图像处理技术与L系统相结合的虚拟植物叶片研究

为了快速、准确地模拟植物叶片,提出了一种基于图像处理与L系统相结合的虚拟植物叶片方法。该方法首先利用图像处理技术获取叶片边缘信息和叶脉信息,然后通过叶脉信息分析出叶脉走向规律,最后通过L系统模拟该叶片形态。实验表明,该方法能够精准地模拟出叶片形态,降低计算机虚拟叶片的复杂度。     

图像与L系统相结合的柑橘叶片形态特征重构研究

为了快速、逼真、有效地描述植物叶片的外在形态特征,提出了一种基于图像与L系统相结合的柑橘叶片形态重构的方法。该方法利用边缘检测的方法提取柑橘叶片的边缘以及叶脉的分布特征,以Harris计算与叶脉相关的特征点。最后用L系统和B样条曲线对柑橘叶片形态进行重构。通过实验表明,该方法能够快速、有效地描述出柑橘叶片的形态,降低柑橘叶片模型构建的复杂度。     

核桃复叶形态计算机模拟研究与实现

植物冠层是虚拟植物的重要研究内容。叶片作为植物冠层的重要组成部分,叶片形态的模拟对于虚拟植物的研究具有非常重要的价值。核桃的叶片形态不同于其他植物的叶片,有很大的特殊性,其叶片是以复叶的形式出现,模拟有一定的难度。为此,采用椭圆同轴相交的方法实现单个叶片的模拟,再利用平移和旋转等方法实现核桃复叶形态的模拟,从而为进一步进行核桃冠层模拟及其辐射传输动态模拟奠定了基础。     

基于LIF技术分析玉米叶片蒸腾效应模型

玉米抽丝期是玉米由营养生长进入生殖生长的转折点,是决定玉米产量的关键时期。为此,基于激光诱导荧光光谱(LIF)技术,以抽丝期玉米叶片为研究对象,快速无损地获取植物生理信息的日变化,重点分析玉米叶片蒸腾效应与叶绿素荧光光谱的相关性,并选择706～748nm波段作为敏感光谱波段,建立了基于光谱特征参数的植物叶片蒸腾速率的预测模型。结果表明:采用荧光强度F730研究玉米叶片蒸腾效应最合适;由于气孔导度反映蒸腾效应,且影响CO₂的同化过程,故以气孔导度的信号之一的叶片温度作为模型输入修正;通过对蒸腾速率与叶片温度、叶绿素荧光强度进行回归诊断与全回归分析,建立了基于荧光强度F730和叶片温度的蒸腾速率预测模型,分析了蒸腾速率与二者的相关性,模型复相关系数为R=0.833 4,模型校验结果的相关系数R²=0.879 8,认为模型的预测能力较好。通过激光诱导叶绿素荧光光谱技术实现了对植物生理信息的无损检测与分析,建立的玉米抽丝期蒸腾速率预测模型可为玉米优质高产的水肥精准化、智能化控制技术提供数据支持。     

基于电容特性的植物叶片含水率无损检测仪

为实现植物叶片含水率的无损和准确检测,利用圆形平行板电容传感器检测植物叶片电容,利用直径为12.7 mm的圆形FSR402型压力传感器测量平行极板对植物叶片的压力,以MSP430型单片机为微控制器,设计了一种基于植物叶片电容检测其含水率的仪器。以玉米叶片为对象,研究了玉米叶片含水率和极板对叶片的压力对电容的影响规律,选取了极板对玉米叶片的最佳压力,建立了最佳压力下玉米叶片的电容与含水率之间的关系模型,并对模型的可靠性进行了检验。结果表明,玉米叶片的电容随含水率和极板对叶片压力的增大而增大,检测玉米叶片电容的最佳压力为4 N。玉米叶片湿基含水率为55%~80%时,所设计检测仪的含水率绝对测量误差为-1.2%~1.7%;在晶振频率为8 MHz下检测含水率的响应时间小于3 s。     

基于Android手机的植物叶片面积快速无损测量系统

基于Android手机平台构建了一种植物叶片面积快速无损测量系统。获取包含被测植物叶片与已知面积的参照物图像,经图像灰度化、图像平滑、图像二值化、图像几何校正和连通区域标记等处理,根据参照物和被测植物叶片面积比得到植物叶片的面积。基于Android编程技术对系统的功能和界面进行了设计,对图像的几何失真问题提出了几何校正方法。以三叶草、木槿、腊梅、枫树、银杏、樱花等多种植物叶片为对象进行面积测量。试验结果表明,系统不受叶片形状的限制,面积测量的相对误差在-2.9%~2.7%,能够有效测量植物叶片面积。     

温室番茄枝条躲让效应的研究——基于改进内包围盒算法

在温室环境中,合理安排番茄作物的植株分布密度是十分重要的。碰撞检测在温室仿真系统中的重要性不言而喻。传统的内包围盒技术为提升求交效率而尽可能多地舍去了与光线相交概率较低的面片,但在对其余的第2类面片求交时效率仍然不够理想。为此,改进了内包围盒算法,提出三角面片的概念,建立面片包围盒,直接与内包围盒进行边界比较。实验证明,改进的算法提升了光线跟踪效率,研究成果具有较好的理论价值与实践意义。     

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。     

基于介电特性与回归算法的玉米叶片含水率无损检测

利用0.06~200 k Hz范围内拥有36个频率点的LCR测量仪及自制夹持平行电极板,测量280片不同含水率玉米叶片的相对介电常数ε'及介电损耗因子ε″;利用干燥法测量玉米叶片的湿基含水率。利用逐步回归法(SWR)与多元线性回归(MLR)结合的线性建模方法和连续投影算法(SPA)与支持向量回归(SVR)结合的非线性建模方法,分别建立玉米叶片介电参数(ε'、ε″及两者融合信息3种参数)与湿基含水率的关系模型,并应用留一交叉验证法选取2种建模方法的最佳关系模型。分析表明,非线性模型较线性模型具有更高的预测能力,且基于ε'与ε″的融合信息运用连续投影算法(SPA)与支持向量回归(SVR)相结合的非线性建模方法使模型原72个变量精简到10个,剔除了模型中冗余度较高的变量,有效降低了模型的复杂度,得到最高的测试集决定系数R2P(0.804)和最小的测试集均方根误差RMSEP(0.017 6)。结果表明基于介电特性的玉米叶片含水率无损检测方法是可行的,为快速检测其他农作物的生理信息提供了一种可靠的方法。     

基于光学相机的植物表型测量系统与时序生长模型研究

为提高形态表型检测速率,满足形态表型测量的标准化需求,以拟南芥为例,提出一种测量植物三维形态特征的方法,并建立植物时序生长方程和可视化模型,构建了一套经济实用、面向拟南芥生长过程的形态表型测量机器视觉系统。通过光学相机采集拟南芥植株的二维图像序列,利用运动中恢复结构算法生成三维点云;设计一种彩色标板,基于彩色标板的坐标系标准化方法,提取拟南芥植株的点云并标准化坐标系。与传统人工接触式测量值相比,该系统交互测量的拟南芥叶片宽度、长度、主茎长度、叶片面积、叶片间夹角的平均相对误差分别为9. 83%、10. 10%、1. 07%、4. 09%和4. 37%。利用该系统采集哥伦比亚野生型拟南芥生命周期内的形态表型信息,拟合其数学生长模型,并使用L-studio软件,将时序生长模型可视化表达。结果表明,植物固定、传感器移动的平台结构解决了传统传感器固定、植物移动方式导致的植物抖动从而影响三维重建效果的问题,可快速、准确、可靠地提取植物表型信息。基于彩色标板的点云坐标系标准化方法在每个单位时间都能够对拟南芥植物对象进行参数提取,与传统的人工接触式测量方法相比,效率高、速度快,可满足拟南芥的形态表型分析需要。     

一种基于AABB包围盒法的改进算法

介绍了实时碰撞检测技术的概念及现状,分析了存在的问题,提出了改进的AABB包围盒法,改进的AABB包围盒法进行实时干涉检验确保拆卸路径的有效性。试验证明,该算法比传统包围盒法包围物体更为紧密,可大大减少不必要的干涉检验,从而降低了系统开销,改进后的AABB包围盒算法比传统的包围盒算法检验速度快5%~20%。     

基于Android手机平台的玉米叶片含氮量无损检测

为了提供一种玉米叶片含氮量无损快速检测方法,分析了玉米叶片的颜色特征参数与含氮量的关系,并基于Android手机平台开发了玉米叶片含氮量检测软件。首先获取包含被测玉米叶片与标定色块组的图像,利用标定色块对图像色彩进行校正,以减小外界光照等因素对图像色彩造成的失真。进而进行图像分割、图像平滑和颜色特征信息提取等处理,分析了各颜色特征参数与玉米叶片含氮量的关系,发现绿光标准化值与含氮量之间线性关系最好。应用Java语言和OpenCV计算机视觉库在Android手机平台上实现了玉米叶片的图像获取、图像处理和查看结果等功能。实验结果表明,该方法对玉米叶片含氮量的绝对测量误差为-0.40%~0.35%,均方根误差为0.20%,从采集图像到给出结果所用时间小于10 s。     

交通仿真系统中碰撞检测技术研究

在虚拟环境中,碰撞检测及响应直接影响最终仿真的效果.为了使交通仿真系统有较高的真实性,必须处理好仿真系统申存在的碰撞问题.首先对碰撞响应技术进行了研究,然后根据交通系统的特点,深入分析了交通仿真系统中常见的几类碰撞问题,重点对车辆与物体的碰撞检测及响应、车辆与地形的碰撞检测及响应以及视线的碰撞检测及应用等三个方面的问题进行了讨论,最后提出了碰撞检测的简化包围盒算法及地形匹配算法,并建立了一套科学实用的仿真模型,为解决交通仿真系统中的碰撞问题提供理论依据.     

基于Micro-CT的玉米籽粒显微表型特征研究

植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息,是植物表型组学研究的重要组成部分.针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题,本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精准鉴定研究.基于对CT序列图像的处理解析,共获取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚...     

基于RGB-D相机的单株玉米株高测量方法

玉米株高是反映作物长势的重要指标。为了实现田间单株玉米株高的快速测量,提出了一种基于RGB-Depth（RGB-D）相机的玉米株高测量方法。以拔节期玉米为观测对象,首先利用RGB-D相机获取田间玉米的彩色图像和深度图像。对玉米彩色图像进行灰度化、二值化和去噪处理,提取出包含待测玉米的二值图像。利用改进的分水岭分割算法对玉米的灰度图像进行分割,对分割结果进行圆形拟合操作,定位玉米的中心区域。对玉米的二值图像进行骨架化处理,检测骨架的交叉点和末端点,确定玉米骨架的中心点,并检索其到末端点的最短路径。对各条路径的点云数据进行求差与比较,确定玉米的最高点,并对最高点附近的点云数据进行直方图统计,获得地面点。最后,通过计算玉米最高点和地面点的差值,实现单株玉米株高参数的测量。对玉米样本进行测试试验的结果表明：单株玉米株高的平均测量误差为1.62cm,均方根误差（RMSE）为1.86cm,测量精度满足实用要求。     

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。     

水果收获机器人避障路径规划

在综合分析路径规划研究的基础上,采用基于概率地图的路径规划方法,运用启发式搜索算法对水果收获机器人机械臂运动路径进行实时规划。在搜索过程中,以位姿点密度作为权重使路径向自由空间扩散,避免过度采样。为提高路径规划速度,采用延迟碰撞检测策略,可有效降低计算量。采用有向包围盒进行碰撞检测。最后利用虚拟现实技术,对水果收获时要绕过的支架和狭窄区域进行三维计算机模拟。结果显示,路径规划时间均小于0．15s,达到实时要求。     

基于改进Yolov5植物病害检测算法研究

苹果和番茄是日常生活非常常见的果蔬,准确地识别病害能够提升作物产量,减少经济损失。针对现有的植物病害检测方法不能准确且快速地检测植物叶片中病害区域的问题,设计一种基于改进Yolov5的深度学习方法,用于检测苹果、番茄叶片常见病害。通过数据增强和图像标注技术构建苹果、番茄叶片病害数据集,利用K-means算法对初始锚框进行调整,在此基础上使用复合主干网增强Yolov5主干网对病害特征的提取能力,使用Varifocal Loss函数提高对密集感染区域的识别精度。试验结果表明：改进后的Yolov5病害检测算法mAP达到95.7%,在原来Yolov5模型基础上mAP提升1.7%,平均检测一张图像耗时0.033 s,为苹果、番茄叶片病害检测提供一种高性能的解决方案,能够以较高的准确率对植物叶片病害进行分类与定位。     

基于计算机辅助的玉米芽种物理机械播种研究

玉米是我国主要农作物之一,其生产效率与生产质量的好坏,直接关系着我国粮食安全。传统的玉米芽种机械播种方式,生产成本虽低,但无法实现高效率全自动大面积玉米播种或者套种的实际需求。为此,采取室内试验的方法,选取了我国北方某农业大省玉米作物生产作物为研究对象,进行试验研究。现阶段,关于玉米精密排种器的相关研究,集中体现在排种器相关物理机械性能上,包括机械的设计及机械性能的检测等。在试验方法的选择上,国内行业内现有高速摄像检测方法、虚拟仪器检测方法及图像处理检测等。本文在这里重点运用了高速摄像检测技术。