基于机器视觉的稻茬麦单茎穗高通量表型分析

【目的】高通量表型技术不仅是现代育种领域的重要手段,也是解析田间作物生理生态行为的工具,但不同类别高通量表型技术的基础架构特征仍不清楚,因此需要针对机器视觉高通量表型技术进行专门探讨。【方法】本文用机器视觉技术检测计算稻茬麦茎穗一体的表型指标。使用宁麦13、鲁原502和郑麦9023 3个小麦品种,进行小区化对比试验,使用等孔距栅条精播板进行单粒精播,准确控制条播小麦的群体条件。于稻茬麦成熟期进行茎穗一体图像获取,对图像进行灰度增强、直方图均值化、S分量提取、Otsu阈值分割、茎穗分离和茎穗形态参数提取等操作。提取的稻茬麦地上部单茎穗各器官的形态参数包括茎秆长、茎秆平均宽度、茎秆投影面积、茎秆周长、麦穗长、麦穗平均宽度、麦穗投影面积和麦穗周长。同时,使用传统方法获取小麦单叶片质量、单茎秆质量、单穗质量和单穗籽粒产量等农艺性状指标。分别构建线性模型、二次模型、指数模型及拓展模型进行多维指标拟合,包括小麦单茎穗生物量与单穗籽粒产量关系、单茎穗的麦穗形态参数与单穗籽粒产量关系等拟合分析。在单茎穗层面对小麦茎穗的表型指标与单穗籽粒产量之间的关系进行相关分析和回归分析,进而基于机器视觉在小麦茎穗一体方面的个例应用,讨论大田高通量表型分析的机器视觉技术研发的要点。【结果】宁麦13、鲁原502和郑麦9023 3个小麦品种的单叶片质量与单穗籽粒产量的相关系数依次下降,小麦单茎穗形态参数与单穗籽粒产量的相关性显著低于生物量指标,但单穗投影面积、单穗长与单穗籽粒产量依然存在显著正相关。3个小麦品种在单茎穗的各生物量指标与单穗籽粒产量的最优回归模型各不相同,麦穗图像的形态参数不能准确反映单穗籽粒产量,但单茎穗的茎秆和麦穗形态参数的组合应用表现出最佳的拓展模型拟合结果。利用茎穗一体的数字图像处理所得的复合型形态参数可以准确预测单穗籽粒产量,从而表明利用机器视觉技术观测小麦的生长过程并实时预测产量的可行性。【结论】机器视觉技术能提供远高于常规农艺性状的高通量指标集,为解析各类农艺性状之间的联系及产量的通径分析提供更多的途径,但也造成高维指标集和有价值信息提取的技术困难。应用于田间小麦群体的机器视觉技术应具备多尺度智能化自适应的技术架构,同时应具备基于场景、群体、个体和器官的多空间尺度和苗期、分蘖期、拔节期等多生理时间尺度的统计性数字表型发现和计算能力,同时,机器视觉各技术研发环节和各技术模块都需要农艺学深度参与和校准,而配备标准表型数据库更是保障高通量技术实用性和可靠性的基础。     

基于图像分析的小麦籽粒高通量表型系统研究

小麦籽粒表型信息的准确测量对于小麦基因选择和新品种选育至关重要.现阶段,很多小麦育种者使用手工方法提取小麦籽粒表型信息,效率低下,准确率不高.为解决以上问题,本研究开发了一款基于图像分析的小麦籽粒高通量表型系统.该系统采用Matlab GUI开发,具有籽粒形态分析和颜色分析功能,可以测量小麦籽粒长径、短径、面积、长宽比...     

机器视觉表型识别技术的研究现状

随着智慧农业的推广与发展,机器视觉技术在农业生产中得到了广泛的应用,机器视觉技术主要通过对作物冠层光谱进行分析反演出作物的各项生长参数,以此精准预测作物长势、营养、病虫害、产量等方面的情况。本文阐述了机器视觉技术的基本原理,分析了机器视觉技术在大豆品质检测、大豆田病虫草害防治、大豆生长过程中幼苗识别和花荚检测中的应用,提出了机器视觉表型识别技术中存在的问题及未来发展方向。     

不同品种不结球白菜高通量表型特征分析

以5种不结球白菜品种为研究对象,利用德国Lemne Tec公司Scanalyzer 3D成像仪器获取植株不同时间和不同角度照片,通过测定植株的各表型指标,探究不同品种不结球白菜的光合能力。结果表明:播种后第24天时,‘新夏青5号’的开展面积及黄酮指数最大,分别为10 435 mm²、0.51,‘海青2号’的紧密度、2—3级含水量、叶绿素指数最大,分别为0.72、99.54%、25.76,‘植润988’氮平衡指数最大,为63.34;在播种后第31天时,‘新夏青5号’的开展面积最大,为24 597 mm²,‘海青2号’的紧密度、3—5级含水量、叶绿素指数、氮平衡指数最大,分别为0.76、99.88%、26.09、64.04,‘紫衣’类黄酮指数最大,为0.63;在播种后第38天时,‘紫衣’的开展面积最大,为47 134 mm²,‘海青2号’的紧密度、2—3级含水量、叶绿素指数、氮平衡指数最大,分别为0.83、97.30%、29.75、67.01,‘新夏青5号’黄酮指数最大,为0.52。研究可为指导不结球白菜生产和育种实践提供精...     

基于机器视觉的管道通径内检测技术

管道通径内检测可以提前发现管道安全隐患,在确保管道安全运行方面发挥着重要作用。在机器视觉技术的基础上,将视觉测量技术中的Radon变换应用于激光光源投射成像方法中,提出了基于视觉的管道通径测量计算方法。该方法利用激光发生仪投射与管道内部形状完全吻合的激光环,由相机采集管壁上的光环图像,并将其进行边缘检测和细化处理,最终获得管道的截面轮廓曲线。通过Radon变换得到两条反映管道内径信息的光带,经细化处理提取光带中心线,进而根据中心线之间的距离计算得到管道在所有方向角上的内径数据。研究结果表明:该测量计算方法高效快捷,能够一次性获取管道截面在所有方向角上的内径信息,具有很高的实际应用价值。     

基于机器视觉的茶叶等级区分

提出利用机器视觉和matlab图像处理技术来区分茶叶的等级。以4个等级的绿茶为实验对象,通过提取不同等级茶叶的图像形状特征参数,采用多类逐步分析法进行特征优化并建立区分模型,实现了室内条件下茶叶等级的区分,正确率达81.25%。     

自走式穗茎兼收型玉米联合收获机的研究与设计

本文介绍了自走式穗茎兼收玉米收获机详细的系统解决方案、结构、特点,并对其关键技术进行了阐述。     

基于机器视觉的鸭蛋裂纹自动检测

通过计算机视觉系统获取鸭蛋表面的图像,利用颜色特征参数和灰度阈值方法对图像进行分割.提取分割后的裂纹区域和噪声区域的6个几何特征参数,对图像进行识别,裂纹识别率为93.392%,噪声识别率为93.602%.     

基于机器视觉的花生大小检验

获取大小不一的花生图像,调整图像大小,并进行二值化处理,求出图像中花生象素和,通过SPSS软件找出花生图像象素和A和大小S之间的数学关系,编制基于MATLAB的花生大小检测软件,通过自动求象素和从而求得花生的大小.     

玉米杂交种不同产量水平穗部性状的相关和通径分析

对河南省近3a(2008-2010年)参加60 000株/hm2密度组区域试验的低、中、高3个产量水平玉米杂交种的产量与穗部性状进行了相关和通径分析,以期为选育耐密植高产玉米新品种提供参考。结果表明:在6 000～7 500kg/hm2较低产量水平,对产量直接作用比较大的有行粒数、千粒重、穗行数、穗粗和穗长;在7 500～9 000kg/hm2产量水平,对产量直接作用比较大的有出籽率、穗长、千粒重、穗粗和行粒数;在9 000kg/hm2以上高产水平,对产量直接作用比较大的有穗长、虚尖长、行粒数、穗粗、轴粗,净效应值比较大的有穗长、千粒重、出籽率和轴粗。由此可见,在选育耐密植的高产(9 000kg/hm2以上)玉米杂交种时,应重视穗长、穗粗、出籽率和千粒重的选择。     

糯玉米农艺性状与鲜穗产量灰色关联度分析

[目的]明确糯玉米主要农艺性状对鲜穗产量的影响,为四川省优质高产糯玉米的选育和栽培提供理论依据。[方法]通过灰色关联度分析法分析鲜食糯玉米10个农艺性状与产量的关系。[结果]糯玉米的农艺性状与鲜穗产量的关联度大小为穗长生育期穗粗秃尖长行粒数株高穗位高穗行数百粒重出籽率,穗长是影响鲜穗产量的主要因素,出籽率对产量的影响较小。[结论]在鲜食糯玉米育种中,应以穗长、生育期、穗粗、秃尖长等几个性状为主要目标,提高鲜食糯玉米的有效选择。     

谷物检测中机器视觉技术的应用进展

谷物自动检测的基本思路是利用数字图像处理技术和模式识别技术,首先对获取的谷物子粒图像进行预处理,其次提取谷物子粒图像的特征,然后对提取的特征进行分析和处理之后送入分类器中识别.以图像处理、图像分析、图像识别这3个步骤为主线综述在谷物自动检测中机器视觉相关技术的应用进展,并说明了各种方法的适用范围.     

�ܶȶ����϶�������ͬС������Ʒ��ũ����״��������Ӱ��

为西南冬麦区小麦高产栽培提供科学依据,2013-2014年选用西南冬麦区4个小麦主栽品种为供试材料,研究密度与品种对小麦农艺性状及产量的影响.结果表明:密度对经济系数的影响极显著,对结实小穗数和籽粒产量的影响显著,对其他性状影响不显著.不同小麦品种的生育期、株高、穗长、结实小穗数、不实小穗数、千粒重、籽粒产量和经济系数差异极显著,有效穗差异显著,穗粒数差异不显著,品种和密度对经济系数存在极显著的互作作用.西南冬麦区4个主栽品种中以川麦104和云麦53的综合表现较好,小麦品种创高产的适宜密度水平为基本苗240万苗/hm2.     

不同土壤类型对优质小麦品质及产量的影响

为了研究不同土壤类型对优质小麦品质和产量的影响,以10个不同基因型优质小麦品种（系）在5种不同土壤类型区的11个地点进行试验.结果表明,蛋白质含量表现为河潮土〉棕壤〉潮土〉砂姜黑土〉褐土,湿面筋含量和沉淀值表现为河潮土〉棕壤〉砂姜黑土〉潮土〉褐土,但变异系数相对较小,分别为5.80%,5.96%,12.06%;容重、硬度、面团形成时间、断裂时间、公差指数和评价值表现为砂姜黑土最优,褐土、棕壤次之,河潮土最差,容重、硬度变异系数较小为1.27%,6.38%,粉质参数变异较大,变异系数分别为10.08%,14.62%,16.90%,13.30%.产量表现为砂姜黑土〉潮土〉褐土〉棕壤〉河潮土,在不同土壤类型间产量和穗数变异较大,粒数和千粒重相对稳定.不同土壤类型对优质小麦品质性状、产量和产量因素有较大影响,但各性状在不同土壤类型间的变异不同.     

玉米果穗DUS性状测试的图像处理应用研究

 【目的】评价图像处理法采集和数量化玉米果穗特异性、一致性和稳定性测试（DUS）性状的技术适用性。【方法】以4个品种各50个果穗及8个品种93～107个穗轴为材料,通过图像处理采集玉米DUS测试指南规定的7个性状（穗长、穗粗、穗形、粒顶色、穗轴色、穗行数和籽粒排列形式）,应用多性状整体控制单一比较法分析品种特异性。【结果】穗长、穗粗和穗行数的图像处理误差分别为6.2%、1.6%和0.66%。果穗的穗缘角（穗形）在0～2.22°之间变化,各品种穗行角（籽粒排列形式）均值在89.4°～90.7°之间。穗形等4个质量或假质量性状成功转换为数量性状,信息量随之增加。籽粒顶端颜色在果穗间和果穗侧面间的差异都极其微小,其它性状的果穗侧面间差异与果穗间差异相当或者更小。图像处理容易获得同源样品的更多形态性状,可能导致品种伪差异的风险升高。【结论】图像处理具有客观、高效、低成本地采集和数量化玉米果穗DUS性状和其它更多性状的能力,结合多性状整体控制单一比较法等适当的统计分析技术,将在中国的新品种DUS测试中发挥越来越重要的作用。     

高秆大穗型鲜食甜玉米栽培密度和优化施肥研究

[目的]探讨适宜海南土壤类型和品种特性的鲜食甜玉米高产高效栽培技术。[方法]以高秆大穗型鲜食甜玉米新品种泰鲜甜1号为试验材料,进行不同密度、不同施肥效应的栽培试验。[结果]泰鲜甜1号在海南最适宜的种植密度在3.75万~4.50万株/hm~2;氮、磷、钾肥的贡献顺序为氮最大,其次是磷,最后是钾;氮、磷、钾施肥量均与产量呈一元二次抛物线方程,且方程均显著;当N、P_2O_5、K_2O为336、160、213 kg/hm~2,施肥比例为N∶P_2O_5∶K_2O=1.00∶0.50∶0.65时,可获得最佳经济产量,此时氮、磷、钾肥的肥料利用率、肥料效益较高。[结论]该研究结果适用于高秆大穗型鲜食甜玉米品种在海南中等肥力土壤上的种植。     

基于机器视觉的果园成熟柑橘快速识别及产量预估研究

【目的】提供一种快速、准确的自然环境下成熟柑橘的识别及计数方法,解决传统的通过人工 采样的方法进行产量预估带来的成本高、时间长和精度低的不足,并为以后对柑橘进行自动采摘打下基础。 【方法】应用 RGB 相机采集柑橘园果树图像,并通过转换到 Lab 颜色空间,对与背景颜色有明显区别的柑 橘区分采用“a”分量,然后基于霍夫圆变换法应用 MATLAB 软件对剔除背景的柑橘进行计数,实现对柑橘 产量的预估。【结果】该图像处理方法与传统的水果与背景分离方法相比更简单快速,果实识别正确率达 94.01%,产量预估正确率达 96.58%,平均识别时间 1.03 s。选取 10 棵树共 20 个图片进行产量预估,将该算 法得到的柑橘数量与通过人眼计数得到的结果进行比较,其相关系数 R2 为 0.9879。【结论】该算法简单快速, 能精确实现水果的快速自动识别及产量预估,对果实的重叠性、果实遮挡有较好的鲁棒性,促进了机器学习 在现代农业的应用,具有较高的理论和实践意义,推动了果园智慧农业进一步发展。     

基于机器视觉的转速过程检测方法

采用机器视觉技术对排种器排种盘的转速过程进行了检测。在排种盘上设置检测标志物,利用CCD摄像机采集排种盘在不同转速下的转速过程,并对获取的检测样本图像进行背景去除、二值化、图像平滑、特征量提取等处理,检测出转速序列{ni}和加速度序列{iε},并对转速过程进行时序分析和误差估计。结果表明,在不同的设定转速下,机器视觉的转速检测相对误差范围为0.67%~3.40%。     

小麦花后粒茎质量变化研究

[目的]了解小麦花后单茎、籽粒、茎秆质量变化规律。[方法]以平安7号、郯麦98、豫农202和淮麦20为供试品种,花后每3 d测定1次干物质量,建立数学模型,分析小麦花后单茎、籽粒、茎秆质量变化规律。[结果]单茎质量呈＂快—慢＂的变化趋势,籽粒质量呈＂慢—快—慢＂的变化趋势,茎秆质量先增后减。单茎、籽粒和千粒质量变化过程为Logistic生长曲线;茎秆质量变化为抛物线;单茎日增量呈直线减少趋势;籽粒、茎秆日增量变化趋势为抛物线。[结论]该研究为小麦高产栽培提供了理论参考。