基于“双毯法”的植物叶态萎蔫辨识研究

为实现植物生命需水状况的无损检测,通过定量辨识植物叶态萎蔫特征反映植物亏水胁迫状况,基于分形理论"双毯法"定义了萎蔫指数LDBM,利用基于激光三角原理的三维激光扫描仪获取植物叶片表型点云数据,以西葫芦、秋葵、葫芦、南瓜4种植物为研究对象,结合饱和水汽压差与光合有效辐射2种微环境参数,进行了植物叶态萎蔫定量辨识研究。试验分析了4种植物萎蔫指数LDBM的日变化曲线,证明LDBM用于表征叶态萎蔫状况是合理和可行的;分析了萎蔫指数LDBM与微环境参数的相关性,4种植物LDBM与饱和水汽压差相关系数均大于0.81,与光合有效辐射相关系数均大于0.71,与2种参数都有很强的正相关性;并且与基于离散时域傅里叶变换定义的萎蔫指数L2DFT进行了对比,LDBM与L2DFT呈负相关性,4种植物的相关系数均大于0.82,表明LDBM能够准确地定量表征叶态萎蔫。     

基于2DFT的植物叶片萎蔫程度与微环境因素相关性研究

在基于激光斜射测距原理的3D扫描装置实时获取的植株3D图像中,提取二维傅里叶(2DFT)谱中直流分量作为萎蔫指数来定量研究植物的萎蔫程度,采用西葫芦、葫芦、南瓜及秋葵4种植物的嫩叶期体态变化检验了二维傅里叶萎蔫指数与萎蔫程度的相关性,结果表明:二维傅里叶谱的直流分量(萎蔫指数)与萎蔫程度具有较好的相关性,R2达到0.82以上。在此基础上,运用SPSS软件建立了二维傅里叶谱叶片萎蔫指数与环境饱和水气压差及光合有效辐射系数的多元线性回归统计模型,可作为亏水胁迫程度的定量化指标。     

基于三维机器视觉的植物叶片萎蔫预测模型

采用基于激光斜射测距原理的三维扫描装置实时获取植株三维图像,从中提取叶面卷曲统计指数、分形维数和二维傅里叶变换直流分量作为萎蔫指数来定量研究植物的萎蔫程度,采用西葫芦、葫芦、南瓜及秋葵4种植物的嫩叶期体态变化检验了3种萎蔫指数与萎蔫程度的相关性,结果表明:3种萎蔫指数与萎蔫程度均具有较好的相关性,相关系数都达到了0.82以上。在此基础上,运用SPSS软件建立了3种萎蔫指数与环境饱和水气压差VPD及光合有效辐射的多元线性回归统计模型。     

基于TOF摄像机的植物叶态萎蔫辨识研究

为定量辨识植物叶态的萎蔫程度,定义了基于离散时域傅里叶变换的萎蔫指数,搭建了一套植物叶态采集系统,以黄瓜和绿皮西葫芦幼苗为试验样品,采用植株根部快速失水与汲水的方法,控制植株叶片处于不同程度的萎蔫状况,使用TOF摄像机获取叶态3D图像信息,对图像进行去噪、阈值分割、点积运算等处理,得到目标叶片的三维点云数据,运用离散时域傅里叶变换计算其萎蔫指数。通过对黄瓜单片叶和绿皮西葫芦多片叶在植物失水、叶片萎蔫阶段和植物吸水、叶片恢复阶段的萎蔫指数定量对比分析,以及对叶片萎蔫指数在整个植物水分胁迫过程的单因素方差分析,显著性分别为0.890 4、0.292 2、0.903 6,均大于0.05,验证了基于TOF摄像机的叶态萎蔫定量辨识方法的可行性与准确性。     

基于3-D图像的植物亏水胁迫萎蔫体态辨识方法

萎蔫现象是植物亏水胁迫环境下表现出的一种生命特征。为了定量辨识植株的萎蔫体态,在应用激光扫描装置快速获取植株3-D图像基础上,定义了4种萎蔫指数,即叶面卷曲统计指数、叶片形心的高斯曲率、基于形心切平面的叶尖投影以及叶片边缘投影求和平均。实验方法将叶片萎蔫程度分为5个等级水平(LS1~LS5),通过逐一检验每种定义的萎蔫指数是否具有单调性得出可应用性结论。实验结果表明距离投影算法满足萎蔫指数的单调要求,尤其是叶片边缘投影求和平均萎蔫指数具有更好的鲁棒性。     

植物叶片萎蔫过程的物理表示方法

为定量化描述植物叶片萎蔫的动态过程,提出一种基于物理模型的描述方法。首先基于植物叶片的三维模型构造体素结构用以抽象植物的细胞结构,在此基础上利用质点弹簧模型表示细胞之间的受力关系,然后根据欧拉-拉格朗日方程描述细胞的运动过程,最后采用隐式纽马克积分法对方程求解进而得到细胞的三维位置变化。以萎蔫状态下叶尖在几何空间的变化轨迹作为参考属性进行数据验证,模拟的叶尖运动方向与实测值相差19°,实测的叶尖三维空间位置与模拟结果的距离差值在0.68 cm至3.0 cm之间,数据表明所提算法得到的叶尖变化轨迹与真实叶尖变化轨迹接近;其次,从视觉角度评价,也可逼真地模拟萎蔫状态下叶片三维形态的变化过程。     

基于圆柱面模型的仿形喷雾植物冠层密度超声量化测试

基于低成本超声波传感器搭建了一套植物冠层超声回波信号检测系统,建立了基于圆柱面叶片分布模型的量化测试台。在正交中心复合设计试验基础上,建立了超声回波信号均值与冠层密度、探测距离的定量关系,即植物冠层密度量化模型。对已建立的植物冠层密度量化模型进行方差分析,结果表明,植物冠层密度量化模型具有显著性,且失拟性不显著。植物冠层密度量化模型决定系数R2和预测模型决定系数R2分别为0. 988 5和0. 911 4,表明试验值和预测值具有良好的一致性。为了验证已建立的植物冠层量化模型的可靠性,于室内测试台进行了4种植物在3种不同测试距离下的冠层密度验证测试,试验结果表明,实测值与模型测量值的相对误差最小为1. 230%,最大为13. 650%,平均相对误差为6. 120%,植物冠层密度量化模型对室内测试台的冠层密度测量有较好适用性。室外选择3棵不同的桂树,每棵树选择9个测试点进行验证测试,试验结果表明,实测密度与模型测量密度的最小相对误差为3. 959%,最大相对误差为20. 600%; 3棵桂树的实测密度与模型测量密度的平均相对误差分别为11. 244%、12. 246%和9. 628%,植物冠层密度量化模型对户外桂树密度测量有较好的适用性。     

不同土壤水势条件下枣树的生长发育研究

通过设定4个不同的土壤水势区间,研究不同土壤水势条件对枣树生长发育的影响。结果表明,在-23～-526kPa的土壤水势范围内,较低的土壤水势条件有利于枣树日最大茎直径的增加,但会使叶面积指数减小。透光率增加;在果实膨大期,土壤水势为-526kPa（相对田间持水率的27％）时,枣果萎蔫,复水后恢复正常生长状态;土壤水势越...     

日光温室黄瓜叶片形态和叶水势之间的关系

针对温室中黄瓜叶片在受到水分胁迫时会发生萎蔫的现象,希望利用计算机视觉技术提取黄瓜叶片形态变化这种叶片萎蔫时最直接的表象,并通过形态指标来量化这些形态特征.同时,结合当时叶片的水势状态,通过相关性分析,分析黄瓜叶片形态指数和叶片水势之间的相互关系.实验选用8组形态指标和叶片水势进行分析,结果表明:叶片延展率AR与叶片有相同截面惯性矩的椭圆形的延长率E、离心率Ec与叶片水势数据之间的相关性最好.     

基于动态多特征变量的黄羽肉鸡跛行状态定量评价方法

肉鸡步态是肉鸡健康状态的重要表征,为实现黄羽肉鸡跛行步态的无损自动化快速分类识别,提出了一种基于多特征变量的肉鸡跛行定量评价方法。该方法从步态视频中提取肉鸡的速度、步幅、步幅差、步频、投影面积参数,拟合得出速度、步幅与投影面积具有相关性(决定系数分别为0.805 1、0.793 5),据此定义肉鸡动态理想参数与异常指数,基于C4.5决策树模型,以速度异常指数、步幅异常指数、步幅差异常指数为分类特征,根据鸟类步态评分标准将肉鸡分为GS0~GS4五类,实现对肉鸡跛行状态进行预警和判别。实验结果表明:该模型针对GS0~GS4分类准确率依次为:66%、71%、74%、98%、95%,整体准确率为78%。该模型可作为早期跛行的检测工具,为养殖自动化的实现和动物福利产业的升级提供支持。     

冬小麦SPAD值无人机可见光和多光谱植被指数结合估算

SPAD（Soil and plant analyzer development）值能够反映作物叶片叶绿素含量,是表征作物健康状态的重要指标。采用无人机搭载可见光和多光谱相机同步获取冬小麦可见光和多光谱影像,同时获取冬小麦叶片SPAD值,探究了可见光和多光谱植被指数与SPAD值的关系,将可见光植被指数与多光谱植被指数相结合进行SPAD值估算,利用逐步回归和随机森林回归方法估算SPAD值,并将估算结果进行对比,筛选出冬小麦叶片SPAD值的最优估算模型。结果表明,SPAD值与可见光植被指数（IKAW和RBRI）、多光谱植被指数（GNDVI、CI、GMSR和GOSAVI）具有较好的相关性,与可见光植被指数（CIVE）和多光谱植被指数（GNDVI）的相结合指数具有较好的相关性,其估算模型的R2为0.89,模型验证的RMSE为2.55,nRMSE为6.21%。研究表明,可见光植被指数与多光谱植被指数相结合指数逐步回归和随机森林回归模型估算SPAD值的精度高于仅用可见光植被指数或多光谱植被指数,采用逐步回归的估算模型R2为0.91,模型验证R2、RMSE和nRMSE分别为0.89、2.32和5.64%,采用随机森林回归的估算模型R2为0.90,模型验证R2、RMSE和nRMSE分别为0.88、2.51和6.12%。     

黑土区施加生物炭对土壤综合肥力与大豆生长的影响

为探明黑土区施加生物炭对土壤持水性能、土壤养分以及大豆生长的影响,以东北黑土区3°坡耕地田间径流小区为研究对象,进行为期4年的观测。按照生物炭施加量,2015年共设置C0(0 t/hm~2)、C25(25 t/hm~2)、C50(50 t/hm~2)、C75(75 t/hm~2)、C100(100 t/hm~2) 5个处理,2016—2018年分别连续施加等量的生物炭。结果表明:连续4年,0～60 cm土层土壤储水量随施炭量的增加呈先增大、后减小的趋势,而对60～100 cm土层土壤储水量影响不显著;连续4年,饱和含水率随施炭量的增加呈逐渐增大的趋势; 2015年田间持水率、凋萎系数随施炭量的增加呈逐渐增大趋势,2016—2018年呈先增加、后减小趋势;连续4年,施加生物炭提高了大豆各生育阶段的株高和叶面积,同期相对较优处理分别为C75、C50、C50、C25;连续4年,大豆冠层覆盖度与施炭量呈抛物线变化(R~2均在0. 89以上,P 0. 01),连续施加2年的C50处理各生育期提高量最大,与C0相比提高了81. 4%、36. 7%、31. 5%和39. 6%;连续4年,土壤pH值和有机质、速效钾含量随施炭量的增加呈逐渐升高趋势,碱解氮、有效磷含量呈先升高、后降低趋势,相对较优处理为C50、C50、C25、C25。采用改进的内梅罗指数模型计算的土壤综合肥力指数与产量呈正相关(R~2=0. 861 5,P=0. 001 2,RMSE为0. 75),土壤综合肥力水平最高的生物炭施用模式为连续2年施加50 t/hm~2的生物炭。     

基于高光谱定量反演模型的污水综合水质评价

为改善高光谱遥感对污水水质信息状况定量反演模型的预测评价效果,以陕西某污水处理厂采集的污水样品为研究对象,采用主成分分析法（Principal component analysis,PCA）对污水水质进行综合评价,获取水质评价的综合评价因子,同时利用ASD FieldSpec 3型高光谱仪获取污水的原始光谱,经过数据预处理和不同数学变换后,共获取了4种光谱指标：平滑后光谱反射率（SG）、倒数之对数（LR）、标准正态化（SNV）和去包络线（CR）。分别采用偏最小二乘回归法（Partial least squares regression,PLSR）、逐步回归法(Stepwise regression,SR)、极限学习机法（Extreme learning machine,ELM）构建了基于水质综合评价因子的高光谱水质反演模型,并对反演结果进行精度验证与比较。结果表明,本组水样的平滑后光谱数据和经过标准正态化变换的光谱数据建模具有较好的建模效果,其建模的预测RPD均在2.5以上;在3种模型中,PLSR模型和ELM模型均具备很好的建模预测效果;逐步回归法的建模效果较PLSR模型和ELM模型有所下降,但是其SG-SR、SNV-SR模型的R2c均在0.8以上、R2p均在0.85以上,RPD均在3.0以上,证明其仍拥有很好的反演预测效果,且进行了特征波段的优选,实现了对模型的优化;SNV-SR-ELM（R2c=0.956,R2p=0.954,RMSE=0.500,RPD=4.651）为最佳模型,SNV-SR-ELM模型的建立为高光谱反演水质模型的优化、污水水质的快速监测和综合评价提供了途径。     

基于无人机高光谱影像的水稻叶片磷素含量估算

为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量（质量分数）（Leaf phosphorus content, LPC）。分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,基于特征波长反射率和光谱指数建立水稻LPC的估算模型,利用最佳模型对高光谱影像进行反演填图,得到LPC空间分布信息。结果表明：全生育期内LPC与462~718 nm范围内光谱反射率显著负相关,负相关最大处相关系数达到-0.902;LPC的特征波长为670、706、722、846 nm,基于特征波长、使用偏最小二乘回归建立的LPC估算模型精度最高,验证R2达到0.925,RMSE为0.027%;在任意波段组合构建的3种类型的光谱指数中,NDSI(R498,R606)、RSI(R498,R606)和DSI(R498,R586)与LPC的相关性最高,相关系数分别为0.913、0.915和0.938;基于3个光谱指数、使用神经网络构建的LPC估算模型精度较高,验证R2为0.885,RMSE为0.029%;对各生育期水稻LPC空间分布的反演结果与实测数据相一致,说明利用无人机高光谱遥感可以实现田间水稻LPC的快速无损监测。     

基于神经辐射场的苗期作物三维建模和表型参数获取

苗期作物三维结构的精准高效重建是获取表型信息的重要基础。传统的三维重建大多基于运动恢复结构-多视图立体视觉（Structure from motion and multi-view stereo,SFM-MVS）算法,计算成本高,难以满足快速获取表型参数的需求。本研究提出一种基于神经辐射场（Neural radiance fields,NeRF）的苗期作物三维建模和表型参数获取系统,利用手机获取不同视角下的RGB影像,通过NeRF算法完成三维模型的构建。在此基础上,利用点云库（Point cloud library,PCL）中的直线拟合和区域生长等算法自动分割植株,并采用距离最值遍历、圆拟合和三角面片化等算法实现了精准测量植株的株高、茎粗和叶面积等表型参数。为评估该方法的重建效率和表型参数测量精度,本研究分别选取辣椒、番茄、草莓和绿萝的苗期植株作为试验对象,对比NeRF算法与SFM-MVS算法的重建结果。结果表明,以SFM-MVS方法重建点云为基准,NeRF方法重建的各植株点云点对距离均方根误差仅为0.128~0.395cm,两者重建质量较接近,但在重建速度方面,本文研究方法相比于SFM-MVS方法平均重建速度提高700%。此外,该方法提取辣椒苗株高、茎粗决定系数（R2）分别为0.971和0.907,均方根误差（RMSE）分别为0.86cm和0.017cm,对各苗期植株叶面积提取的R2为0.909~0.935,RMSE为0.75 ~3.22cm2,具有较高的测量精度。本研究提出的方法可以显著提高三维重建和表型参数获取效率,从而为作物育种选苗提供更为高效的技术手段。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

基于多波段光谱探测仪的玉米冠层叶绿素含量诊断

为了快速无损地检测大田作物冠层叶绿素含量,使用便携式多波段光谱探测仪针对农大8号（G1）、郑单（G2）、先玉（G3）和京农科（G4）4种玉米作物品种,在拔节期采集550、650、766、850 nm波长处太阳光信号和作物冠层反射光信号,用于建立玉米冠层叶绿素含量诊断模型。首先,利用作物冠层650 nm和550 nm波长反射率之间的差值 T D 剔除了土壤背景数据点（ T D >0）。然后,组合计算了NDVI、RVI和DVI共12个植被指数,分析各植被指数与叶绿素含量之间的相关关系,结果显示与G1~G4品种叶绿素含量相关性最优的参数分别为RVI(766,550)、 DVI(850,650)、 NDVI(850,550)和RVI(766,550),相关系数均达0.6以上。数据按一定间隔聚类后,相关性分析结果表明多波段光谱探测仪对玉米叶绿素含量检测最优分辨率为0.5 mg/L,且NDVI(850,550)、NDVI(766,550)和RVI(850,550)与叶绿素含量的相关系数分别为0.837 0、0.773 7和0.767 7,达到了强相关水平。最后,建立了多品种通用型玉米拔节期叶绿素含量诊断模型,可为大田玉米拔节期叶绿素含量诊断提供技术支持。     

基于Sentinel-1A双极化时序数据的甘蔗株高反演方法

甘蔗株高为甘蔗品种与土壤、气象、水文等因素的综合反映,是甘蔗长势监测与估产的重要指标。研究以华南地区气候与天气条件为基础,通过对覆盖甘蔗全生长期的23景时间序列Sentinel-1A数据进行预处理、矩阵转换与Cloude-Pottier分解,求得双极化雷达植被指数（Dual-pol radar vegetation index, DPRVI）。分析了该指数与甘蔗长势参数（株高）随甘蔗不同生长期的动态变化规律。采用4种经典的经验回归模型（线性、二次多项式、指数、对数）,以分段函数形式对不同生长期的甘蔗株高进行反演,建立最佳反演模型。实验结果表明,拟合模型在分蘖期前相关性最高,二次多项式模型拟合效果最优,决定系数R²与均方根误差分别达到了0.882与0.118 cm,对反演效果最好的分蘖期之前的二次函数模型进行验证,结果表明决定系数R²达0.839,平均绝对偏差为7.4%,说明DPRVI反演甘蔗株高是有效的。将DPRVI与其他3种经典的反演参数进行对比,结果表明,DPRVI的性能优于其他3种参数。通过分析可得,DPRVI可以较好地反演甘蔗生长前期...