基于改进Unet的小麦茎秆截面参数检测

针对小麦茎秆截面显微图像分割过程的复杂性,融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型Res-Unet,搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet,可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测。针对小麦样本数据集,通过深度学习中迁移学习的共享参数方式,将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上。结果表明,与同类方法相比,相关参数在精度上均有较大提升,全部参数的识别率超过97%,最高可达99.91%,平均每幅图像检测只需21.6s,与已有图像处理方法（110s）相比,处理速度提升了80.36%。模型评估的准确率、召回率、F1值和平均交并比均达到90%。本文方法可用于小麦茎秆微观结构的高通量观察和参数测定,为作物抗倒伏研究奠定了技术基础。     

基于扇环形区域图像分割的小麦秸秆截面参数测量方法

针对小麦秸秆截面显微图像中组织成分的结构和灰度特征,研究了一种扇环型分区域图像分割方法,用于精确分割厚壁、维管束等关键组织结构。小麦秸秆截面的内外侧轮廓构成了一个近似的环形区域。先粗略定位厚壁和维管束所属的圆环区域。依据定位信息,以截面中心为起点向圆环外轮廓画射线,将圆环划分为大量的扇环形小区域。用Otsu算法对各个小区域进行独立的阈值分割,再对分割结果进行拼接等后续处理,得到完整的厚壁或维管束,最后以此为基础精确测量秸秆截面的各种参数。实验结果表明,与传统的Otsu算法相比,该方法对显微图像采集过程中切片、染色、拍照等环节导致的低质量图像具有较高的分割准确性和鲁棒性,在提高了切片样本利用率的同时降低了人工劳动强度。该测量系统对各类参数的测量精度均大于94.6%。     

基于改进Mask R-CNN的水稻茎秆截面参数检测方法

针对人工测量、统计作物茎秆显微切片图像中维管束数目、面积等关键参数主观性强、费时费力、效率低的问题,提出一种基于图像处理的水稻茎秆截面参数自动检测方法。首先构建了一个基于改进Mask R-CNN网络的水稻茎秆切片图像分割模型。网络以MobilenetV2和残差特征增强及自适应空间融合的特征金字塔网络为特征提取网络,同时引入PointRend增强模块,并将网络回归损失函数优化为IoU函数,最优模型的F1值为91.21%,平均精确率为94.37%,召回率为88.25%,平均交并比为90.80%,单幅图像平均检测耗时0.50 s,实现了水稻茎秆切片图像中大、小维管束区域的定位、检测和分割;通过边缘检测、形态学处理及轮廓提取,实现茎秆截面轮廓的分割提取。本文方法可实现对水稻茎秆截面面积、截面直径,大、小维管束面积,大、小维管束数量等6个参数的自动检测,检测平均相对误差不超过4.6%,可用于水稻茎秆微观结构的高通量观测。     

基于语义分割与实例分割的玉米茎秆截面参数测量方法

茎秆微观结构与其力学性能密切相关,影响作物的抗倒伏性能。但作物茎秆微观表型参数难以通过人工方式获取,因此急需自动化的测量方法。本研究以玉米为材料,通过光学显微镜获得玉米茎秆横截面切片图像,基于深度学习架构融合ResNet和Unet构建语义分割Res-Unet网络模型,对截面表皮、周皮和髓区3个功能区域进行分割;针对维管束数量多、面积小、密度大的特点,以EfficientDet作为基础网络架构,根据维管束尺寸小的特性,减少双向特征图金字塔(BiFPN)的层数,达到提高推理速度、减少显存占用量的目的,同时添加掩膜分割分支,构造新的网络Eiff-BiFPN实现对维管束的分割。实验结果表明,功能区域分割的平均DICE达到88.17%;维管束分割的AP₅₀和AP_50:70分别达到88.78%和72.80%。根据分割结果,可以获得玉米茎秆截面尺寸、各功能区域尺寸和维管束数量、面积等微观结构参数。本文方法具有精确性、实时性和可用性,可用于玉米茎秆微观结构参数的自动化测定,为作物抗倒伏研究提供技术基础。     

小麦茎秆力学性能与微观结构研

测定了小麦成熟期茎秆的力学性能,研究了茎秆的应力-应变规律.试验观察了茎秆的微观组织结构,得到了茎秆扫描电镜下的解剖构造图像.分析了小麦茎秆承载能力与微观组织结构的相互关系,建立了茎秆横截面的力学模型.结果表明:小麦茎秆是一种典型的多相、筛状、不连续、不均匀和各向异性的复合材料,茎秆具有较高的强度和良好的弹性,其承载能力取决于机械组织的厚度、维管束的数量以及各组织及其细胞之间的连接形式和连接强度,小麦茎秆的抗拉强度为30.36～52.65 MPa,弹性模量为1.14～2.05 GPa.     

小麦茎秆机械强度的力学评价研究

农作物茎秆强度的研究对于农机研发、抗倒伏研究均具有重要意义,目前大多截取秸秆的一部分进行室内力学研究,这种方法破坏性强且难以表征作物在田间的实际生物力学特性。为此,以自然生长状态的小麦为研究对象,运用弹性梁弯曲理论,分析小麦茎秆在横向受迫条件下产生的回弹力T,并给出回弹力的具体表达式,发现回弹力T与反映小麦茎秆强度特性的弹性模量E、截面惯性矩I有关。同时,设计了单株小麦回弹力实验测量系统,在小麦收获期使用该测量系统进行实验验证,比较测量值与理论计算值之间的差异,结果表明测量曲线与理论曲线基本吻合,通过分析同一小麦茎秆不同作用点处回弹力的差异,可反映出不同茎节处的机械强度。研究表明:将回弹力作为小麦茎秆机械强度的综合评价指标是可行的,可为农作物茎秆力学特性检测仪器设计以及收获机械的设计提供理论依据。     

小麦叶片力学性能及其微观结构研究

测定了小麦成熟期叶片的力学性能,研究了叶片的“应力-应变”规律;实验观察了叶片的微观组织结构,得到了叶片扫描电镜下的解剖构造图像;分析了小麦叶片承载能力与微观组织结构之间的相互关系,建立了叶片横截面的力学模型。结果表明：小麦叶片是一种典型的多相、筛状、不连续、不均匀、各向异性的复合材料,叶片具有一定的强度和良好的弹性,其承载能力取决于厚壁机械组织的厚度和维管束组织的数量,以及各组织及其细胞之间的连接形式和连接强度,其纵向拉伸强度口6—3．52～5．48MPa、横向撕裂强度盯6—0．30—0．58MPa。     

基于LabVIEW的小麦生物量检测系统

为了快速、无损地测量小麦生物量,根据小麦茎秆的力学特性,设计了一种基于LabVIEW的小麦生物量检测系统。以压力传感器为测量元件,以阿尔泰DAM—3056AH为高速采集模块,获取的小麦受推杆作用产生的回弹力信号由LabVIEW测量系统完成数据的实时采集、显示和保存。利用该检测系统在田间进行小麦生物量检测试验,以验证系统的性能。试验结果表明不同品种的小麦茎秆回弹力具有明显的差异,小麦茎秆回弹力与生物量（鲜质量）具有一定的相关性,采用线性回归法建立两者之间的回归模型,模型的决定系数R2达到0.7127。结果表明基于力学原理进行小麦生物量检测是可行的。     

茎秆挠度对评价小麦抗倒伏能力的实验研究

以3个不同品种的小麦为实验对象,对其茎秆挠度进行了测定,并对小麦茎秆挠度变化规律进行了分析和研究,旨在探索一种新的小麦抗倒伏性能指标和评价方法。通过多项式回归分析建立了小麦茎秆的"载荷敏感度"随载荷变化关系的数学模型。实验结果表明:以"挠度指数"和"载荷敏感度"作为评价作物抗倒伏性能的指标,具有物理意义明晰、测量方便、操作简单、可行性好等优点,可为小麦抗倒伏研究和相关农业机械的设计提供理论依据和参考。     

小麦条锈病菌夏孢子显微图像远程采集系统设计与试验

利用孢子捕捉器捕捉小麦田间空气中的条锈病菌夏孢子已成为当前小麦条锈病预测预报的重要手段。针对现有的孢子捕捉设备效率低、费时费力、需人工定时换取载玻片或捕捉带等问题,基于ARK-1123C型嵌入式工控机和显微镜CCD数字摄像头,提出了一种高放大倍数、高分辨率的小麦条锈病菌夏孢子显微图像远程采集系统的设计方案。设计了系统的硬、软件结构,实现了自动取载玻片、涂脂、空中孢子捕捉、孢子显微图像采集、载玻片回收等一系列功能,且可根据用户需求远程设置孢子捕捉和显微图像采集参数,采集的图像通过无线网络传输到远程服务器中。为了验证系统的性能,在小麦田间进行了40d的系统综合试验测试。测试结果表明,系统可长时间稳定工作,能够远程实时采集放大400倍的4096像素×3288像素的夏孢子显微图像。该系统能够实时采集和远程传输小麦条锈病菌夏孢子显微图像,可满足野外小麦田间空气中夏孢子监测的需求,为农田空气中小麦条锈病菌夏孢子的自动计数及条锈病的预测预报提供重要技术支持。     

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。     

基于嵌入式系统的小麦条锈病远程监测平台设计与试验

为了实现小麦条锈病的远程实时监测,设计并搭建了基于嵌入式系统的小麦条锈病远程监测平台,实现了用户对大田小麦条锈病发病状况的实时监测。首先基于Arduino微控制器和42步进电机控制的六棱柱转轴和传送装置结合,通过蓝牙控制六棱柱转轴上的电磁吸附装置吸附金属加工后的载玻片设计了孢子捕捉器,实现了空气中小麦条锈病孢子图像的采集;其次,通过高倍光学显微镜和电子目镜将采集到的孢子图像通过Linux核心板上传至云端服务器,并通过基于Python的图像处理算法对图像进行中值滤波、边缘提取、角点检测等处理实现孢子计数;最后通过基于Android平台的应用软件实现远程查看孢子图像和计数处理结果。试验结果表明,该平台服务器图像处理算法可实现孢子的准确计数,对测试图像的计数准确率为100%,孢子捕捉器的玻片切换成功率为95%。该研究可为大田小麦条锈病的实时监测奠定基础,也可为大田内其他气传病害的监测提供借鉴。     

基于深度相机的玉米株型参数提取方法研究

提出了一种基于骨架提取的改进算法,可实现在大田环境下,使用PMD深度相机快速、无损测量玉米株型参数。首先利用深度图像RGB伪彩色和深度距离信息,提取深度图像的骨架,排除复杂背景干扰,得到单株玉米的二值骨架图像;然后利用基于角点检测的改进归类算法提取骨架图像特征点;最后建立骨架图像中特征点与深度图像的对应关系,利用空间几何数学方法,结合特征点计算出玉米的3种株型参数,即株高、茎粗、叶倾角。农田实验对比分析表明,所提方法的株高测量结果与人工测量结果的相关系数 r 为0.986,最大相对误差小于2 cm,农田作物育种抗逆性分析还表明玉米株型参数与抗倒伏性具有显著相关性。     

基于无人机影像技术的小麦长势遥感监测

随着精准农业的发展,农作物长势监测越来越重要.传统的小麦长势监测主要依靠人工采样进行,作业效率低、监测范围小、耗费人力物力大.为有效提高小麦长势监测效率,引入无人机影像技术,以曹妃甸地区的小麦为研究对象,利用无人机影像技术和高光谱影像采集传感器完成对曹妃甸地区小麦叶面积指数、叶片生物量、叶绿素含量及叶片氮含量等长势参数...     

油麦兼用型气送式集排器混种部件设计与试验

针对油麦兼用型气送式集排器排种过程中混种部件内压力梯度变化方向与种子输送方向不匹配,造成种子倒流和逆流,降低集排器各行排量一致性的问题,设计了一种基于文丘里原理的混种部件,确定了文丘里混种室和输种管的主要结构及关键参数,分析了输送气流速度、种子速度、混种部件结构对总压力损失的影响.应用DEM-CFD耦合仿真对比分析了3...     

基于RGB-D相机的黄瓜苗3D表型高通量测量系统研究

传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题，提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩膜，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图，对缺失部分进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R²不低于0.83,可以很好地替代人工测...