地面数字图像技术在棉花氮素营养诊断中的初步研究

为了探讨利用图像处理技术进行棉花氮素营养诊断的可行性,通过多水平的氮肥田间试验,采用数码相机获取棉花冠层图像,分析了不同氮水平下棉花冠层图像色彩参数与施氮量、产量及多个氮素营养诊断指标之间的关系.研究表明:南疆畦灌条件下,氮素营养水平直接影响到棉花冠层光谱反射特性.红、蓝光标准化值与铃期施氮量、产量之间有极显著的线性负相关关系,采用R/(R G B)、B/(R G B)值可以直接用来诊断棉花铃期的氮素营养状况,或间接估测产量;铃期绿光值G和绿光与红光比值G/R与叶柄硝酸盐浓度、植株全氮和地上部生物量之间都有较大的相关性,可以较为灵敏地反映棉花氮素营养水平,适宜作为氮素营养诊断指标.因此,应用数字图像技术进行棉花氮素营养诊断是可行的.     

基于无人机和地面图像的田间水稻冠层参数估测与评价

田间水稻表型监测可用于分析水稻产量相关性状,对指导水稻栽培管理以及产量预测具有重要意义。本研究以3种氮肥处理下6个不同栽培品种的水稻为研究对象,估测并评价了水稻冠层的主要表型参数,以探讨利用图像分析方法评价多品种及栽培环境下田间水稻长势的适用性。基于无人机和田间固定相机图像,本研究通过图像处理、三维建模和机器学习自动测算出田间水稻冠层覆盖度、株高、穗数,并结合实际测量结果进行了精度评价。结果表明:(1)基于无人机图像使用决策树分类模型提取的水稻冠层图像与人工勾绘结果一致性较好(Qseg均值为0.75,方差为0.08),由此计算的冠层覆盖度与人工勾绘计算的冠层覆盖度相关性较高(R~2=0.83,RMSE=5.36%);(2)使用冠层高度模型估测的各小区水稻株高均值与田间实测高度均值相关性较高(R~2=0.81, RMSE=9.81 cm),但整体呈现低估;(3)基于地面图像使用决策树分类和形态参数过滤得到的穗数计数结果与实测穗数相关性较高(R~2=0.83,RMSE=10.99)。总体而言,结合图像分析算法,应用低空无人机遥感技术高通量自动化估测水稻冠层覆盖度、株高的精度较高,而应用地面...     

基于多视角反射光谱的冬小麦冠层叶片氮素营养监测研究

通过2个蛋白质含量不同的冬小麦品种和4个氮素水平的试验,研究传感器在垂直冬小麦垄平面上,冠层不同观测角度的反射光谱与叶片氮素营养的关系,改进小麦冠层氮素光谱诊断的理论与方法。结果表明,在本试验选择的7种植被指数光谱特征参量中,2个小麦品种均表现为比值植被指数（RVI[670,890]）与冠层叶片氮素含量（CLNC）相关性最高;不同视角的RVI与冠层叶片氮素含量关系中,0°、30°和90°的相关性最高;利用0°、30°和90°的RVI与CLNC进行模型拟合,其模型的决定系数是0°﹥30°﹥90°;在建立的0°模型中,京411小麦模型RMSE为0.2915,预测准确率为90.2%,中优9507模型RMSE为0.3827,预测准确率为87.2%。本研究证明改变反射光谱观测角度,能够提高冠层叶片氮素含量的光谱预测精度,不同小麦品种其光谱特征与冠层叶片氮素含量关系不同,在应用中要根据不同的小麦品种建立相应的模型。     

数字图像监测作物生长特征的研究进展

为对作物进行田间数量化管理以及长势监测,从数字图像监测作物长势的基本原理、数字图像获取方法、图像分析处理技术以及数字图像在作物长势监测方面的应用4个方面进行概述,简要归纳了数字图像基本原理、获取及分析方法,总结出可以利用数字图像实现作物覆盖度、叶面积指数、生物量、氮素营养诊断进行监测,认为对于数字图像的获取应明确获取标...     

基于数码相机的水稻氮素营养诊断

作物叶片的颜色与其氮素营养状况密切相关,因此可以用叶片的绿色程度来反映其氮素水平。为了量化水稻叶片颜色特征并建立其与氮素营养状况间的关系,使用数码相机拍摄了不同品种、氮肥用量的水稻叶片图像,并比较了3个图像特征参数色相(H, Hue)、明度(V, Value)、深绿色指数(DGCI)与SPAD值及水稻叶片含氮量的关系。结果表明,H、V、DGCI与SPAD值间存在良好的线性关系,拔节期、孕穗期DGCI和SPAD值间的决定系数分别为0.62**、0.60**。同时,3个特征参数和叶片含氮量间也存在良好的线性关系,孕穗期H、V、DGCI与叶片含氮量间的决定系数分别为0.53**、0.63**、0.59**。利用图像特征参数对水稻进行氮素营养诊断时选择孕穗期较好,3个特征参数中V较稳定,与水稻氮素营养间关系最好。     

图像处理技术估测水稻叶面积指数的研究

为了探讨图像处理技术测定水稻叶面积指数（LAI）的可行性,利用数码相机获取水稻冠层影像,通过图像处理获取冠层图像的覆盖度,并建立模型从而估测出水稻LAI。试验结果表明,利用覆盖度与实测叶面积指数之间建立的关系模型可以估测水稻LAI,并对利用该模型测出的叶面积指数与实测叶面积指数进行统计检验,它们之间的相关系数在0.77~0.93*之间,达到显著或极显著水平。说明通过覆盖度估测水稻叶面积指数是可行的,该研究结果为获取水稻LAI提供了有效途径。     

不同氮效率粳稻品种的冠层特征

探明氮高效水稻品种的冠层特征,对于培育和筛选氮高效品种具有重要意义。以2个氮高效品种武运粳30号和连粳7号及2个氮低效品种扬粳4038和宁粳1号作为材料进行大田试验,观察了两类水稻品种的冠层特征及其与产量和氮肥利用率间的关系。结果表明,与氮低效品种相比,氮高效品种总颖花量、结实率、产量和氮肥利用率较高;氮高效品种抽穗期具有较高的单茎茎鞘重、光合速率、光合氮素利用效率、剑叶厚度、比叶重、中上层冠层的光截获量及冠层顶部比叶氮含量、氮消减系数和光氮匹配度,上述主要冠层特征与产量及氮素籽粒生产效率呈显著或极显著正相关。这些冠层特征可作为筛选和培育氮高效水稻品种以及培育高产高效群体的重要指标。     

以冠层反射光谱监测水稻叶片氮积累量的研究

作物氮素状况是评价作物长势、估测产量与品质的重要参考指标,对作物氮素精确诊断与管理具有重要意义。本文以不同施氮水平下的4年田间试验为基础,研究了水稻叶片氮积累量与冠层反射光谱的定量关系。结果显示,在冠层单波段反射率中,460 nm、510 nm及760~1 100 nm的光谱反射率与冠层叶片氮积累量的相关性较好;近红外波段(     

水稻高光谱红边位置与叶层氮浓度的关系

实时无损监测叶片氮素状况对水稻精确氮素管理具有重要意义。本研究基于多年不同施氮水平和不同水稻品种的田间试验观测资料,系统分析了水稻高光谱红边区域和位置特征与冠层叶片氮浓度的定量关系。结果表明,水稻冠层的红边区域光谱受施氮水平和品种影响较大,一阶导数光谱在红边区域出现“三峰”现象。经典的红边位置(660~750 nm之间光谱反射率的一阶导数最大值)由于“三峰”特征现象而对水稻氮素浓度变化不够敏感,难以适用于水稻氮素状况的准确监测。基于倒高斯模型、线性内插法和线性外推法构造的红边位置随水稻氮浓度呈现连续变化模式,适用于水稻叶层氮浓度的定量监测;另外,基于695 nm、700 nm和705 nm等3个波段的拉格朗日算法也可估测水稻叶层氮浓度。比较不同红边位置发现,改进型线性外推法较其他几种算法更能有效地监测水稻冠层叶片氮浓度。     

利用冠层光谱监测小麦籽粒蛋白质积累动态

于2003-2006年连续3个生长季, 利用不同小麦品种在不同施氮水平下进行大田试验,在小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量、生物量和籽粒蛋白质积累量(GPA)。通过定量分析小麦籽粒蛋白质积累量、冠层氮素营养指标及高光谱参数的相互关系,确立了能够准确预测小麦籽粒蛋白质积累动态的敏感光谱参数及定量模型。结果表明,在籽粒灌浆期间冠层氮素营养指标(CNNI)自开花期随时间进程的积分累积值与对应时期籽粒蛋白质积累状况存在显著的定量关系,其中植株氮积累量(PNA)表现最好。对冠层氮素营养指标的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。根据特征光谱参数-冠层氮素营养指标-籽粒蛋白质积累量这一技术路径,以冠层氮素营养指标为交接点将两部分模型链接,建立高光谱参数与籽粒蛋白质积累量间定量方程。经不同年际独立数据的检验,基于SDr/SDb–PNA–GPA技术路径建立模型可以估算小麦籽粒生长过程中蛋白质积累动态,预测精度和相对误差分别为0.954和13.1%。因此,利用关键特征光谱参数可以实时监测小麦籽粒生长进程中蛋白质积累状况。     

用机器视觉技术获取棉花叶片叶绿素浓度

运用机器视觉技术获取棉花叶片颜色特征，建立棉花叶片叶绿素测定模型。研究表明，（1）RGB颜色系统的B/R、色度坐标b、b/r值及HIS彩色系统中的饱和度S值均与棉叶叶绿素含量显著或极显著相关，可用于测定叶片叶绿素浓度；（2）棉花叶片正、背面RGB、HIS颜色系统的颜色特征值与叶绿素浓度的相关性高度一致，且叶片背面的颜色特征值与叶绿素浓度之间的相关性更高；（3）基于机器视觉技术建立和筛选出了6组棉叶叶绿素含量预测模型，预测误差在7.8%~13.65%之间。为棉花生长的快速监测提供了依据。     

重组米产品研究及展望

随着营养科学理论体系的不断完善及食品加工技术的快速发展,人们期望提高饮食的科学性以满足不同需求。重组米是其中一个重要突破口。通过对重组米种类开发、工艺优化、应用现状等方面进行阐述,以期为今后重组米的开发研究提供参考。     

机器学习在农作物品种识别中的应用研究进展

机器学习在图像识别领域的成功应用,为农作物品种的自动识别提供了一种新的思路。为了全面了解机器学习在农作物品种识别中的应用现状,把握农作物品种识别的发展趋势和研究方向,本文归纳了农作物图像的常用获取方法,分析了光谱图像和RGB图像结合机器学习方法识别农作物品种的研究现状。基于RGB图像进行农作物品种识别研究起步较早,图像获取成本较低,识别率一般;基于高光谱图像进行农作物品种识别研究近年来发展迅速,识别精度较高,但图像获取成本较高,且易受环境因素影响。通过总结,指出了农作物品种识别研究中存在的问题,认为深度学习在农作物品种自动识别上具有广泛的应用前景     

基于高光谱的水稻叶片氮含量估计的深度森林模型研究

高光谱遥感已经成为快速诊断作物水氮状态的一种有效手段。然而,传统的回归方法和机器学习往往难以挖掘高光谱的全部信息,深度神经网络又通常需要大量的训练数据,因此本研究试图探索在少量数据条件下构建深度学习模型并实现叶片氮含量的精准估计。通过在湖北省监利县开展了连续2年不同氮素胁迫水平的水稻试验,测量了作物全生育期内的216组冠层光谱和叶片氮含量。基于一阶导数光谱,本文构建了一种新的深度学习模型(深度森林DF)来进行叶片氮含量的反演,并与2种经典机器学习模型(随机森林RF和支持向量机SVM)和一种深度神经网络模型(多层感知器MLP)进行比较。结果表明,在基于少量高光谱数据的情况下,DF对水稻叶片氮含量的估算精度要高于MLP,其中预测精度最高的模型为全波段光谱反演的DF模型(R²=0.919, RMSE=0.327)。在2种经典机器学习模型中,RF的估计效果优于SVM,但2种模型结果都不够稳定。研究表明,深度森林可以提升高光谱反演叶片氮含量的精度和稳定性,并且可以通过多粒度扫描相对减轻过拟合程度。该研究结果可为少量数据条件下快速监测作物叶片氮含量提供参考。     

应用数字图像技术估测冬小麦冠层生物量垂直分布特征的研究

用数字图像技术研究了冬小麦冠层生物量的垂直分布。表明用一行小麦图像比多行小麦图像估测小麦生物量能更好地满足线性回归关系,估测效果更佳,以此为基础进一步研究了分层像素数估测小麦冠层分层现存生物量和有效生物量的方法。利用分层绿色像素数(LGPN)指标定性分析了不同栽培模式下冬小麦群体有效生物量的垂直分布和动态变化,并确定了基于图像特征的可用于定量分析的小麦群体垂直分布指数（I）。     

水稻穗部氮素含量高光谱估测研究

氮素是影响水稻生长发育的主要营养元素之一,稻穗生长与氮素营养息息相关。本研究利用高光谱技术测定了稻穗的全氮含量并进行了相应的分析,结果表明：稻穗全氮含量与冠层光谱反射率在近红外波段760~1 300nm呈极显著负相关关系,稻穗全氮含量与光谱特征指数λb、SDr、SDr/SDb、DVI的相关性较好,并建立了相应的估算模型。经独立的实测数据检验可知,基于SDr/SDb与DVI指数组合所建线性回归模型y=2.075+0.001x₁-2.952x₂估测稻穗全氮含量效果最好。上述结果为稻穗营养元素的快速诊断提供了新的手段。     

Key technology of detecting hot heavy rail steel surface faults based on machine vision

Aiming at the low efficiency and precision of hot rail steel surface faults detecting at present,a suit of surface defect detection system of hot heavy rail based on the machine vision is put forward. Multi-CCD cameras are used to collect pictures. According to the geometric characteristics of the heavy rail and its defect characteristics of high-frequency region,six angle shot is used for heavy rail,and then various image processing technology are adopted in workstation. The system adopts improved Hough transform to get surface faults and Kohonen network to make a classification for the characteristics of low SVM training algorithm. The above key machine vision technology for detection of hot heavy rail surface defects greatly improves the speed and accuracy of testing and the detecting correct rate arrives over 85%.     

水稻氮高效吸收利用机制及栽培调控措施

氮素的大量施用不仅会造成资源的浪费还会造成环境的污染。水稻氮素的高效利用是实现资源高效利用,建立环境友好型农业的关键。从氮素高效吸收与利用的机制及其调控途径等角度进行阐述,一是根系对氮素的高效吸收,包括形态特征和生理特性对氮高效的响应;二是地上部对氮素的高效利用,包括光氮分布、氮代谢相关酶和氮代谢相关激素等方面;三是提高水稻氮高效的栽培调控途径,如秸秆还田、实地养分管理新技术和轻干湿交替灌溉等措施。并讨论分析目前氮素高效吸收面临的问题以及今后研究的重点。     

稻种资源苗期氮素营养效率的分类、鉴定与评价

在低氮(20 mg/kg)、中氮(40 mg/kg)和高氮(60 mg/kg)3个水平下，调查了88份稻种资源的苗期性状并测定了氮素营养效率，包括氮素利用效率(NUE)、氮素吸收效率(NAE)和氮素利用效率响应度(NUER)。结果表明，苗期不同性状对低氮、中氮和高氮的敏感性不同，不同氮素水平间的单株根体积、地上部干重、吸氮量和根干重等性状变异较大，低氮胁迫加大了种质间的差异。不同水稻苗期性状对氮素的响应度不同，性状在种质间的变异服从正态分布。通过分类、 鉴定和评价，供试稻种资源分为13种氮素营养效率类型，它们存在明显的基因型差异，呈典型的正态分布，即低效和高效的较少，以NUE、NAE和NUER中效类型最多。NUE、NAE和NUER三指标间还存在很强的互补性和拮抗性，极少存在两个以上指标同为低效或高效的稻种资源类型。水稻氮素营养效率类型较陆稻丰富，但分布较分散，总体分布明显偏向于低氮素利用效率一侧。籼稻氮素营养效率的类型略多于粳稻，而粳稻类型的总体分布明显偏向于低氟素利用效率一侧。地方晶种氮素营养效亭类型较多、分布较集中，总体分布明显偏向于高氮素利用效率一侧：杂交稻氟素营养效率的类型最少、分布最集中，而常规稻氮素营养效率类型最多、分布较分散，常规稻和杂交稻品种的总体分布明显偏向于低氮素利用效率一侧。上述研究结果对探讨稻种资源蓖素营养效率的遗传特性、选育高效氮素营养的新型种质及阐明高效氮素营养的生理机制等具一定参考价值。