基于RGB-D相机的黄瓜苗3D表型高通量测量系统研究

传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题,提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台,布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆,再与对齐图进行掩膜,消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图,对缺失部分进行修补并转换为3D点云,再对点云进行滤波实现保边去噪,最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中,利用茎秆的近似矩形特征,分别计算茎秆的长和宽,再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点,利用生长点与基质的高度差计算株高。实验结果表明,该系统具有很好的通量和精度,对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R²不低于0.83,可以很好地替代人工测...     

基于状态机的植物生长模型可视化研究

在分析植物生长形态生理变化的基础上,揭示植物生长时空状态的变化规律,提出基于状态机的植物生长模型,并引入随机矢量真实预测植物的生长。根据该模型构建植物生长的可视化算法,合理组织有关植物生长的数据,并开发一个原型系统验证了该模型的有效性。     

基于微分L-系统的水稻根系三维生长模型研究

植物根系结构是其根系的空间构型,水稻根系结构表现出高度的多样性。为了探明水稻根系结构和分布规律,利用水培法开展试验,测定不同生长时期的根系三维空间坐标和形态参数,对水稻根系结构进行高精度的测量。统计分析所测试验数据,确定了根节点的初始位置、各级枝根的生长方向以及根系的生长函数。通过整合水稻根系的拓扑结构,量化其生物学特征,提出基于微分L-系统的水稻根系三维生长模型,以描述水稻根系生长规律,并检验该模型输出结果的精度。借助Visual C++和Open GL标准图形库实现了水稻根系三维生长可视化模拟系统,直观再现了水稻根系动态的生长过程。对比分析表明,系统对总根长、根表面积和根体积的平均模拟拟合度分别为96. 82%、95. 86%和93. 96%。     

基于双目立体视觉的植物三维重建系统

为推进农林业科技发展,将虚拟现实的三维重建技术进一步应用于农林业领域将受到更加广泛的关注.本文通过拍摄两幅不同视角的拟南芥图片来获得二维图像信息转换为三维信息,重建出三维模型,并建立人机交互系统.选择双目立体视觉系统来进行拍摄不同视角的拟南芥图片,采用相机标定参数对获取的图像进行畸变校正和极线校正,同时对图像进行图像分...     

基于参数L-系统的黄瓜苗期生长可视化研究

为真实模拟黄瓜苗期生长过程,提出生长数学模型和参数L-系统相结合的黄瓜苗期生长可视化方法.通过黄瓜生长实验建立黄瓜生长数学模型,分析黄瓜苗期形态结构变化规律,提出基于参数L-系统的黄瓜苗期生长模型,用图像处理技术提取叶片轮廓特征点,并基于特征点用三角面片法三维重建叶表面,利用3次Bezier曲线和螺旋线分别描述黄瓜叶柄中轴线与节间中轴线,采用五边形作为叶柄截面,四边形作为节间截面,用三角面片法三维重建叶柄与节间表面,在VC++6.0平台下调用OpenGL图形库函数,实现了黄瓜苗期生长的三维可视化模拟.该方法可真实反映黄瓜苗期连续生长情况,为同类农作物的真实虚拟提供了一种新的方法.     

基于腐蚀生长算法的不同活力玉米种子根系表型研究

针对图像法根系表型检测中因土壤遮挡而导致根系图像断裂的问题,提出一种基于腐蚀生长算法的玉米根系修复方法,并进行了不同活力玉米种子早期根系表型研究。首先,采用长方形扁平结构透明培养容器种植玉米,迫使其根系贴壁生长,可得到清晰的玉米根系图;通过偏振镜和单反相机采集图像,并采用灰度化、二值化、水漫算法等对图像进行预处理,可有效去除因设备反光和土壤色差造成的各类噪声。其次,基于玉米根系的向水性、向地性、连续性等生理特性,提出5条图像修补规则,即端点判定规则、分叉点判定规则、内部连续性规则、片段生长规则、近邻生长规则,在以上规则约束下,通过细化图像得到单像素连接的根系骨干,以各个根段的末端点为起点向中心腐蚀,并为属于不同根段的点集标记不同编号,根据不同根段间的端点导数值和平均导数值等参数,连接根段,实现根系的修补,从而得到完整根系图像。最后,基于所提图像修复算法对不同活力的玉米种子根系图像进行表型研究,发现在相同时间,根系数目、根系宽度、根系长度、根系延展长度与玉米种子活力均呈现明显负相关;以上4个生理参数的增速与种子活力呈现明显正相关。研究表明,本文所提的根系修复算法可用于作物根系高通量表型无损检测。     

基于竞争指数的水陆交错带枫杨生长模型

为进行河岸流域水陆交错带植被生长的可视化模拟研究,以漓江流域枫杨树种为模拟对象,基于改进的Hegyi简单竞争指数建立了枫杨树种的单木生长模型,通过将直径分布模型和随机算法运用于全林分,利用C#编程语言、3D Max建模工具、Virtools平台等可视化相关技术,实现了漓江流域枫杨树种在不同全氮含量土壤的生长可视化模拟。研究表明,枫杨胸径年生长量与土壤全氮含量呈显著正相关,相关系数为0.749;竞争指数模型改进前和改进后的竞争指数与胸径年增长量均呈显著负相关,相关系数分别为-0.621和-0.657;模拟过程中,拟合2块样地内枫杨径阶分布时误差率分别为6.25%和11.9%,枫杨树高与胸径模型拟合决定系数为0.703,冠幅与胸径模型拟合决定系数为0.612,枫杨胸径生长模型拟合决定系数为0.734。改进的竞争指数模型和随机算法对构建水陆交错带枫杨树种的生长模拟具有较强的适用性和较高的逼真度。该研究为漓江流域植被恢复和演替模拟提供理论依据和参考。     

基于机器视觉的植物表型研究现状

传统基于人工的植物表型检测方法存在效率低下、主观性严重和测量误差大等问题,已难以满足现代农林业生产实践的要求.文章在分析植物表型研究必要性的基础上,系统综述国内外开展的植物表型检测技术研究,探讨了基于机器视觉的大田复杂环境下植物表型检测技术,并指出农林植物表型检测技术的发展必将推动农林植保的智能化.     

基于时序动态模型的不同灌水定额下食葵增产潜能分析

为促进食葵长势,提高食葵产量、水分利用效率,设置5个灌水定额水平(W1:300 m~3/hm~2、W2:375 m~3/hm~2、W3:450 m~3/hm~2、W4:525 m~3/hm~2、W5:600 m~3/hm~2),分析比较了不同灌水定额对食葵株高、叶片数、盘径和茎粗的影响,探明了不同灌水定额下食葵生长指标与产量和耗水量的关系,利用时序动态评价模型分析了不同灌水定额下提高食葵产量和水分利用效率的潜能。结果表明:食葵株高、叶片数、盘径和茎粗随着灌水定额增加而增大,525 m~3/hm~2和600 m~3/hm~2灌水定额下食葵生长指标增长效果明显,当灌水定额增加到600 m~3/hm~2食葵茎粗不增反减,300 m~3/hm~2灌水定额限制食葵植株生长,高灌水定额更利于促进食葵株高和叶片数增长;食葵生长指标与产量和耗水量存在正向关系,耗水量和产量随着食葵植株长势转优而增加。525 m~3/hm~2灌水定额下食葵植株长势优且耗水量高,产量高。600 m~3/hm~2灌水定额下增加食葵营养生长时长,耗水量高且不利于食葵增产。在生长阶段,525 m~3/hm~2和600 m~3/hm~2灌水定额下食葵耗水量高,株高和茎粗缩减量大。评价结果表明,300 m~3/hm~2灌水定额下食葵综合长势处于劣势,提高产量和水分利用效率的能力弱,即潜能小;525 m~3/hm~2灌水定额下食葵综合长势最优,潜能大。选择525 m~3/hm~2灌水定额作为实际食葵灌溉制度较为适宜。     

草地早熟禾叶片的虚拟生长模型及可视化研究

根据草地早熟禾叶片的生长形态及生长规律,通过对草地早熟禾叶片生长数据的分析研究,提出了不同生长时期草地早熟禾叶片的不同生长模型,利用时间参数将这两种模型结合在一起,建立了草地早熟禾叶片的连续虚拟生长模型,它能克服以往单一生长模型不能全面描述生长过程、模型间断、不连续等缺点.基于此生长模型,对草地早熟禾叶片的生长过程进行了三维可视化实现.     

基于L-系统的3D虚拟植物冠层光合作用模拟模型

为定量分析植物冠层结构与光分布及光合作用之间的关系,模拟实际环境中植物冠层的实时光合速率,为诸如作物模型中产量估测提供一种植物冠层尺度光合生产力计算方法,本文构建了基于L-系统的3D虚拟植物冠层光合作用模拟模型。模型主要分为3部分:基于L-迭代文法系统与三维图形绘制技术构建3D虚拟植物冠层结构,利用正向光线跟踪及天空可见率算法模拟虚拟冠层内光辐射(Photosynthetically active radiation,PAR)传输,基于太阳几何参数、大气影响参数及地理位置等参数计算真实环境中虚拟冠层顶部实时PAR强度。利用此模型,直接输入或插值处理光合环境因子数值,采用单叶光合作用模型和相关呼吸作用模型,可计算冠层内净光合作用速率并进行周期内植物体生物量的积累估算。以实测的幼龄杉木为模拟对象,计算其冠层内净光合作用速率及周期内生物量积累,模拟结果表明,基于虚拟冠层的PAR分布模拟及其冠层光合作用速率计算,是一种对植株光合生产力估算的有效方法。     

基于Web3D的交互式虚拟水稻主茎可视化研究

在已建立的水稻主茎结构器官数学模型的基础上,采用Java3D和Web开发技术实现了水稻主茎的三维Web显示和交互控制,构建了基于Web的水稻主茎器官模型三维可视化研究平台,使得虚拟水稻作物的研究得以在IE浏览器上进行,也为其他作物的虚拟研究提出了一个新的研究思路.     

基于运动恢复结构的无规则植物叶片面积三维测量方法

接触式测量植物叶片面积的方法会对叶片造成一定程度的伤害,为此本文提出一种仅利用智能手机的非接触式多类别无规则叶片面积三维测量方法.首先,采用运动恢复结构方法获取植株的三维重建点云,在HSV颜色特征空间去除叶片三维噪点;然后,利用模糊C均值聚类算法分割单个叶片,重建叶片表面三角网格;最后,通过网格法计算叶片面积.对5种不...     

温室植物生长数字化模型构建技术

根据试验观测值提取植物生长特征信息,以累积生长度日为参数构造植物的形态发生模型,采用信息映射与归一化方法对信息进行重构,建立植物生长数字化模型.通过实例验证表明,该方法实现了植物生长受外部环境作用下的动态模拟,为实时掌握与合理决策植物适宜的生长条件提供依据.     

基于ST-LSTM的植物生长发育预测模型

提早预知植物生长发育是智能育种过程的重要组成部分,针对植物表型难以精准预测和模拟的问题,利用植物生长发育的空间和时间依赖性,提出了一种基于时空长短时记忆网络（Spatiotemporal long short-term memory, ST-LSTM）的植物生长发育预测模型,实现植物生长发育的预测。首先,通过微调Mask R-CNN模型实现识别、提取植物掩模,预处理具有时空相关性的植物生长发育图像序列,构建植物生长发育预测数据集。然后,基于ST-LSTM建立植物生长发育预测模型,利用历史生长发育图像序列,融合时空深度特征,预测植物未来的生长发育图像序列。研究结果表明,所提出模型预测的图像序列与生长发育实际图像序列具有较高的一致性和相似性,首个预测时间节点的结构相似度为0.874 1,均方误差为17.10,峰值信噪比为30.83,测试集的冠层叶面积、冠幅和叶片数预测R²分别为0.961 9、0.908 7和0.915 8。该研究实现了基于植物生长发育图像序列的生长发育预测,有效减少了田间反复试验的时间、土地和人力成本,为提高智能育种效率提供了参考。     

基于ST-LSTM的植物生长发育预测模型

提早预知植物生长发育是智能育种过程的重要组成部分,针对植物表型难以精准预测和模拟的问题,利用植物生长发育的空间和时间依赖性,提出了一种基于时空长短时记忆网络（Spatiotemporal long short-term memory,ST-LSTM）的植物生长发育预测模型,实现植物生长发育的预测。首先,通过微调Mask R-CNN模型实现识别、提取植物掩模,预处理具有时空相关性的植物生长发育图像序列,构建植物生长发育预测数据集。然后,基于ST-LSTM建立植物生长发育预测模型,利用历史生长发育图像序列,融合时空深度特征,预测植物未来的生长发育图像序列。研究结果表明,所提出模型预测的图像序列与生长发育实际图像序列具有较高的一致性和相似性,首个预测时间节点的结构相似度为0.8741,均方误差为17.10,峰值信噪比为30.83,测试集的冠层叶面积、冠幅和叶片数预测R2分别为0.9619、0.9087和0.9158。该研究实现了基于植物生长发育图像序列的生长发育预测,有效减少了田间反复试验的时间、土地和人力成本,为提高智能育种效率提供了参考。     

基于Kinect相机的油麦菜自动化三维点云重建

为了解决传统三维点云重建过程中人工调参费时、费力,且精度得不到保障等问题,提出了一种三维点云自动化配准算法,并应用于油麦菜三维重建.使用Kinect相机采集油麦菜不同视角下的点云数据,通过配准实验分析配准参数的变化规律,继而建立了配准评价体系,实现了两片点云的自动化配准,并通过最小化匹配误差积累将多幅点云变换到同一基准...     

基于消费级深度相机的玉米植株三维重建

根据植物表型分析对植物三维重建的需求,针对植物特征点不易提取而影响三维重建的问题,提出了一种基于深度相机的植物三维重建方法。首先,对深度相机进行内部参数标定和深度畸变矫正,以获取准确的深度信息;然后,固定好相机和转盘的相对位置,精确地计算出在当前深度相机的坐标空间下、转盘旋转一个固定角度θ对应的矩阵T;最后,按旋转角θ等间隔转动转盘,获取一系列点云,并结合矩阵T实现点云拼接,完成三维重建。通过与使用商业软件Skanect的重建结果进行对比,本文重建方法只需要配准一次,还原度更高,效率更好,鲁棒性更强,满足植物形态测量需求。     

基于RGB-D相机的油菜分枝三维重构与角果识别定位

为实现高效低成本的油菜植株三维建模和表型参数在线测量,提出一种基于RGB-D相机的油菜分枝三维重建和角果识别定位方法。使用Kinect传感器拍摄角果期油菜分枝在4个视角下的彩色图像和深度图像,进而获取油菜植株的三维点云并滤波。对配准的点云进行旋转变换,计算点云的曲面法矢量和曲率,并由曲率相近的点构成配对点对,再使用基于KD-tree搜索的最近点迭代(ICP)算法实现点云的初配准。将初配准误差作为参考值,调整ICP算法的对应点距离阈值,使用初配准的操作流程对初配准得到的新点云进行再次配准,完成精配准。结合该三维重建方法和针对性的彩色图像处理方法,得到去除主茎的单分枝油菜角果的完整点云,再进行欧氏聚类实现单个角果的空间定位。实验结果表明,提出的三维重建方法具有较强的实时性和鲁棒性,单个角果的三维形态清晰可见,点云平均距离误差小于0. 48 mm,角果总体识别正确率不小于96. 76%。