植物叶面积无损测量方法及仪器开发

为了快速、无损、准确地测量植物叶面积,设计了一种利用多晶硅光电感应板与平板均匀发光光源照射系统构成的叶面积测量装置。通过试验,建立了植物叶片叶面积与光源光强、光源对叶片透射率、环境温度、光电感应板的光电感应电压值间的BP神经网络关系。结果表明：该仪器可测量不同形状、厚度、软硬程度、叶片大小的植物叶片面积,模型预测值与实际值决定系数R2为0.98,测量精度为94.8%,为叶片叶面积测量提供了一种新的测量方法和装置。     

基于彩色通道相似性图像分割方法的植物叶面积计算

为了快速、准确地测量植物叶面积,该文提出了基于彩色通道相似性图像分割的植物叶面积测量方法。该文基于彩色图像,利用像素彩色通道的相似性和自适应方法得到的阈值分割叶片区域,并分别统计叶片和参考矩形的像素数,进而计算植物叶面积。试验表明,该方法得到的植物叶片区域更准确,并且对叶片阴影、花斑等具有很强的鲁棒性,错分率为仅为1.23%,具有较高的精度。该方法是一种实用的通过拍照计算植物叶面积的方法,可嵌入到手机等移动设备中。     

基于矩形框几何校正的多叶面积测量方法

为了弥补逐片测量和图片倾斜失真的局限性,该文提出了一种基于矩形框几何校正多叶面积测量方法(简称为GCCA)。GCCA法应用Hough变换提取矩形框,对图像进行几何校正,利用连通域扫描实现了多叶片同时测量。同时还利用Visual Basic 2010对GCCA法进行了软件开发,并与坐标纸法、长宽系数法、Photoshop法进行了试验比较。试验结果表明:GCCA法是一种稳定性较高、相关性较好、适用范围较广的叶面积测量方法;它继承了数字摄影图像处理法的优势,是一种快速的植物叶面积测定方法。其测量速度随着单张图片叶片数量的增大而提高。软件的编制,可消除人为因素的影响,大大提高叶面积测量软件的互动性和通用性。GCCA法既可以应用于室内,也可以进行室外无损测量,为叶面积的测量提供了切实可行的新途径。     

采用热红外和可见光图像无损测定棉花苗期叶面积

叶面积是影响植物光合作用、蒸腾作用、呼吸作用及产量形成的重要形态指标之一,为实现作物叶面积准确、稳定和无损化测量,该研究基于红外线成像设备,提供了一种利用热红外和可见光图像测定棉花叶片面积的方法。以苗期棉花作为研究对象,通过红外成像相机T660获取棉花的热红外和可见光波段的图像,分别使用GrabCut算法和Hough圆检测提取红外图像中叶片和可见光图像中已知实际面积的圆状参照物（五角硬币）的像素面积,进而根据叶片区域和圆状参照物区域的像素倍数关系计算棉花的真实叶面积,将通过该研究所提方法计算的叶面积结果与传统的剪纸称重法、Image Pro Plus软件图像法进行皮尔逊相关性分析,检验该方法的可行性。分析表明,基于所提方法的测量值与剪纸称重法、Image Pro Plus软件图像法的结果之间均存在显著的线性相关关系（P<0.01）（相关系数分别为0.992,0.996）。3种方法对5盆棉花进行8次测量,结果显示,该研究所提方法测量值的平均变异系数为0.78%,在测量工作中表现稳定,为快速获取棉花苗期叶面积提供了一种准确稳健的理论方法。     

基于时间序列红外图像的玉米叶面积指数连续监测

针对受田间变化光照影响冠层图像参数计算的精度及自动化程度仍然不高的问题,该文提出了一种基于冠层顶视单角度红外图像序列的玉米叶面积指数(leaf area index,LAI)获取方法。首先,在玉米整个生育期内获取冠层顶部垂直向下红外图像序列,针对冠层图像背景分割易受田间变化光照影响,提出了一种基于绿色植物"红边"现象和冠层图像背景正态分布模型的分割方法,方法计算简便精度高于支持向量机分割。在冠层参数解析阶段,根据玉米叶片球形分布假设,简化了顶视冠层图像的叶片投影函数(G函数),利用Beer-Lambert定律推导了图像冠层孔隙度计算叶面积指数的方法。试验结果表明:该方法与间接测量原理的商业化设备测量值具有较高的相关性,叶面积指数测量的决定系数为0.94。方法应用于2个不同年代品种冠层结构动态变化监测,能够准确反映冠层结构差异,建立了冠层孔隙度与植株干质量(R2=0.95,R2=0.94)植株鲜质量(R2=0.96,R2=0.89)的关系模型,该方法简化了玉米冠层结构参数测量过程,可为田间环境下冠层参数的自动连续监测提供了解决方案。     

植物叶面积测定方法的比较研究

以两个不同品种的大豆叶片为研究对象，采用了不同的测定方法测定叶面积，分析并指出各种测定方法的优缺点，为在不同测定条件和实验目的要求下选择不同的叶面积测定方法提供依据，也为研究人员提供更加准确、快速、简便和经济的测定方法和依据。     

基于无人机图像分割的冬小麦叶绿素与叶面积指数反演

叶绿素含量与叶面积指数是反映作物长势的重要理化参数,准确、高效定量估计小麦叶绿素含量与叶面积指数对于产量预测和田间管理决策具有重要意义,无人机(Unmanned Aerial Vehicle,UAV)遥感影像具有高空间分辨率的优势,被广泛应用于作物理化参数反演,但现有叶绿素含量与叶面积指数反演模型受土壤、阴影等背景噪声...     

基于高光谱图像技术的雪花梨品质无损检测

为探讨基于高光谱图像技术对雪花梨品质进行无损检测的可行性,研究了利用高光谱图像系统提取雪花梨中糖和水的光谱响应和形态特征参数,获取样品含糖量和含水率的敏感水分吸收光谱带,利用人工神经网络建立雪花梨含糖量和含水率预测模型及利用投影图像面积预测雪花梨鲜重。结果表明,基于高光谱图像技术对雪花梨品质进行无损检测是可行的。雪花梨含糖量预测值和实际值间相关系数R为0.996,误差平均值为0.5°Brix;含水率预测值和实际值间相关系数R为0.94,相对误差平均值为0.62%;鲜重预测值和实际值间相关系数R为0.93。     

高光谱图像技术在水果品质无损检测中的应用

传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的。根据不同的采集设备,简介了两种获得高光谱图像的方法。综述了国内外将该技术应用于水果品质检测方面的研究进展,检测内容包括外观品质、损伤与缺陷,成熟度和坚实度,含糖量、含水率等内部品质,着重介绍了各高光谱图像的成像波段范围、分辨率、成像源,实验数据处理的方法以及实验结果等。根据综述所得提出了高光谱图像技术应用中需要解决的光谱降维、降低样品差异影响和实时检测平台搭建等问题。     

基于图像处理的植物虫损叶面面积计算算法研究

提供了采用数字图像处理方法快速计算植物虫损叶片面积的方法,对叶片图像进行图像采集、预处理以及几何校正,提取叶片轮廓并填充后,去除叶柄求得虫损叶片面积及虫损率。此方法简单易行,适合多种形状叶片,同时适用于非虫损叶片面积的测量。     

基于图像的肉羊生长参数实时无接触监测方法

针对基于体尺、体质量的肉羊实时生长监测中体尺、体质量需要人工测量的不足,论文提出基于结构化限位装置及机器视觉技术的无接触肉羊生长参数测量方法,并讨论无接触方法获取的体尺数据与羊只生长特性的关系。首先,基于自主研发的无应激形态参数采集系统实时采集60只小尾寒羊的俯视图和侧视图,应用图像处理技术对所得到的图像进行分析,提取体高、臀高、体长、胸深、胸宽、臀宽3类6种体尺参数;无接触生长参数采集系统同时记录对应羊只的体质量。对无接触方法获取的体尺、体质量数据相关关系进行研究,并分别利用单因素线性回归、单因素非线性回归、多元线性回归、偏最小二乘回归、RBF网络拟合、SVM回归方法建立体尺与体质量关系模型。试验表明:体高、臀高、体长、胸深、胸宽、臀宽的最大相对误差分别为4.73%、2.55%、2.50%、3.95%、3.80%和2.90%;无接触方法获取的体高、体长、胸宽与体质量相关性大于0.8;在基于单因素的生长监测中可选择体长参数;多体尺能够较全面地表达羊只的生长状态,其中胸深、胸宽、体长是重要的监测参数;多因素非线性模型可以更全面、精准的体现羊只生长特性。论文提出的无接触方法可有效提升工作效率,节约50%的人工投入。同时,也可减少羊只的应激反应,是长期、实时监测羊只生长的实用方法,对推动精准、福利化养羊具有重要意义。     

基于形态学图像处理的麦穗形态特征无损测量

小麦穗部形态参数是直接反应小麦生长状况的重要参数,是育种和考种专家关心的重要参数。为了实现小麦穗部形态特征的无损测量和基于这些特征的快速品种分类,该文提出了基于形态学的穗部性状：芒个数、平均芒长、穗长和穗型的自动提取方法。首先通过小麦图像的形态学运算将麦芒去除得到只有小麦主部的图像,通过寻找主轴方向角和旋转计算外接矩形长度的方法计算穗长,通过对麦芒图像的细化和角点检测方法计算芒长和芒个数,通过宽度系数比例判断穗型,然后利用提取的其中8个特征参数,设计了一个3层的BP神经网络,对4个小麦品种240张图片进行分类识别,识别准确率达到88%。该方法可为小麦快速品种分类提供参考。若能将小麦的其他外部参数同时作为品种识别的输入数据,将会大大提高品种识别的准确性。     

基于典型叶片模板自动匹配的虫损叶面积测量

为了定量化评估农作物的虫害程度,提出了一种基于典型叶片模板自动匹配的叶片虫损面积测量新方法。先将叶片图像二值化并提取其外轮廓;再对提取的轮廓进行多边形近似,以多边形的顶点为端点将叶片外轮廓划分成若干子轮廓;然后采用形状上下文对完整叶片与虫损叶片之间的子轮廓进行自动配准,找出其间的相互映射关系;最后根据映射关系对虫损叶片进行重建,计算出虫损面积。对10类不同叶片的测量分析表明：该方法平均每叶片耗时0.962 s,最大相对误差为8.22%,平均相对误差为4.78%。其中,形状复杂度高的叶片平均相对误差为7.48%,复杂度中等的叶片为5.99%,复杂度低的叶片为1.84%。结果表明,该方法能准确而快速地测量虫损叶面积。     

基于虚拟仪器技术的作物叶片面积测量仪的开发

作物叶片面积的测量,在农业和林业上具有重要意义.传统叶片面积测量方法存在着测量结果不准确、开发周期长、测量范围窄、对作物进行有损测量等一系列问题和缺点.利用美国NI公司的软件开发平台LabVIEW 7.1进行仪器的软件界面开发及图像处理功能实现,并利用VC++6.0对通用图像采集卡进行驱动,从而实现了基于虚拟仪器技术的作物叶片面积测量仪的开发,硬件结构上主要包括工作台、摄像机及灯光、图像采集卡、PC机;软件结构上主要包括图像采集模块、图像处理模块、图像分析模块.试验结果表明,该仪器具有开发周期短、操作简单、测量结果准确、可对作物进行无损测量等优点.     

基于虚拟仪器技术的作物叶片面积测量仪的开发

作物叶片面积的测量，在农业和林业上具有重要意义。传统叶片面积测量方法存在着测量结果不准确、开发周期长、测量范围窄、对作物进行有损测量等一系列问题和缺点。利用美国NI公司的软件开发平台LabVIEW 7.1进行仪器的软件界面开发及图像处理功能实现，并利用VC++6.0对通用图像采集卡进行驱动，从而实现了基于虚拟仪器技术的作物叶片面积测量仪的开发，硬件结构上主要包括工作台、摄像机及灯光、图像采集卡、PC机；软件结构上主要包括图像采集模块、图像处理模块、图像分析模块。试验结果表明，该仪器具有开发周期短、操作简单、测量结果准确、可对作物进行无损测量等优点。     

基于形态学图像处理的重叠葡萄果径无损测量

葡萄果实尺寸变化能用来评价葡萄生长及诊断植株水分亏损状况。为实现重叠葡萄果实尺寸的非接触和精确测量,该文提出基于数学形态学的重叠葡萄果实直径测量方法,该方法首先通过内外对象标记消除图像中存在的伪极小值点,再对去除伪极小值点后图像进行分水岭变换得到目标果实的精准轮廓,从而依据目标果实区域计算果实当量直径。试验和现场应用表明,该方法具有好的定位精度,能为葡萄果实直径测量提供精确的轮廓信息;测量系统具有非接触和高精度等优点,测量的重复精度可达±9 μm,为葡萄生长规律研究及葡萄缺水诊断提供了参考。     

黄瓜幼苗生长信息的无损监测系统的应用与验证

初步探讨了利用计算机视觉技术,在试验温室条件下,对单株黄瓜幼苗的生长实行无损监测。分别对叶面积和干鲜重的破坏性测量与计算机视觉无损测量结果相比较,通过相关性分析,计算机视觉测量的叶冠投影面积与激光叶面积仪测量的叶面积决定系数为0.976,与茎叶干、鲜重的决定系数分别为0.874和0.914。试验证实计算机视觉无损监测系统可以对植物的生长参数进行比较可靠的预测。     

基于块标记的田间叶片损伤区域分割方法

为了在田间开放环境中有效分割叶片损伤区域,该文结合Canny算子良好的边缘提取能力和叶片局部颜色变化相对较小的特征,提出基于块标记的叶片损伤区域分割方法,用于评价叶片损伤程度。使用Android系统手机在晴天大田开放环境中采集木耳菜、西红柿、黄瓜、茄子、桃、彩椒和蛾眉豆7种常见农作物叶片图像,在阴天采集丝瓜、葫芦、甜瓜、茄子和黄瓜5种叶片图像,然后进行分割。该分割算法在晴天和阴天总体的平均正确分类率为97.5%,平均错误分类率为0.3%,并且有较好的目标一致性和边缘清晰度。应用系统对叶片损伤程度的评价结果与手工分割比较,在晴天和阴天采集图像上的平均误差分别为2.340%和1.475%,可较好地应用于晴天和阴天环境。该方法可探索应用于田间植物叶片损伤程度评价。