基于多光谱成像技术的大麦赤霉病识别

该文提出了一种根据大麦多光谱图像实时识别大麦赤霉病害的方法。首先利用阈值分割以及形态学的处理算法去除大麦穗图像背景和麦芒干扰信息;其次从预处理后的多光谱图像中提取图像的颜色统计特征;最后将这些颜色统计特征数据经过预处理后应用偏最小二乘法（principal component analysis, PLS）进行模式特征分析,经过交互验证法判别选取最佳的主成分数,输入到最小二乘-支持向量机模型(least square-support vector machine, LS-SVM),建立病害识别模型。经过比较发现多元散射校正处理后,最佳主成分为1的最小二乘支持向量机模型对病害的识别准确率最高,达到93.9%。表明利用多光谱成像信息可对大麦赤霉病进行准确识别,为植物病害监测与防治提供了一条新方法。     

基于机器视觉的肉鸡胴体淤血检测技术

肉鸡胴体淤血是一种品质异常现象,给屠宰企业带来较大的经济损失。建立胴体淤血的快速、准确识别技术是产业当前的迫切需求。该研究利用自行设计搭建的肉鸡胴体图像采集装置,研发了一种快速识别胴体淤血的技术方法。采用三方位视觉采集（搭载三光源）系统,实现视场对肉鸡胴体的全覆盖。采用基于全局RGB阈值分割提取出图像的14个特征参数,采用主成分分析降维后得到7个主成分,结合遗传算法训练支持向量机模型。然后基于滑动窗口分割胴体子图像,人工将子图像分为四类并提取出颜色矩信息,结合遗传算法训练支持向量机模型并采用相似性度量对模型分类结果进行修正。发现正视图和侧视图中基于7个主成分的支持向量机模型中,分类准确率分别为86.0%和89.8%,预测时间为0.006 s,RGB阈值分割淤血的效果不理想;基于局部颜色矩支持向量机模型中,分类准确率分别为98.3%和97.9%,预测时间为0.001 s。在测试样本上,结合欧氏距离进行相似性度量对模型分类结果修正后,淤血的识别召回率得到提升,误报率和漏报率降低。该研究提出的基于胴体子图像局部颜色矩信息训练支持向量机模型结合相似性度量方法,可以弥补全局RGB阈值分割淤血的不足,有效识别胴体淤血,为工厂进行胴体淤血的实时检测提供参考。     

再生水灌溉对草坪土壤速效养分及盐碱化的效应

采用7种水分处理：清水适宜灌（FPI）、混合适宜灌（RFPI）、再生水充分灌（RFI）、再生水适宜灌（RPI）、再生水轻微干旱胁迫（RLWS）、再生水中度干旱胁迫（RMWS）、再生水重度干旱胁迫（RSWS），相应灌溉下限分别为田间持水量70％，70％，80％，70％．60％，50％，40％，灌水定额相同。研究结果表明：与清水灌溉相比，短期内采用再生水灌溉不会使大量氮紊残留于土壤，不会快速提高土壤供磷水平，土壤速效钾含量增加不显著，土壤阳离子含量增加也不显著。再生水灌溉不同水分处理下，土壤养分元素累积量与供水量成反比，特别是在中度及重度干旱胁迫处理下土壤速效养分累积明显。通过对再生水灌溉下土壤化学性质主成分分析表明，再生水灌溉下土壤盐分离子及氮钾元素变化较快，其次是水溶性钠离子．再次为速效磷。     

基于Meta分析华北冬小麦高产高效协同提升灌溉方案

目前针对灌溉对冬小麦产量和水分利用效率影响研究大多基于单点实验，受气候、土壤等因素影响，研究结果可比性较差，且难于获得区域结论。本文通过检索搜集获得186篇大田实验文献，共1876对观测数据，采用Meta分析方法分析明确了灌溉对华北冬小麦产量和水分利用效率的影响，揭示了不同区域、降水年型、土壤质地和施氮量水平下灌溉对产量和水分利用效率的影响差异，明确了不同情景下华北冬小麦产量和水分利用效率协同提升的最佳灌溉量。研究结果表明，与生长季内不灌溉相比，灌溉使华北冬小麦总体增产32.0%～38.3%，水分利用效率降低27.3%～30.1%。冬小麦生长季降水量<150mm的西北区域灌溉增产幅度（39.6%～53.5%）高于降水量>150mm的东南区域（24.3%～27.1%），灌溉后水分利用效率降低幅度（32.4%～37.5%）高于东南区域（22.0%～24.3%）。冬小麦高产高效的生长季内最佳灌溉量西北区域为150～180mm，东南区域为120～150mm；干旱年、平水年和湿润年均为灌溉两次效果最佳，且最佳灌溉时期分别为拔节期和开花期、拔节期和抽穗期、拔节期和孕穗期，最佳总灌溉量均为120～150mm；壤土条件下灌溉对冬小麦增产效果最佳，黏土条件下水分利用效率降低幅度最小，沙土、壤土、黏壤土和黏土四种土壤质地下冬小麦最佳灌溉量分别为60～90mm、120～150mm、180～210mm和150～180mm；施氮量在120～240kg·hm⁻²时，灌水80～140mm增产节水效果最佳，其中灌水110～140mm条件下冬小麦产量更高，而灌水80～110mm冬小麦水分利用效率更高。综上所述，华北地区冬小麦在湿润年型下拔节和开花期灌溉，平水年型下拔节和孕穗期灌溉，干旱年型下拔节和抽穗期灌溉，总灌溉量为120～150mm，可实现高产节水，若该区域为壤土，同时施氮120～240kg·hm⁻²，冬小麦可实现产量和水分利用效率的协同提升。 关键词：华北冬小麦|产量|水分利用效率|协同提升|Meta分析方法     

灌溉方式和有机无机氮比例对水稻产量与水分利用的影响

通过盆栽试验,研究了3种有机无机氮比例,即60%无机氮+40%有机氮（F1）、80%无机氮+20%有机氮（F2）、100%无机氮（F3）,和3种灌溉方式,即常规灌溉(FIR)、控制灌溉（CIR）和间歇灌溉(IIR),对水稻生长、产量构成、产量和水分利用的影响。结果表明,与FIR处理相比,CIR和IIR处理水稻全生育期灌水量分别下降31.3%和15.9%,但是理论产量平均分别降低31.9%和15.9%,因此水分利用效率（WUE）提高不明显。与F3相比,F1和F2的理论产量平均增加20.1%和14.2%,FIR条件下WUE分别提高37.3%和25.5%。通径分析表明,在不同灌溉方式与有机无机氮比例条件下,有效穗数、每穗粒数、千粒重仍是影响水稻产量的主要因素。主成分分析表明,在间歇灌溉条件下,在总施氮量不变时,配施40%有机氮肥可降低水稻灌水量,并适当提高水稻产量。     

施氮和干旱锻炼后复水/复旱对小麦水分利用效率的影响

以“XR4347”冬小麦品种为供试作物,在温室内开展盆栽试验。试验设置不施氮（N0）和施氮（N1, 1.5g·盆1）2个氮素水平,每个水平下设置3种水分处理模式,即全程充分灌水（CK）、干旱锻炼后复水（PW）和干旱锻炼后复旱（PD）,研究施氮和干旱锻炼后复水/复旱对冬小麦水分利用效率的影响。结果表明：干旱锻炼后复旱使植株水势降低。与CK和PW处理相比,干旱锻炼后复旱对气孔导度（gs）的降低作用大于光合速率（Pn）的下降,因此,提高了叶片和植株水平的水分利用效率。在CK和PW处理下,施氮与未施氮处理相比,叶片的Pn和gs均显著提高,而内在水分利用效率（WUEint, Pn/gs）小幅度增加。PD处理下,施氮对gs的影响大于对Pn的影响,与不施氮（N0）处理相比,施氮（N1）处理下小麦叶片Pn增加4.5%,而gs下降13.6%,因此,WUEint显著提高。干旱锻炼后复旱显著降低了施氮后植株的gs和耗水量,其WUEb和叶片δ13C在施氮后最高,进一步表明干旱锻炼后复旱条件下施氮提高植株的WUEb主要是由于气孔的调控造成的。因此,在干旱缺水地区,将干旱锻炼与施氮结合,不仅可以显著降低植株耗水量、节约灌溉用水、维持作物生长和养分吸收,还可以提高叶片和植株水平的水分利用效率。     

基于多源信息融合技术的马铃薯痂疮病无损检测方法

为了提高马铃薯痂疮病无损检测识别精度,基于机器视觉和近红外光谱的多源信息融合技术,该文提出DS（dempster shafer）证据理论结合支持向量机的马铃薯痂疮病无损检测方法。试验以360个马铃薯为研究对象,在图像特征分割时,确定了差影法结合马尔可夫随机场模型法为最佳分割方法;在光谱特征提取时,确定主成分分析方法为最佳降维方法。采用支持向量机识别方法分别建立机器视觉和近红外光谱的马铃薯痂疮病识别模型,模型对测试集马铃薯识别率分别为89.17%、91.67%。采用DS证据理论与支持向量机相结合的方法对获取的图像特征和光谱特征进行融合,建立了基于机器视觉和近红外光谱技术的多源信息融合马铃薯痂疮病检测模型,该模型对测试集马铃薯识别率为95.83%。试验结果表明,该技术对马铃薯痂疮病进行检测是可行的,融合模型比单一的机器视觉模型或近红外光谱模型识别率高。     

2个不同抗旱性小麦品种耗水特征及根系生理特性对开花期干旱的响应

为探明不同抗旱性小麦品种的耗水特征、根系生理特性及产量对开花期干旱的响应，以抗旱性强品种"新春6号"（XC 6）和抗旱性弱品种"新春22号"（XC 22）为试材，在土柱栽培和大田条件下设置常规灌溉（CK）、开花期轻度干旱（T1）和中度干旱（T2）处理，研究干旱胁迫对滴灌麦田耗水特征、不同土层根系生理特性和产量的影响。结果表明：开花期干旱后2个小麦品种全生育期耗水量和耗水强度均表现为CK>T1>T2，拔节—孕穗期耗水模系数最大。T1处理复水后伤流液、根系活力、根系水力学导度（Lpr）、过氧化氢酶（CAT）、过氧化物酶（POD）和超氧化物歧化酶（SOD）活性及可溶性蛋白（SP）含量显著提高，进而促进地上部质量和千粒重增加，提高产量和水分利用效率。与XC 22相比，XC 6伤流液、Lpr、根系活力、SOD、POD、SP含量、地上部质量以及产量均显著增加，T1处理下XC 6的伤流液、Lpr较XC 22高5.4%~25.1%，2.2%~15.7%；0—20，20—40，40—60 cm土层SOD （6.9%~20.0%，2.6%~24.7%和3.6%~31.1%）、POD （4.1%~19.1%，3.9%~25.2%和3.7%~21.6%）、CAT （7.8%~15.2%，8.3%~13.3%和10.8%~13.3%）活性及SP （4.5%~20.4%，0.8%~29.4%和1.3%~7.9%）含量显著高于XC 22。根质量、地上部质量和产量与耗水量呈二次抛物线关系，与伤流液、Lpr、MDA和CAT活性呈显著正相关。水分处理与品种互作对Lpr、POD、CAT活性及SP含量影响显著。因此，抗旱性强品种开花期轻度干旱可降低耗水量，提高根系SP含量及抗氧化酶活性，增强根系活力，促进地上部质量提高，有利于提高产量和水分利用效率。     

高光谱成像技术和主成分分析识别玉米籽粒的胚

摘要：为了分割玉米籽粒的胚部分,本研究搭建了一套高光谱成像系统用于获取波段范围为500～900 nm的高光谱反射图像。主成分分析（PCA）方法对样本高光谱数据进行降维以便选择少量有效波长构建多光谱成像系统。研究发现,采用可见光（VIS）区域的3个有效波长510、555和575 nm获得的主成分（PC）图像获得了较好的识别结果。100个独立样本用于评估算法性能,结果表明,样本中97.0%的胚可以从玉米籽粒中正确分离。     

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法,基于高光谱成像技术,该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象,选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先,提取并分析11类果皮感兴趣区域（ROI）光谱曲线并结合主成分分析法确定5个最佳波段（630、685、720、810和 875 nm）;然后基于特征波段做主成分分析,选取第5主成分（PC-5）作为分类识别图像,识别率达到80%。为了进一步提高溃疡识别率,该文又提出采用特征波段主成分分析法与波段比算法相结合的方法,基于此算法溃疡正确识别率提高到95.4%。试验结果表明,基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。     

基于高光谱图像和遗传优化神经网络的茶叶病斑识别

为实现茶叶病害的快速高效识别,提出了基于高光谱成像技术和图像处理技术融合的茶叶病斑识别方法。利用高光谱成像技术采集了炭疽病、赤叶斑病、茶白星病、健康叶片等4类样本的高光谱图像。提取感兴趣区域敏感波段的相对光谱反射率作为光谱特征。通过2次主成分分析,确定第二次主成分分析后的第二主成分图像为特征图像,基于颜色矩和灰度共生矩阵提取特征图像的颜色特征和纹理特征。利用BP神经网络对颜色、纹理和光谱特征向量融合数据进行检验,识别率为89.59%;为提高识别率,提出遗传算法优化BP神经网络的方法,使病斑识别率提高到94.17%,建模时间也缩短至1.7 s。试验结果表明:高光谱成像技术和遗传优化神经网络可以快速准确的实现对茶叶病斑的识别,可为植保无人机超低空遥感病害监测提供参考。     

基于支持向量机的葡萄病害图像识别方法

应用计算机图像处理技术和支持向量机识别方法研究了葡萄叶部病害的识别,以提高识别的准确性和效率。首先对采集到的葡萄病害彩色图像采用矢量中值滤波法去除噪声,然后采用统计模式识别方法和数学形态学对病叶图像进行了分割。最后提取了葡萄病叶彩色图像的纹理特征、病斑的形状特征和颜色特征,并用支持向量机的模式识别方法来识别葡萄病害。试验结果表明：支持向量机识别方法能获得比神经网络方法更好的识别性能;综合形状特征和纹理特征的支持向量机识别方法对葡萄病害的正确识别率优于只用形状特征或纹理特征的病种识别,综合颜色特征和纹理特征     

甘肃省冬小麦水分盈亏指数的改进及其应用

冬小麦是甘肃省主要粮食作物,水分是限制该省旱作冬小麦生产最主要的因素,降水时空分布不均造成冬小麦干旱常年发生,因此准确监测甘肃省冬小麦干旱及定量评估灾害损失可为决策部门制定农业防灾减灾措施及保障区域粮食安全提供科学依据。利用甘肃省1981—2014年3个农业气象观测站土壤水分和冬小麦生育状况观测资料,38个冬小麦种植县气象资料、产量资料及干旱灾情资料,考虑冬小麦休闲期土壤储水及生育期水分盈亏量修订了作物水分盈亏指数,修订后作物水分盈亏指数与土壤储水、冬小麦产量要素和产量损失相关性较高,能客观、准确、定量地反映干旱对甘肃冬小麦产量的影响;利用水分盈亏指数分别建立冬小麦产量要素和产量损失评估模型。结果表明:产量要素评估模型均通过0.01水平显著性检验,产量损失评估模型大部分通过0.05水平显著性检验。产量要素评估模型回代结果与冬小麦产量要素实测值间均通过0.01水平的F检验;产量损失评估模型验证结果表明,68.4%种植县通过0.05水平F检验,基本能准确评估全省大部分地方干旱对冬小麦产量造成的损失。修订后作物水分盈亏指数能客观反映甘肃省冬小麦干旱,建立的评估模型能准确评估干旱对冬小麦造成的损失,具有一定的应用价值。     

Leaf gas exchange and water-use efficiency of dry-land wheat genotypes under water stressed and non-stressed conditions

The objective of this study was to determine drought tolerance characteristics of dryland wheat genotypes based on leaf gas exchange and water-use efficiency in order to identify promising genotypes for drought tolerance breeding. Physiological responses of ten genetically diverse wheat genotypes were studied under non-stressed (NS) and water stressed (WS) conditions using a 2?×?10 factorial experiment replicated 3 times. A highly significant water condition?×?genotype interaction (P?<?0.001) was observed for photosynthetic rate (A), ratio of photosynthetic rate and internal CO₂ concentration (A/C_i), ratio of internal and atmospheric CO₂ (C_i/C_a), intrinsic (WUE_i) and instantaneous (WUE_inst) water-use efficiencies suggesting genotypic variability among wheat genotypes under both test conditions. Principal component analysis (PCA) identified three principal components (PC’s) under both test conditions accounting for 84% and 89% of total variation, respectively. Bi-plot analysis identified G339 and G344 as drought tolerant genotypes with higher values of A, T, gs, A/C_i, WUE_i and WUE_inst under WS condition. The current study detected significant genetic variation for drought tolerance among the tested wheat genotypes using physiological parameters. Genotypes G339 and G344 were identified to be drought tolerant with efficient A, T, gs, A/Ci and water-use under water stressed condition.     

基于无人机RGB影像的玉米种植信息高精度提取方法

为探究易获取且成本低的超高分辨率无人机（Unmanned Aerial Vehicle,UAV）航拍 "红-绿-蓝"（Red-Green-Blue,RGB）彩色影像提取作物种植信息的方法,该研究选取植被指数、"色度-色饱和度-亮度"（Hue-Saturation-Intensity,HSI）色彩特征和纹理特征等3种特征,通过比较贝叶斯（Bayes）、K最邻近分类（K-Nearest Neighbor,KNN）、支持向量机（Support Vector Machine,SVM）、决策树（Decision Tree,DT）和随机森林（Random Forest,RF）共5种监督分类算法及不同特征组合的分类效果,以实现玉米种植信息的高精度提取。结果表明,使用单一种类特征或使用全部3种特征均不能获得最优的分类精度;将植被指数与HSI色彩特征或与纹理特征进行组合获得的总体分类精度（5种算法平均值）比仅使用植被指数获得的总体分类精度分别提高了4.2%和8.3%;在所有特征组合中,HSI色彩特征和纹理特征组合为最优选择,基于该特征空间的RF算法获得了最高的分类精度,总精度为86.2%,Kappa系数为0.793;基于RF算法进行降维并不能显著提高或降低分类精度（SVM除外）,但所保留的特征因子可给出符合实际背景和意义的解释,并可提高分类结果的稳定性。研究结果可为基于无人机RGB影像的作物种植信息高精度提取提供方法参考。     

基于GA-SVM模型的机采籽棉杂质识别

针对中国机采棉加工过程中混级混轧、缺乏棉花参数检测的现状,提出使用遗传算法优化支持向量机参数的机采籽棉图像分割、杂质识别方法。在图像分割阶段,采用像素点邻域的色调、饱和度、亮度颜色特征与平均亮度、平均对比度、平滑度、三阶矩、一致性、熵等纹理特征构建特征向量,使用最优保留策略的遗传算法优化惩罚参数及核函数参数,建立图像分割SVM分类器;对杂质识别过程,在计算标记区域的颜色特征、纹理特征基础上,增加面积、周长、离心率、矩形度、形状因子等形状特征,使用遗传算法建立杂质识别SVM分类器。测试结果表明,该方法适用于边缘对比度低、纹理信息丰富的机采籽棉含杂图像分割,对杂质的有效识别率为92.6%。该研究为棉花加工设备的参数优化和国产采棉机的研制及优化提供重要参考依据。     

Effect of Different Wheat Classes and Their Flour Milling Streams on Textural Properties of Flour Tortillas

Wheat flour tortillas were made from flour streams of three wheat cultivars: Jagger hard red winter wheat, 4AT-9900 hard white winter wheat, and Ernie soft red winter wheat. Wheat samples were milled on a Miag experimental mill. Twelve flour streams and one straight-grade flour were obtained. Tortillas were made from each flour stream and the straightgrade flour by the hot-press method. Tortilla stretchability and foldability were evaluated by a texture analyzer and six panelists, respectively. Flour protein and water absorption affected tortilla texture. The foldability evaluated by panelists was positively correlated with flour protein content, farinograph water absorption, and damaged starch (P < 0.05). The 2BK and 3BK streams of hard wheat produced tortillas with strong stretchability and good foldability. Middling streams of hard wheat yielded tortillas with lighter color and less stretchability. Under the conditions tested in this study, soft wheat flours were not good for producing flour tortillas.     

基于多特征融合和深度置信网络的稻田苗期杂草识别

杂草的准确识别是田间杂草精准防控管理的前提,机器视觉技术是实现杂草准确识别的有效手段。该文以水稻苗期杂草为研究对象,采集稻田自然背景下和不同光照条件下的6种杂草图像共928幅,包括空心莲子草、丁香蓼、鳢肠、野慈姑、稗草和千金子。采用1.1G-R颜色因子将杂草RGB图像进行灰度化,选择自动阈值自动分割得到杂草前景二值图像,通过腐蚀膨胀形态学操作进行叶片内部孔洞填充,应用面积滤波去除其他干扰目标,最后将杂草二值图像与RGB图像进行掩膜运算得到去除背景的杂草图像;提取杂草图像的颜色特征、形状特征和纹理特征共101维特征,并对其进行归一化处理。在双隐含层和单隐含层的深度置信网络(deep belief networks,DBN)结构基础上,对DBN隐含层节点数选择方法进行研究。针对双隐含层DBN节点数,选择恒值型、升值型和降值型3种节点组合方式进行优化研究,当网络结构为101-210-55-6时杂草识别率为83.55%;通过对单隐含层节点参数优化得到网络结构为101-200-6时杂草识别率达到91.13%。以同一测试样本的运行时间值作为模型的测试时间对3种不同模型进行耗时测试,SVM模型、BP模型和DBN模型测试结果分别为0.029 7、0.030 6和0.034 1 s,试验结果表明基于多特征融合的DBN模型的识别精度最高,且耗时较其他2种模型相差不大,可满足实时检测的速度要求,所以在实际应用中应优先选择基于多特征融合的DBN模型。该研究可为稻田杂草识别与药剂选择性喷施提供参考。     

基于颜色及纹理特征的果蔬种类识别方法

为更好地表述果蔬图像纹理特征,提高智能果蔬识别系统识别准确性,提出一种颜色完全局部二值模式纹理特征提取算法。果蔬识别系统模型利用颜色完全局部二值模式提取图像纹理特征,利用HSV颜色直方图、外点/内点颜色直方图提取图像颜色特征,采用匹配得分融合算法将颜色和纹理特征相融合,采用最近邻分类器实现果蔬农产品分类。通过不同光照条件下和不同数量训练样本条件下的试验得出：颜色完全局部二值模式的果蔬图像纹理表述能力明显优于和差直方图等果蔬图像纹理操作子,识别率提升最小在5%以上,更适合果蔬分类;对比其他纹理特征提取算法,采用颜色完全局部二值模式与颜色特征进行融合时,识别率最优,时间开销约为1.1 s。该方法能够应用到智能果蔬识别系统中,提升系统识别准确性。     

Breadmaking Use of Andean Crops Quinoa,Kañiwa,Kiwicha, and Tarwi

The effect of addition of flours from the highly nutritious Andean crops quinoa (Chenopodium quinoa), kañiwa (Chenopodium pallidicaule), kiwicha (Amaranthus caudatus), and tarwi (Lupinus mutabilis) has been investigated in wheat doughs and fresh bread quality. The thermomechanical profile of wheat doughs and bread quality has been explored by increasing substitution of wheat flour at 0–100% by Andean crop flours. Dough blends were evaluated using the Chopin Mixolab device, whereas bread quality assessment comprised sensory (overall acceptability) and physicochemical (moisture, specific volume, texture, color) determinations in composite breads. In general, no breads with aerated crumb structure could be obtained from 100% Andean crop flours, with the exception of quinoa breads that had overall sensory values about half a completely perfect score, and which were not significantly different from the breads made from a 50:50 blend of wheat and quinoa. Replacement of wheat flour by ≤12.5% (tarwi), 25% (kañiwa), and 50% (kiwicha), respectively, still produced breads with good sensory acceptability but variable color and doughs with acceptable thermomechanical patterns. Partial substitution of wheat flour by Andean crop flours constitutes a viable option to improve the nutritional value of the breads, with acceptable technological performance of dough blends and composite breads.