经网络的果形识别软件。研究发现该傅立叶描述子的前１６个谐波的变化特性足以代表梨体的主要形状,采用傅立叶描述子与人工神经网络相结合的方法进行果形识别的精确率可达９０％。而且只要有合适的训练对,该方法也可以用来对其它水果进行外形识别     

在MATLAB环境中基于计算机视觉技术的大米垩白检测

提出了利用计算机视觉系统代替人眼对垩白等大米质量参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米垩白检测算法。在对不同的大米图像处理的基础上，完成了对大米垩白参数垩白度和垩白粒率的测定。实验结果表明，本算法及程序设计是有效可靠的。     

基于MODIS的光化学植被指数反演水稻区域光能利用率

为了探究光化学反射植被指数（Photochemical Reflectance Index, PRI）在反演大面积水稻光能利用率（Light Use Efficiency, LUE）方面的潜力,利用安徽寿县国家气候观象台通量观测数据和同期MODIS卫星数据,分别构建不同参照波段下（488、551和667nm）的PRIs与站点像元LUE间的模型,并尝试利用最优模型反演区域尺度的水稻光能利用率。结果表明,在所测试的参照波段中,来自后向散射方向影像提取的PRIs与LUE的相关性更强,其中PRI₅₅₁表现最优;与MOD17算法相比,利用PRI₅₅₁-LUE模型反演的区域LUE值更符合实际,且空间分布差异明显,在多时相影像和完善数据插补方法的基础上,利用MODIS PRI在反演长时间、大面积植被的光能利用率或生产力方面具有可行性。     

基于Shuttleworth-Wallace模型的水稻蒸散组分模拟及其特征分析

农田蒸散(ET)及其组分的模拟是精准灌溉及准确估算生产力的基础。基于2013-2015年的涡度相关通量观测及辅助观测资料,利用Shuttleworth-Wallace模型(S-W模型)对盘锦水稻的蒸散及其组分进行模拟,并利用结构方程模型分析土壤蒸发占蒸散比例(ES/ET)的控制机制。结果表明:(1)S-W模型模拟蒸散值在生长季前期偏低,在生长旺季总体偏高;而在生长季后期与观测蒸散基本吻合。(2)就季节变化过程而言,水稻蒸散模拟值呈现明显的日间波动(0.5~10.4mm·d-1),但季节总体变化趋势不明显;蒸腾(TR)则先增大后降低,变化范围为0.1~8.4mm·d-1;土壤蒸发(ES)呈U型曲线,变化范围为0.1~4.7mm·d-1。(3)模拟水稻蒸散3a均值为892mm。在年尺度上,TR与ES各占ET的50%;但在生长季,TR是ET的主要消耗方式:在移栽分蘖期,水稻的植物蒸腾与土壤蒸发较接近,而在其它各生育期及全生育期,水稻的植物蒸腾均达土壤蒸发的2倍以上。(4)结构方程模型分析结果表明,气温是ES/ET最重要的影响因子,ES/ET随气温上升而下降(总影响系数为-0.82)。气温不仅对ES/ET有显著的直接影响(直接影响系数为-0.50),还通过叶面积指数(LAI)对ES/ET产生显著的间接影响(间接影响系数为-0.32)。除气温外,LAI和风速也是ES/ET的重要影响因子,ES/ET随LAI增大而下降(总影响系数为-0.39),随风速增大而增大(总影响系数为0.38)。     

Estimation of Fusarium Scab in Wheat Using Machine Vision and a Neural Network

A neural network was used to relate color and texture features of wheat samples to damage caused by Fusarium scab infection. A total of 55 color and texture features were extracted from images captured by a machine vision system. Random errors were reduced by using average values of features from multiple images of individual samples. A four-layer backpropagation neural network was used. The percentage of visual scabby kernels (%VSK) estimated by the trained network followed the actual percentage with a correlation coefficient of 0.97; maximum and mean absolute errors were 5.14 and 1.93%, respectively. A comparison between the results by the machine vision-neural network technique and the human expert panel led to the conclusion that the machine vision-neural network technique produced more accurate determination of %VSK than the human expert panel.     

锥筒谷糙分离装置的试验研究

在锥筒谷糙分离试验台上，进行了非连续喂料分离试验。用Ｒｏｓｅ混合速率方程对试验数据进行处理和综合分析，找出了混合速率常数与分离速率常数。讨论了锥筒的回转速度、填充率、回转时间、轴线倾角、内表面状态等因素对稻谷和糙米产生偏析和分离的关系。通过连续喂料试验，探明了回转速度、喂入量、出料口直径等因素对谷糙分离效果的影响，以及优化的操作条件。     

太湖地区主要土壤上水稻氮素吸收利用的研究

通过在太湖地区两种主要水稻土(黄泥土和乌栅土)上的田间小区试验,研究了水稻在不同N水平下对N吸收变化规律、N素表观利用率以及N肥的增产效果和经济效益。研究结果表明:水稻在两种土壤上的吸N速率均在分蘖结束后到开始孕穗即孕穗期最快,施N处理的吸N速率大约在N2.2~4.2kg/(hm2·d)。两种土壤不同施肥处理下化肥N利用率的变化范围在31.6%~46.2%之间,平均为37.6%。N肥最佳施用量黄泥土为N227kg/hm2,乌栅土为N255kg/hm2。     

不同稻田生态系统周丛生物对水稻种子萌发和幼苗生长的影响

周丛生物广泛分布于稻田生态系统淹水环境中,直接影响稻田养分的迁移转化过程及其生物有效性,但其是否影响水稻的生长、发育却鲜有报道。通过室内控制试验,利用延边（YB）、鹰潭（YT）和镇江（ZJ）的水稻土培养周丛生物,并研究了三种周丛生物对水稻种子萌发和幼苗生长的影响。结果表明,不同类型土壤培养的周丛生物主要由变形菌门（Proteobacteria）、蓝细菌门（Cyanobacteria）和拟杆菌门（Bacteroidetes）组成;三种周丛生物的多样性存在显著差异,其中延边周丛生物（YBP）的物种数和Chao1指数显著高于其他两组处理（P <0.05）。皮尔森（Pearson）相关性分析结果表明,周丛生物群落物种组成和多样性与土壤pH、全磷、总有机碳和全锰含量呈显著正相关（P <0.01）。此外,三种周丛生物的碳代谢活性存在显著差异（P <0.05）。其中,延边周丛生物（YBP）在整个检测期内的碳代谢活性最高,鹰潭周丛生物（YTP）的碳代谢活性最低。种子萌发试验结果显示周丛生物的存在显著提高了水稻种子的萌发率（最高18%）和α-淀粉酶活性（P <0.05）,同时提高...     

水稻蒸散特征及日尺度作物系数估算

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

水稻蒸散特征及日尺度作物系数估算*5

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

Measurement of Hard Vitreous Kernels in Durum Wheat by Machine Vision

An imaging method that detects nonvitreous regions in sound kernels of durum wheat at high speed is described. Kernels are analyzed simultaneously for individual vitreousness and individual kernel size and shape are measured concurrently. The measurement of 500 kernels per sample is adequate for highly reproducible results. Significant agreement was found between inspector‐determined hard vitreous kernel percentages (HVK) and machine‐determined HVK scores for export cargo samples of Canadian Western Amber Durum (CWAD), with differences between the two methods of typically ±3%. For railcar samples of CWAD taken on delivery to the terminal, agreement between inspector‐determined and machine‐determined HVK scores were more variable. The variability between the two methods generally increased as the HVK score of the sample became lower. For inspector‐determined HVK scores of <50%, difference between inspector and machine HVK scores for some samples was substantial. Such large differences are partially attributable to the way in which weathered kernels are assessed. Weather‐damaged kernels were frequently classified as nonvitreous by the machine system due to disruption of the enveloping tissues, whereas inspector evaluations often classify weather‐damaged kernels as vitreous. The speed, accuracy, and reproducibility of the machine methodology gives it enormous potential as a replacement for visual inspection of CWAD for HVK in Canadian grain terminals.     

增湿加热稻谷干燥工艺的试验研究

研究了增湿加热的稻谷干燥工艺减少爆腰产生的机理。采用增湿的热空气干燥稻谷时,可以减少稻谷内部水分梯度,降低了内部应力。通过试验分析了稻谷干燥爆腰率增值与空气温、湿度关系,提出了合理的增湿加热干燥工艺参数。     

种蛋外形的计算机视觉识别研究

提出一种利用计算机视觉对种蛋进行筛选的方法。蛋形指数有两个指标：质量与形状,将质量的测量转为对尺寸的测量,采用第一个神经网络检测种蛋的主要特征点,并根据视觉测量原理得到其尺寸大小。利用带小波变换对原始的边缘形状参数进行特征提取,第二个神经网络以此为输入来识别种蛋外形的规则性。试验表明：该方法与人工筛选相比较,其一致性可达到93%。     

硝化抑制剂施用对水稻产量与氨挥发的影响

通过田间微区试验,应用~(15)N标记技术研究两个施氮水平下硝化抑制剂CP施用对水稻产量、氮素利用率、氮素土壤残留和氨挥发的影响。结果表明:与推荐施氮处理(240 kg/hm~2)相比,减氮处理(180 kg/hm~2)水稻产量明显降低,但是减氮处理下施用硝化抑制剂CP后增产15.2%,差异显著,并且达到了推荐施氮处理下的产量水平。而推荐施氮处理下施用硝化抑制剂对水稻产量反而没有显著影响。施用硝化抑制剂可显著提高11.1%~25.0%的~(15)N吸收与利用效率,同时~(15)N平衡计算结果表明稻田施用硝化抑制剂减少了21.7%~28.1%的硝化?反硝化、径流等途径~(15)N损失,这可能是CP施用增加水稻产量的机理之一。然而,施用硝化抑制剂会增加54.7%~110.6%的氨挥发排放。因此,在水稻生产过程中施用硝化抑制剂CP时要进一步减施氮肥才有明显的增产效果,同时还需要采取一定的措施来控制氨挥发。     

应用Penman Monteith模型估算稻田蒸散的误差分析

通过对Penman Monteith模型（PM模型）进行微分处理,从理论上分析了土壤热通量、储热项、表面层阻力和空气动力学阻力对PM模型模拟稻田蒸散的误差贡献;在此基础上提出储热项修正和稳定度修正建议,并对水稻4个生育期修正后的PM模拟结果与原始模型模拟结果进行比较。分析表明：按照一般量级关系,净辐射、土壤热通量、储热项、表面层阻力、空气动力学阻力误差分别为5%、10%、100%、20%和20%时,对蒸散误差的贡献率分别为26.8%、5.36%、53.6%、11.11%、3.17%。在水稻移栽拔节、拔节抽穗、抽穗灌浆、成熟4个生育期,10cm土层的储热量均大于田间水层的储热量,且土层和水层储热量均随生育期推进而降低。水层储热在前两个生育期对蒸散的影响比后两个生育期大,与原始模拟值相比,前两个生育期仅考虑土壤储热修正后7：00-14：00蒸散降低幅度为0.04～0.073、0.02～0.11mm·h-1,仅考虑水层储热修正后蒸散降低幅度为0.006～0.038、0.003～0.015mm·h-1;仅考虑空气动力学阻力修正后4个生育期的蒸散值平均降低了0.00064、0.0134、0.0055、0.0024mm·h-1。     

用彩色图像识别田间洋葱和杂草的研究

减少化学产品(化肥、农药等)的用量,是精确农业的主要目标之一。人们力图通过图像分析,测量田间一些地块的杂草和作物的比例并确定杂草的位置,但是在彩色图像里,作物叶子和杂草叶子的交叉给计算机区分它们带来了困难。文中针对两种不同情况,提出了两种不同的识别方法。一种方法是针对没有作物叶子和杂草叶子交叉的情况,另一种方法是针对有某些交叉的情况提出的。前一种方法计算时间短,后一种方法需要大量计算。还提出在图像分割过程中,用不同特征法和两步法进行区域合并的模式,其不同特征包括：区域像素各颜色成分的平均值,区域边界的比值和区域的形状。     

水稻土镉污染与水稻镉含量相关性研究

采用盆栽试验的方法,考察了水稻土中重金属镉（Cd）的浓度对水稻生长及Cd富集的影响以及Cd在水稻植株的分布情况,并进一步研究了糙米（可食部位）对Cd的富集量与土壤中Cd总量的关系。结果表明,在各个浓度Cd胁迫下,根、茎叶、稻壳、糙米相比,2个品种水稻都是根累积的Cd含量要高于茎叶和稻壳、糙米,即根〉茎叶〉稻壳〉糙米;在水稻的茎叶细胞中,Cd主要分布在细胞壁,细胞可溶性成分,细胞器Cd的分布量较少,即细胞壁〉可溶性部分〉细胞器及膜部分;随Cd浓度增加,茎叶中的Cd积累量极显著增加,各细胞组分中的Cd含量均显著增加;根据国标GB 2762—2005对大米中Cd的限量标准（≤0.2 mg.kg^-1）,水稻土土壤总Cd临界值分别为2.0 mg.kg^-（1博优225）、3.1 mg.kg^-（1矮糯）。因此,在污染土壤上宜选种食用部位重金属积累低的水稻品种,以减少人类吸收重金属的风险。     

秸秆还田稻田土壤生物有效性磷及水稻磷吸收

基于生物有效性的土壤磷（biologically-based P,BBP）分级方法从植物根际介导的磷吸收机制的4个方面,即根截获、有机酸螯合、酶水解和质子分泌产生的酸化来对土壤磷进行分级,能够更便捷地评价土壤磷的有效性状况。以我国亚热带典型双季稻田为研究对象,田间试验设置秸秆未还田且间歇淹水（S0W1）、秸秆还田且间歇淹水（S1W1）、秸秆未还田且长期淹水（S0W2）和秸秆还田且长期淹水（S1W2）4个处理,采用BBP法测定4种生物有效性磷,即氯化钙溶液浸提的磷（CaCl₂—P）、酶溶液浸提的磷（Enzyme—P）、柠檬酸溶液浸提的磷（Citrate—P）和盐酸溶液浸提的磷（HCl—P）,测定了水稻磷含量并计算磷吸收量,旨在探讨秸秆还田和水分管理对稻田土壤生物有效性磷组分和水稻磷吸收的影响。结果表明：早稻季,秸秆还田处理较相应秸秆未还田处理显著增加土壤CaCl₂—P、Enzyme—P和Citrate—P,长期淹水较间歇灌溉增加CaCl₂—P和Citrate—P;晚稻季,秸秆还田处理较相应秸秆未还田处理显著增加Enzyme—P和Citrate—P,长期淹水较间歇灌溉增加CaCl₂—P。秸秆还田配合间歇灌溉及秸秆未还田配合长期淹水在早晚稻季均较对应处理（S0W1）降低HCl—P。土壤有效磷与Enzyme—P和Citrate—P呈显著正相关,表明稻田有效磷主要来源于Enzyme—P和Citrate—P。秸杆还田处理较相应的秸秆未还田处理相比较显著降低早稻籽粒磷总吸收量,尤其长期淹水条件下,早稻磷总吸收量最低;而晚稻季秸秆还田处理水稻籽粒和秸秆磷吸收量高于秸秆未还田处理,且水分管理影响不显著。生物有效性磷含量（除HCl—P外）与水稻磷含量呈显著正相关,与早稻磷总吸收量呈负相关,而与晚稻磷总吸收量呈正相关。稻田土壤Citrate—P含量仅次于HCl—P,表明土壤Citrate—P对水稻磷吸收起主要贡献。综合来看,双季稻田秸秆还田有利于提高土壤磷素有效性和水稻磷素利用率。