X射线CT确定土壤大孔隙结构

Undisturbed soil core with many macropores and disturbed soil core with only one macropore (diameter is 10 mm) were probed by x-ray computed tomography (CT). The size, number, shape and continuity of macropores in the transverse and vertical sections of soil were characterized using CT scanning images. The probability densities of macropores in the transverse section of soil core exhibited a logarithmic F distribution. Results indicated that CT scanning was a promising nondestructive method for characterizing macropores in soils.     

基于形态学图像处理的麦穗形态特征无损测量

小麦穗部形态参数是直接反应小麦生长状况的重要参数,是育种和考种专家关心的重要参数。为了实现小麦穗部形态特征的无损测量和基于这些特征的快速品种分类,该文提出了基于形态学的穗部性状：芒个数、平均芒长、穗长和穗型的自动提取方法。首先通过小麦图像的形态学运算将麦芒去除得到只有小麦主部的图像,通过寻找主轴方向角和旋转计算外接矩形长度的方法计算穗长,通过对麦芒图像的细化和角点检测方法计算芒长和芒个数,通过宽度系数比例判断穗型,然后利用提取的其中8个特征参数,设计了一个3层的BP神经网络,对4个小麦品种240张图片进行分类识别,识别准确率达到88%。该方法可为小麦快速品种分类提供参考。若能将小麦的其他外部参数同时作为品种识别的输入数据,将会大大提高品种识别的准确性。     

砂姜黑土小麦分蘖成穗及其调控研究

采用盆栽试验和小区试验相结合的方法 ,对砂姜黑土上不同小麦品种的分蘖成穗特性及其调控进行了研究 .结果表明 ,兰考 90 6分蘖发生快、多且衰亡也最快 ,分蘖成穗率较低 ,主要是由于二、三级分蘖发生较多 ,越冬期具有 4张以上叶片的分蘖才能成穗 .温麦 6号分蘖发生平稳 ,成穗率最高 ;百农 64分蘖力中等 ,增加一定的施肥量能明显提高分蘖成穗率 .不同生长调节剂对兰考 90 6分蘖成穗有明显的调控作用 ,以 6 BAt和 2 ,4 D控制分蘖成穗效果最为明显     

采用X射线三维重构技术检测厚皮柑橘的体积可食率

针对传统无损检测技术无法定量分析厚皮柑橘体积可食率的问题,为此开发了一套线阵X射线图像采集和三维重构装置,包括果实旋转升降、数据采集、辐射防护及运动控制,实现厚皮柑橘果实的体积可食率检测。以“不知火”柑橘为检测对象,利用X射线投影图的信息熵为评价依据,根据果实大小对检测参数进行优化,得到X射线源的管电压为67 kV,管电流为0.92 mA,线阵探测器的积分时间为1 ms。以旋转角度2.0°为间隔,在圆周方向采集180幅X射线投影图并生成正弦图,通过滤波反向投影（filtered back projection, FBP）算法将正弦图重构为切面图,再利用图像滤波、图像增强、阈值分割对切面图进行图像分割处理,分割出背景区域、果皮区域、果肉区域和空腔区域,然后基于区域面积比定义切面图像可食率。同时,测量了柑橘基本物理参数,计算了切面图像可食率,并建立了与柑橘体积可食率之间的相关关系。结果表明,切面图像可食率与体积可食率相关性最高,相关系数为0.93。最后,选择切面图像可食率作为数学模型的输入特征,利用线性回归模型对厚皮柑橘体积可食率进行定量分析,其预测集决定系数（coefficient of determination of prediction, R_p²）、预测集均方根误差（root mean square error of prediction, RMSE_p）、相对分析误差（residual predictive deviation, RPD）分别为0.86、4.81%和2.71。综上,利用X射线三维重构技术对厚皮柑橘体积可食率进行无损检测可行,可为其他农产品内部品质无损检测提供参考。     

西南麦区高产多穗型小麦单株分蘖特征研究

为探究西南麦区特殊生态环境下高产多穗型小麦单株分蘖出现规律、成穗规律及其与产量形成的关系,以3种穗型小麦为试验材料,采用田间调查、室内体视解剖观察和间接酶联免疫吸附(ELISA)等方法,分别对单株分蘖出现时间和茎顶端生长进行了调查统计,对茎蘖内源赤霉素(GAs)、吲哚乙酸(IAA)、分裂素(ZR)、脱落酸(ABA)和玉米素(ZT)的含量进行了测定,比较分析了以上因素与分蘖穗部性状的关系。结果表明,与大穗型和中间型小麦相比,高产多穗型小麦单株分蘖平均出现时间(7.41d)和相邻分蘖发生的平均间隔时间(2.66 d)最短;相邻分蘖顶端原基生长阶段均差(1.10)最小。相邻分蘖的GAs、IAA、ZR和ABA含量平均差值最小,分别为0.59、1.01、0.13、8.73 ng·g-1FW;二级分蘖的IAA/ABA(0.65)和ZR/ABA(0.08)最高,IAA/(ZR+ZT)(1.06)最低,3个比值与一级分蘖的相关比值差距最小。相邻分蘖穗部结实性状的平均差值最小,分别为穗粒数1.69、单穗平均粒重2.31mg、不孕小穗数0.87和结实小穗数1.61;单株成穗率(87.50%)和单株平均粒重(23.75g)最高。综上,在3种穗型小麦中,多穗型小麦单株各分蘖的出现和生长存在着更为均匀的协调关系,使得分蘖成穗较高,这有利于西南麦区特殊生态环境下单株产量因子的合理构成和突破性品种的选育。     

农产品品质无损检测概述

农产品品质无损检测是保证农产品质量和安全的一种新兴的高科技技术,本文介绍了常用的无损检测方法,综述了无损检测技术在不同农产品的品质检测中的应用,提出了未来的研究方向。     

基于计算机视觉的鸡蛋新鲜度无损检测

对鸡蛋的新鲜度、贮藏期进行无损检测,在鸡蛋生产、流通、加工领域具有重要意义。该文进行了鸡蛋新鲜度（哈夫值）常规指标在一定温度条件下随贮藏时间变化的试验,采用高分辨率的工业化数字摄像头,以冷光源背向照明方式（照度为10 000 Lx）获取数字图像,并提取了鸡蛋的图像特征蛋黄指数和气室指数。建立了鸡蛋新鲜度与蛋黄指数、贮藏时间与鸡蛋新鲜度、贮藏时间与蛋黄指数和气室指数的关系模型。得知鸡蛋新鲜度与蛋黄指数呈线性相关性,经检验实测值与预测值平均相对误差为6%;贮藏时间与鸡蛋新鲜度以及贮藏时间与鸡蛋蛋黄指数、鸡蛋气室指数均具有二次函数关系,经检验实测值与预测值绝对误差不超过2 d。结果表明基于计算机视觉技术、采用背向照明方式采集的鸡蛋的透射图像得到鸡蛋的蛋黄和气室的图像信息,可以预测鸡蛋的新鲜度和贮藏期。     

几种改性磷肥的X射线衍射特征初报

运用Ｘ射线衍射技术对改性磷肥的结果进行研究，发现其晶体结构发生了较大的变化；这种晶体结构的变化减少了改性磷肥中有效磷在土壤中的固定，从而大大提高了其生物有效性，是生物量增加的主要原因。     

基于图像处理-深度学习的孵前种鸭蛋外部品质在线无损检测

种鸭蛋的品质影响着孵化率和健雏率,挑选优质种鸭蛋孵化不仅可以减少孵化占用的资源,还可以及时将不适宜孵化的种鸭蛋筛选出另做它用,避免其孵化失败造成浪费。为了对不同外部品质的孵前种鸭蛋进行检测分级,该研究设计了一种基于图像处理和深度学习的种鸭蛋外部品质检测系统。在传送轨道上获取种鸭蛋的透射图像后,选取多张鸭蛋图像中的最大长轴计算形状特征,通过交错值衡量大小头相似度;在伽马变换平衡图像颜色后,使用HSV分割提取脏污特征图来计算脏污面积;采用自适应阈值分割和脏污特征图掩膜对图像样本数据进行预处理,搭建裂纹识别网络CrackNet来识别脏污鸭蛋的裂纹。结果表明,该检测系统可计算种鸭蛋的大小、蛋形指数、脏污面积和大小头相似度,检测表面裂纹,计算所得长轴和蛋形指数的均方误差仅0.220 2 mm²和0.000 058,CrackNet的裂纹识别准确率为98.03%,研究结果可为入孵前种鸭蛋的筛选工作提供技术支持。     

农产品品质无损检测技术研究进展

基于农产品的物理特性的无损检测技术是近几十年来国内外研究的一个热门课题,随着现代技术的发展,这些研究已经取得了较大的进展,为农产品的品质检测系统开发了一系列的无损检测技术.本文较为全面地介绍了国内外基于农产品物理特性无损检测技术的研究现状及方法,如电学特性检测技术、光学特性检测技术、声波振动特性检测技术、核磁共振(NMR)技术、电子鼻技术、撞击技术以及一些其他技术与方法,并对未来的发展方向予了展望,综合应用多种高科技技术进行农产品的无损检测与分拣是未来发展的趋势.     

基于高光谱技术的猪肉肌红蛋白含量无损检测

为充分利用猪肉光谱与图像信息,实现猪肉肌红蛋白含量的在线检测,该研究提出一种基于深度学习模型的猪肉肌红蛋白含量无损检测方法。采用高光谱设备采集冷藏过程中猪肉高光谱图像,通过ENVI5.3选择图像感兴趣区域（Region Of Interest,ROI）,分别提取ROI平均光谱信息与主成分图像信息。利用卷积自动编码器（Convolutional Auto Encoder,CAE）提取光谱与图像信息深度特征,分别建立光谱特征、图像特征及图-谱融合特征与肌红蛋白含量之间关系的卷积神经网络（Convolutional Neural Network,CNN）预测模型。其中基于融合深度特征CNN预测模型准确度较高,该模型对脱氧肌红蛋白（DeoMb）、氧合肌红蛋白（OxyMb）、高铁肌红蛋白（MetMb）含量预测集决定系数分别为0.964 5、0.973 2、0.958 5,预测集均方根误差RMSEP分别为0.015 8、0.226 6、0.381 6。为进一步验证图-谱融合特征与猪肉肌红蛋白存在对应关系,分别建立偏最小二乘回归（Partial Least Squares Regression,PLSR）、支持向量机回归（Support Vector Regression,SVR）预测模型。结果表明：CAE能充分提取图像与光谱特征;基于融合特征建立回归模型能提高肌红蛋白含量预测精度,相比于光谱信息与图像信息,以MetMb为例,其分别提高5.42%、16.12%。该检测方法为肉类质量在线检测提供参考,具有好的应用前景。     

基于形态学图像处理的重叠葡萄果径无损测量

葡萄果实尺寸变化能用来评价葡萄生长及诊断植株水分亏损状况。为实现重叠葡萄果实尺寸的非接触和精确测量,该文提出基于数学形态学的重叠葡萄果实直径测量方法,该方法首先通过内外对象标记消除图像中存在的伪极小值点,再对去除伪极小值点后图像进行分水岭变换得到目标果实的精准轮廓,从而依据目标果实区域计算果实当量直径。试验和现场应用表明,该方法具有好的定位精度,能为葡萄果实直径测量提供精确的轮廓信息;测量系统具有非接触和高精度等优点,测量的重复精度可达±9 μm,为葡萄生长规律研究及葡萄缺水诊断提供了参考。     

基于高光谱技术的霉变稻谷脂肪酸含量无损检测

脂肪酸含量是表征稻谷霉变信息的重要指标。为了解决传统化学分析法测定稻谷脂肪酸含量有损、费时、低效等问题,该文研究应用高光谱技术实施霉变稻谷脂肪酸含量无损检测的方法。研究选取人工制备的不同霉变时期的稻谷样本作为研究对象,利用高光谱仪结合理化试验方法测定其相应的光谱信息和脂肪酸含量,运用移动窗口平滑法(savitzky-golay,SG)和一阶微分(first derivation,FD)对光谱数据进行预处理,采用连续投影算法(successive projections algorithm,SPA)提取反映稻谷脂肪酸含量变化的光谱特征波段,应用回归分析法建立基于特征波段光谱反射值的稻谷脂肪酸含量预测模型,对比分析不同光谱预处理方法的模型预测效果。研究结果显示,原始光谱数据通过SG平滑和一阶微分处理后,分别经SPA方法优选出了14和10个光谱特征波段;采用SG-SPA-MLR(multivariable linear regression)方法构建的模型质量和稻谷脂肪酸含量预测效果均优于FD-SPA-MLR模型,校正时其内部交叉验证的相关系数RCV和均方根误差RMSECV分别为0.9419、11.9646 mg/(100 g);预测时其外部验证的相关系数RP和均方根误差RMSEP分别为0.9366、12.3550 mg/(100 g),模型对不同霉变时期的稻谷脂肪酸含量均具有较强的预测能力。研究表明,利用高光谱技术对稻谷脂肪酸含量实施无损检测具有可行性,可为将来快速检测稻谷霉变提供参考依据。     

线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺

为了实现颗粒状样本的大面积无损快速检测,该研究结合拉曼光谱和高光谱技术搭建了一套线扫描式拉曼高光谱检测系统,对奶粉和三聚氰胺颗粒混合样本进行了检测研究。研究通过高斯窗平滑法和air PLS基线校正方法分别消除了拉曼光谱中的噪声信号和荧光背景,选取三聚氰胺主要特征峰(671.71 cm-1)处的单波段图像作为是否含有三聚氰胺颗粒的判断依据。研究首先对三聚氰胺产生的拉曼信号在奶粉颗粒中的穿透深度进行了检测,随后完成了10种不同浓度的三聚氰胺奶粉混合样本的拉曼高光谱采集,对特征单波段图像中各像素点的拉曼强度平均值进行一元线性分析,并对单波段图像进行二值化处理。结果显示,在三聚氰胺特征单波段图像中,感兴趣区域内所有像素点的拉曼强度平均值与三聚氰胺浓度之间线性度较高,其决定系数R2达到了0.995 4。在二值图像中,三聚氰胺颗粒的位置信息能够直观的展现。研究结果表明,拉曼高光谱成像技术具有快速、无损和大面积检测的特点,在实际应用中具有巨大潜力。     

基于热红外成像技术的小麦病害早期检测

实现对受到病原侵染的小麦植株进行早期检测,对于小麦病害的监测预警和及早防治具有重要意义。为研究热红外成像技术早期检测小麦病害的可行性,该研究以小麦条锈病为例,以健康小麦植株、条锈病潜育期和发病期小麦植株为试验材料,利用热红外成像技术采集他们的热红外图像和叶片温度,在潜育期内连续检测其热红外图像和叶片温度随接种天数的变化。通过图像对比发现,接种后第5天,肉眼观察热红外图像可将受到侵染但未显症的小麦植株与健康植株区分开来。进一步数据处理,表明接种后第3天处于条锈病潜育期的小麦植株叶片平均温度和不同部位最大温差分别比健康植株叶片的低0.08℃和高0.04℃(P0.05),可将处于条锈病潜育期的小麦植株与健康植株区分开来。随着接种后天数的增加,处于条锈病潜育期的小麦植株叶片的平均温度和最大温差与健康小麦植株叶片的差异逐渐增大。接种后第12天,接种小麦植株叶片平均温度比健康植株叶片低1.22℃,接种小麦植株叶片最大温差比健康植株叶片高1.58℃。可见,利用热红外成像技术可以早期检测到小麦受到病原侵染后的温度变化,热红外成像技术作为一种小麦病害早期检测的方法是可行的。     

基于高光谱成像技术的青香蕉碰撞损伤检测

针对青香蕉早期轻微碰撞损伤无法用肉眼和RGB图像识别的问题,研究利用光谱数据与图像信息,实现青香蕉早期轻微碰伤的检测和碰伤程度区分。通过高光谱成像仪获取碰撞损伤试验样品的光谱数据和图像信息,对原始光谱数据进行预处理和异常样本的剔除。通过特征波长提取,获取特征波长下的低维图像中创面区域像素点的分布数据,同时结合全像素点下的光谱反射率数据,将其作为BP神经网络模型的训练集和测试集,建立青香蕉碰撞损伤程度界定的无损检测模型。试验结果表明,利用高光谱技术可以识别肉眼不可见的轻微碰撞损伤,形成的BP神经网络检测模型的总体识别准确率为95.06%,并且可输出碰伤等级的可视化图像。研究为开发青香蕉碰伤快速无损检测系统提供理论依据。     

基于核磁共振成像技术的作物根系无损检测

作物根系三维构型对于作物养分吸收具有十分重要的作用。该研究选用玉米、大豆和茄子3种常见作物根系作为研究对象,利用核磁共振成像(MRI)技术对其根系三维构型进行原位无损检测。试验研究和分析了生长介质、作物根系类型以及三维重建方法对作物根系成像的影响,并探讨了应用MRI技术快速无损进行作物根系研究的优势和不足。研究表明,应用MRI技术进行作物根系三维构型的研究是可行的。该研究为作物根系三维构型的定量描述和分析提供了一种新的途径。     

基于高光谱成像技术的马铃薯外部缺陷检测

为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。