基于时间序列的玉米叶片性状动态提取方法研究

玉米叶片性状对生长发育、遗传育种及功能基因解析研究具有重要意义,而传统的测量方式效率低、主观性强、测量性状少,已无法满足现代玉米研究的需求,为此提出一种基于时间序列的玉米叶片性状动态追踪技术。研究基于高通量作物表型平台,针对100份玉米品种资源,每间隔3 d获取8个玉米生长点图像;利用图像分割、叶片骨架提取等算法得到单片叶长、叶角度、叶弯曲度参数;基于叶片相对位置信息实现玉米叶片的动态追踪及标记。试验结果和人工测量值相比,叶长和叶夹角测量误差分别为0.92%和3.32%。叶片追踪可以得到叶片的动态变化过程,计算获取叶片长度的平均生长率及叶片弯曲度的变化分布。     

玉米机制营养钵定向栽培增产技术及应用价值

传统的玉米点播,粗放管理,品种劣化,产量很低,玉米机制营养钵定向栽培技术增产效果显著,是解决山区群众温饱问题的有效途径,本文对该项技术在广西这两年试验推广过程中的经验教训进行了总结,供大学参考,借鉴。     

玉米叶片黄化原因及防治对策

通过对玉米叶片黄化原因的全面系统分析,总结了玉米叶片黄化的原因、类型及症状表现,有针对性地提出了玉米叶片黄花防治对策。     

基于AABB-OBB盒的玉米叶片碰撞检测

在数字植物虚拟仿真场景中,植物三维模型之间容易出现交叉穿透现象,有必要进行快速有效的碰撞检测。选择以玉米叶片为研究对象,针对叶片形态提出了一种基于AABB-OBB混合包围盒的碰撞检测方法。首先通过AABB盒相交测试剔除部分未相交对象;然后根据叶片形态特点,对可能相交对象构造OBB盒二叉树。依据玉米叶片交叉常态,改进了分离轴测试顺序,提出了基于优先权值的节点搜索方式,并优化了特殊情况的图元测试过程。实验结果表明,该方法能够准确快速地检测到玉米叶片的交叉状况。     

玉米叶片净光合速率快速检测方法研究

玉米叶片的净光合速率可以用来表征植物生物量的积累和营养盈亏等健康状态,为探求玉米叶片净光合速率的快速无损检测方法,利用叶绿素荧光光谱分析技术对拔节期玉米叶片净光合速率进行检测。实验选取了吉林省典型种植品种先玉335作为研究对象,通过对80组数据的无量纲化处理和标准化处理,降低光谱噪声引起的样本差异,分析不同光谱波段与叶片净光合速率的相关性,确定500~550nm、675~715nm、715~745nm等3组波段作为光谱检测样本。选择675~715nm波段作为光谱波段的典型参数预测玉米叶片的净光合速率,得出两者之间存在显著线性关系,其决定系数R^2=0.7 9 2 4,表明以6 7 5~7 1 5 nm波段预测玉米叶片的净光合速率是可行的。对回归模型进行验证,得到预测值与真实值之间的决定系数R^2=0.7 9 2 1,表明此回归模型对拔节期玉米叶片净光合速率具有良好预测能力,为植物生理信息快速无损检测提供了新的方法。     

基于透射光谱的玉米叶片含水率快速检测仪研究

为快速、无损检测玉米叶片含水率,根据透射光谱原理设计一款便携式植物叶片水分快速检测仪。检测仪主要由数据采集节点和数据接收节点两部分组成,数据采集节点采用夹持叶室结构,由信号采集、处理和发送模块组成,数据接收节点由信号接收模块和PDA组成。测量时玉米叶片被放入采集节点的夹持叶室,两路LED主动光源(890 nm和980 nm)发光照射叶片,采用PIN型Si光电传感器在叶片的另一面进行透射光探测,透射光信号经调理电路放大、滤波后,通过ZigBee网络发送至数据接收节点。根据采集的光信号计算透射率(T890和T980)、比值植被指数(RVI)和调整型归一化差异水分指数(MNDWI)等参数,分析了各植被指数与不同叶位含水率之间的相关性,结果显示仪器应用的最佳叶位为完全展开叶片的倒二叶中部,含水率检测范围为70%~80%,且分辨率为0.3%。选取了T890、T980和MNDWI建立了含水率检测模型,其R_C~2为0.854,R_V~2为0.849,RMSE为0.010 3。     

早熟玉米高密度不同施肥量栽培试验

探索早熟玉米品种垦沃2号、德美亚2号在不同施肥因素、不同密度的产量潜力。试验发现,不同施肥量,大肥区的长势明显好于小肥区,叶面积指数大肥区高于小肥区7.6%。两个品种不同处理产量:垦沃2号大肥区比小肥区增产11.4%,德美亚2号大肥区比小肥区增产12.5%;不同密度产量增产12.7%。用碧护拌种、喷施叶面肥对防除前茬大豆残留药害效果明显,喷施福田佳利、彩特美等叶面肥有增加苗期抗逆性的功效。      

基于参数化的玉米叶片三维模型主脉提取

提取玉米叶片三维点云模型主脉对于建立真实玉米叶片模型具有指导意义。本文利用计算机图形学中的相关算法,包括离散网格的平均曲率计算、网格曲面的参数化以及点云数据的骨骼提取等,对扫描得到的玉米叶片三维点云模型进行主脉曲线提取。整个算法分为3步:不完整主脉三维点集提取、完整主脉点集提取和三维主脉重建。通过对不同种类玉米叶片三维扫描数据进行实验证明,该算法可以快速、准确地得到玉米叶片的主脉曲线。     

基于运动捕获数据的玉米叶片静力应变试验研究

为了研究玉米叶片在不同应力情况下的叶脉的形变情况,进而分析了叶脉骨架的生物力学及运动学特性,以叶尖直立展开期和定型期的玉米叶片为研究对象,提出了一种基于准确运动捕获数据的应力—应变试验方案。试验测试了主脉在不同静态荷载下的形变情况,并从宏观力学层面分析了主脉形变程度随距基部距离的变化趋势。结果表明:处于叶尖直立展开期和定型期的玉米叶片,其主脉上各点随着距基部距离不同表现出不同的生物力学特性,且叶脉垂直最高处的形变程度最大。该研究为应用运动捕获技术获取农学试验数据做出了初步探索。     

玉米叶片铜铅胁迫高光谱识别研究

为了区分玉米叶片重金属胁迫种类,提出一种基于高光谱的铜铅胁迫识别方法.分别以叶片0.1～2.0阶分数阶导数(FOD)光谱中红边位置与任意两波长处的光谱值构建玉米叶片的红边铜铅敏感指数(RECLSI)集群,计算各集群中指数与胁迫类型的相关系数,以相关系数最大值、最小值对应的RECLSI构建铜铅识别特征(CLIF),在CL...     

不同行距对春玉米生育后期绿叶面积及活性的影响

试验以先玉335和军单8两玉米品种为试验材料、进行4个行距处理（分别为70、65、60和50cm）,分别在生育后期测定了叶面积指数、光合速率、叶绿素含量和可溶性蛋白含量。结果表明:70和50cm行距处理在生育后期较其它处理提高了叶面积指数,保持了较大的绿叶面积,并且叶片叶绿素含量和可溶性蛋白含量均保持在较高水平,叶片衰老延缓,生理活性和光合速率较高。70、50cm行距较65、60cm行距在生育后期具有更大的光合生产潜力,有利于高产。      

玉米叶片全磷含量高光谱遥感监测诊断模型研究

在2012—2014年连续实施夏玉米磷素营养监测定位试验,在4种不同施磷量和2个夏玉米品种处理下,分别测定了拔节期、大喇叭口期、吐丝期和灌浆期玉米叶片光谱反射率及其对应叶片的全磷含量。选取了9个代表性光谱波段及其组合,利用前2年归一化光谱数据分品种与叶片全磷含量分别进行回归拟合。在各生育时期,每个品种选择决定系数和F值最高的4个模型,并利用第3年测定的光谱和全磷含量数据分别对两个品种进行均方根误差和相对误差的验证,选择均方根误差和相对误差较小的拟合模型。结果表明,在拔节期、大喇叭口期和灌浆期,玉米叶片全磷含量最佳的拟合光谱参量分别为波段(830+880)、(830+940)、(880+1 100)nm的归一化指数。     

基于改进YOLO v3的玉米叶片气孔自动识别与测量方法

气孔是植物叶片与外界环境交换气体和水分的重要结构。针对现有气孔性状分析主要采用人工测量,过程繁琐、效率低下、容易出现人为误差的问题,本文采用YOLO(You only look once)深度学习模型完成了玉米叶片气孔的自动识别与自动测量工作。结合玉米叶片气孔数据集的特点,对YOLO深度学习模型进行了改进,有效地提高了气孔识别和测量的精确率。对YOLO深度学习模型中的预测端进行了优化,降低了误检率;同时,结合气孔特征对16倍、32倍下采样层进行简化,提高了识别效率。实验结果表明,改进后的YOLO深度学习模型在玉米叶片气孔数据集上识别精确率达到95%,参数测量的平均精确率达到90%以上。本文方法能够自动完成玉米叶片气孔的识别、计数与测量,解决了传统气孔分析方法的低效率问题,为农业科学家、植物学家开展植物气孔分析研究提供了技术支撑。     

高光谱成像技术的玉米叶片氮含量检测模型

应用高光谱成像技术,实现了玉米拔节期叶片氮含量的检测。提取出240个叶片样本的平均光谱反射率数据(400~1 000nm),对原始数据分别进行3种预处理(1stDer、2ndDer、SNV),建立了4种预测模型,包括基于幅值参数(Dλr、Dλy、Dλb)的多种回归模型、全光谱PLS模型、基于连续投影算法(SPA)的PLS模型及基于主成分分析法(PCA)的PLS模型。建模结果显示:基于PCA的PLS模型预测精度最低;全光谱的PLS模型Rc2和RP2分别为0.967、0.821;基于SPA算法的PLS模型R_c~2、R_P~2分别为0.944、0.749,与全光谱的PLS模型预测精度相当,而自变量个数减少了95.07%。基于幅值参数的多元回归模型其预测结果虽与基于全光谱的PLS模型有些许差距,但模型简单,运算量最小,适用于对精度要求不高的场合。     

微波辅助提取荷叶中槲皮素的工艺研究

槲皮素具有抗癌、抗氧化等多重功效,在食品、医药领域具有广泛的应用前景。为此,采用微波辅助工艺,乙醇回流浸提,研究了原料粒度、微波处理时间、微波功率和浸提溶剂配比对荷叶中槲皮素提取率的影响。结果为:原料粒度60目,微波功率450W处理2min,浸提溶剂为75%乙醇,料液比1∶16,70℃回流提取1.5h,荷叶中槲皮素的提取率最高为0.981%;相比于未进行微波处理样品,提取率提高了39.5%。研究结果为荷叶中槲皮素资源的开发利用,提供了新思路。     

铜胁迫下玉米叶片光谱谐波振幅特征与胁迫程度判别

为探测重金属铜污染胁迫对玉米叶片光谱的影响,判别玉米植株受铜污染胁迫的程度,在地面设置了11个梯度铜胁迫玉米盆栽实验,获取了玉米在出苗期、拔节期和出穗期的老叶光谱、叶绿素含量以及出穗期叶片铜含量,阐述了利用前3次谐波子信号振幅C1、C2与C3探测玉米叶片光谱弱畸变的机理,并选取出苗期、拔节期和出穗期玉米老叶光谱480～670 nm与670～750 nm两波段进行谐波分析,解析了前3次谐波子信号振幅C1、C2、C3与铜胁迫梯度间的规律。研究得出:出苗期,在Cu(100)到Cu(1200)梯度范围内,随铜胁迫程度增加,玉米老叶光谱在480～670 nm与670～750 nm两波段的谐波振幅C1逐渐增大,利用谐波振幅C1可以判别与区分玉米植株受铜胁迫程度;拔节期,在480～670 nm与670～750 nm两波段、所有设置胁迫梯度内,谐波振幅C1、C2、C3特征变化规律不明显;出穗期,从Cu(50)到Cu(1200)梯度范围内,除Cu(1000)外,在480～670 nm波段的谐波子信号振幅C1随胁迫梯度增加而增大;玉米出苗期与出穗期是利用谐波子信号振幅特征进行铜胁迫程度判别与分析的最佳生长阶段。     

基于双分支卷积网络的玉米叶片叶绿素含量高光谱和多光谱协同反演

针对智慧农业中叶绿素的精准预测问题,本文提出了基于双分支网络的玉米叶片叶绿素含量高光谱与多光谱协同反演的方法。使用欠完备自编码器进行数据降维,捕捉数据中最为显著的特征,使降维后的数据可以代替原始数据进行训练,从而加快训练效率,使用双分支卷积网络将多光谱数据用于填充高光谱数据信息,充分利用高光谱数据的空间细节信息,再结合1DCNN建立玉米叶片叶绿素含量预测模型。结果表明,与传统降维算法相比较,欠完备自编码器处理后预测结果最佳,决定系数R2为0.988,均方根误差（RMSE）为0.273,表明使用欠完备自编码器进行降维可以有效提高数据反演精度;与单一的高光谱数据反演模型和多光谱数据反演模型相比,双分支卷积网络预测模型均取得较优的预测结果,R2在0.932以上,RMSE均在1.765以下,表明基于双分支卷积网络的高光谱与多光谱图像协同反演模型可以有效地利用数据的特征;对于其他数据结合本文提及的双分支卷积网络模型进行反演,其R2均在0.905以上,RMSE均在2.149以下,表明该预测模型具有一定的普适性。