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。     

温室黄瓜叶片近红外图像消噪算法与含氮量快速检测

在温室基质栽培条件下,研究了温室黄瓜叶片近红外图像的消噪算法以及叶片氮素含量非线性预测.用普通CCD相机加滤光片采集不同生长时期水果型小黄瓜Deitastar的叶片图像,利用小波变换对黄瓜近红外图像进行小波消噪处理,再采用基于邓氏关联度的图像边缘检测法对图像进行分割,得到信噪比较好的目标图像,之后通过计算灰度值得到黄瓜叶片的植被指数.对获得的各种植被指数与黄瓜叶片氮含量之间进行相关分析后得到CNDVI与氮素含量相关系数最高达0.67,同时GNDVI、NDGI、NDVI与氮素相关性显著且相关系数均高于0.50.采用最小二乘支持向量机算法(LS-SVM)对植被指数同黄瓜叶片含氮量进行拟合,拟合模型的决定系数R2为0.825,验证R2为0.728,达到了较为理想的预测精度.     

基于图像处理的苹果树叶片氮含量检测

为精准预测苹果树果实膨大期、成熟期和采收期的叶片氮含量,提出一种基于图像处理的苹果树叶片氮含量预测模型.首先,在可见光光谱范围内使用无人机及数码相机采集不同时期苹果树树冠图像及新梢叶片图像,应用数字图像处理技术,提取苹果树冠的色彩特征和新梢叶片图像的形态特征;其次,采用凯式定氮法测定苹果树叶片的氮含量,对提取的图像特征...     

番茄含氮量快速检测微电极的研制

针对设施栽培番茄营养信息检测的需求,提出了一种基于多管离子选择性微电极的番茄含氮量快速检测方法。为此,详细讨论了多管离子选择性微电极的拉制、硅烷化、敏感剂充灌和标定等制备过程;通过对现有硝酸根离子和铵根离子敏感剂配方进行试验分析,筛选出了适用于多管离子选择性微电极的硝酸根离子和铵根离子敏感膜。通过番茄叶片样本测试,并与AA3连续流动分析仪测得的含氮量相比,采用多管离子选择性微电极测得的番茄叶片样本含氮量绝对误差为1.03mg/g,相对误差为3.96%。试验结果表明:采用多管硝酸根离子和铵根离子选择性微电极检测番茄叶片中的含氮量是可行的。该研究可为同时快速检测作物中钾、钙等离子的含量提供参考。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。     

基于新梢叶节距的苹果树叶片氮含量检测

为实现苹果树叶片氮含量的快速无损检测,提出一种基于苹果树新梢叶节距估测叶片氮含量的方法。通过图像处理技术提取不同施氮水平下的苹果树新梢叶节距图像特征,得到新梢叶节距与叶片含氮浓度之间的关系,建立出苹果树叶片氮含量检测模型。试验验证,建立的随机森林检测模型决定系数为0.838 6,均方根误差为2.376 9。本方法可以为苹果园合理施用氮肥提供科学参考。     

蓄水坑灌不同坑深条件下苹果树叶片蒸腾特性研究

通过测定苹果树叶片的蒸腾速率的日变化,对蓄水坑灌不同坑深条件下的果树叶片蒸腾能力进行研究。试验选取两棵长势相近且生长良好的苹果树,分别设定坑深60cm和坑深40cm两种处理。结果显示:蓄水坑灌条件下,两种处理的果树叶片蒸腾速率日变化趋势相似,在7月、9月两个月份均呈单峰曲线,在8月呈双峰曲线,在12∶00均出现午休现象;两种处理的叶片水分利用率的日变化趋势也相似,均在7∶00-8∶00达到最高值,随着时间推移逐渐降低。同时发现,坑深60cm的果树叶片在一天中各个时段的蒸腾速率比同时刻坑深40cm的蒸腾速率慢,水分利用率高;果树叶片的蒸腾作用和水分利用率受气温、叶温、光合有效辐射和水汽压等内外综合因子的控制,且气孔导度对果树叶片的蒸腾作用也有一定的影响。研究结果可为蓄水坑灌坑深的合理确定提供依据。     

基于色调的黄粒米检测方法

提出了一种基于色调的黄粒米检测算法。通过对标准米和黄粒米图像色调直方图的分析和研究,提出了以黄色区域的频度均值作为特征参数,区分标准米和黄粒米。研究结果表明,该算法的识别精度大于90％,可以有效地检测黄粒米。     

蓄水坑灌条件下不同灌水下限幼龄苹果树叶片光合特性研究

以3a生矮砧红富士为试验材料,采用LI-6400XT便携式光合仪,对蓄水坑灌条件下不同灌水下限(分别为田间持水率的50%、60%、70%)幼龄苹果树叶片光合特性进行研究,并通过通径分析与多元逐步回归分析量化各影响因子与净光合速率的关系。结果表明:蓄水坑灌条件下不同灌水下限叶片净光合速率、气孔导度、蒸腾速率、胞间CO2浓度变化规律基本一致。当土壤水分不足时,净光合速率主要受土壤含水率影响;当土壤水分充足时,净光合速率主要受光合有效辐射影响。气孔导度主要受光合有效辐射影响,地面灌溉条件下气孔导度对环境变化的响应更积极。蒸腾速率主要受土壤含水率和光合有效辐射的影响,土壤水分充足时,蒸腾速率对光合有效辐射的响应更敏感。相同条件下,土壤含水率越高蒸腾速率越大。     

自然光照下基于粒子群算法的农业机械导航路径识别

针对农业机械视觉导航线提取易受光照变化影响及常规导航线识别算法实时性低、抗干扰能力差等问题,对自然光照条件下基于机器视觉的农业机械导航路径识别技术进行了研究。首先,在YCr Cb颜色模型的基础上构建与光照无关的Cg分量,选择2Cg-Cr-Cb特征因子对图像进行灰度化处理,以降低光照变化对图像分割的影响;然后,采用改进K-means聚类方法进行图像分割,将绿色作物信息从土壤背景中分离出来,并通过形态学滤波方法滤除二值图像中存在的杂草干扰信息;最后,根据图像中作物行的特点建立作物行直线方程约束模型,利用粒子群算法对作物行直线进行寻优求解,进而得到导航线。实验结果表明,不同光照条件下对2Cg-Cr-Cb灰度图像进行图像分割,可以清晰完整地将作物从土壤背景中分离出来,分割图像受光照变化影响较小并且不会引入背景噪声;基于粒子群算法的导航线检测方法可以快速准确地提取出导航路径,对于不同农田作物和作物不同生长阶段具有较高的适应性,相比于常规导航线识别算法具有实时性高、鲁棒性好等优点。     

基于三维点云的苹果树叶片三维重建研究

叶片是果树冠层的重要组成部分,对其进行三维重建研究不仅可以对叶片形态特征进行分析,还能为冠层光照分布计算以及果树整形修剪提供理论基础。三维激光扫描仪以非接触、高效、快速获取数据的优势被大量应用于三维空间信息采集工作中。本文提出一种基于三维点云的苹果树叶片结构形态三维重建方法。首先针对叶片的形态特点选择合适的三维激光扫描仪获取苹果叶片三维点云;基于包围盒法搜索K邻域,计算点云中点与其邻域点的平均距离,并设定距离阈值作为判定中心点是否为离散点的依据,进而确定离散点并去除;利用最小二乘原理实现点云局部曲面拟合以及法向量、曲率的计算,提取叶片边界点;对于非边界点部分,根据中心点法向量与其邻域法向量的关系,对点进行不同程度的精简;最后对处理后的叶片点云完成三维重建。结果表明,构建的叶片模型能够较好的保留叶片的三维形态特征,可以为果树冠层重建和光照分布计算提供基础。     

高光谱技术的赣南脐橙叶片含氮量分析

快速、精确、无损地检测脐橙叶片氮(N)素含量,对脐橙果树N肥施用、果树增产有重大现实意义。用正自适应加权算法(CARS)、遗传算法(GA)、连续投影算法(SPA)提取脐橙叶片高光谱图像的有效信息,对全氮含量用偏最小二乘法(PLS)、多元线性回归法(MLR)、主成份回归法(PCA)进行建模定量分析。高光谱图像标定后,提取感兴趣区域(ROI)的平均光谱,选出敏感波段进行建模。结果表明:GA—MLR模型具有较高的优势,预测模型相关系数R=0.82,均方差RMSEP=0.32。应用高光谱技术结合此模型可以对对赣南脐橙叶片全氮含量快速、无损的定量分析。     

基于迁移学习的苹果树叶片病虫害识别方法研究*

为实现苹果树叶片病虫害快速且准确地识别与分类,研究基于迁移学习的多种神经网络模型,对比不同模型在苹果树叶片病虫害识别上的准确度。构建VGG16,ResNet50,Inception V3三种神经网络模型,利用从PlantVillage上获取的4种不同的苹果树叶片图片,分别为苹果黑星病叶片,苹果黑腐病叶片,苹果锈病叶片以及健康苹果叶片。按照8∶1∶1的比例将图片分为训练集,测试集和验证集对模型进行训练。在相同的试验条件下对比分析VGG16,ResNet50和Inception V3的试验结果。三种模型在使用迁移学习技术的情况下对苹果树叶片病虫害识别准确率分别达到97.67%,95.34%和100%。与不使用迁移学习的模型相比,使用迁移学习能够明显提升模型的收敛速度以及准确率,为常见的苹果树病虫害识别提供了新的方法。     

苹果叶片氮素含量快速检测模型

利用UV-2450型光谱分析仪测量苹果叶片光谱反射率,同时在实验室利用凯氏定氮法测量苹果叶片的氮素质量比,建立了适用于便携式检测仪的苹果叶片氮素含量快速检测模型.研究了苹果叶片光谱特性并进行了光谱反射率与氮素的相关性分析,获得了两个氮素敏感波长652 nm和772 nm.同时,利用分段减量精细采样法,构建了350 ～ 730 nm与740～880 nm波段内所有两两波段形成的归一化植被指数NDVI,并获取了与氮素含量相关性最高的波段组合(859 nm,364 nm)来构建苹果树NDVI.最后建立了基于苹果树NDVI、652 nm处反射率以及772 nm处反射率的偏最小二乘回归模型,建模精度达到0.904 8,均方根误差为0.159 7,检验模型精度达到0.917,均方根误差为0.283 3.     

基于近红外高光谱图像的黄瓜叶片色素含量快速检测

利用高光谱图像技术和高效液相色谱法(HPLC)快速检测了新鲜黄瓜叶中叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素含量。采集了120片黄瓜叶的近红外高光谱图像数据以及用HPLC精确测定黄瓜叶中色素含量;提取高光谱图像中50×50像素感兴趣区域(ROI)的平均光谱与4种色素含量分别建立偏最小二乘(PLS)预测模型;为了提高模型的稳定性和预测精度,分别采用区间偏最小二乘(iPLS)、向后区间偏最小二乘(BiPLS)和联合区间偏最小二乘(SiPLS)对各种色素对应的特征波段进行优选,同时对光谱划分数进行了优化。结果表明BiPLS和SiPLS对应模型的预测效果较好,对叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素的预测集相关系数RP分别为0.825 7、0.813 4、0.811 6、0.826 2。     

不同水分条件下棉花冠层含氮量高光谱监测研究

【目的】建立1种适用于不同水分条件的棉田氮肥高光谱监测模型。【方法】通过设置包含灌溉梯度和施氮梯度的大田水肥试验,在生育期内同步测定棉花冠层光谱反射率、冠层含氮量(Canopy nitrogen content, CNC)、冠层等效水厚度(Canopy equivalent water thickness, CEWT)等信息,综合分析棉花冠层含氮量及冠层等效水厚度与光谱指数的相关性,确定最优光谱指数并构建棉花CNC的高光谱监测模型。【结果】冠层光谱与CNC在可见光波段附近出现连续的敏感区域,其中最大相关系数|r|max为0.53,位于718nm;在不考虑CEWT对模型精度影响时,NDSI(800,770)的建模效果最佳(R^2=0.76),但是进入花铃后期其预测精度偏低,出现了低估现象;综合考虑CEWT的影响后,本研究选取NDSI(570,500)作为最优光谱指数,所建模型有效改善了棉花含水率变化而造成模型精度偏低的现象(RRMSE=0.18)。【结论】本研究建立的新型水分钝感光谱指数NDSI(570,500)可以有效提升棉花CNC的估算精度,为高光谱技术在棉田氮肥监测的应用提供技术依据。     

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。     

不同光谱采集条件下麦秸低位热值NIRS快速检测

采集我国不同地区、不同品种的71个麦秸样品,选取其中54个为校正集,17个为独立的验证集。采用Spectrum 400型和Antaris Target型两种近红外光谱仪,分别对麦秸低位热值进行实验室静态和模拟在线快速预测分析。利用Spectrum 400型近红外光谱仪对麦秸低位热值进行实验室静态分析,建立的预测模型校正集决定系数为0.90,验证集相对分析误差为2.75。利用Antaris Target型近红外光谱仪对麦秸低位热值进行实验室模拟在线分析,建立预测模型,校正集决定系数为0.93,验证集相对分析误差为3.26。对这两种光谱采集条件下的近红外光谱快速分析模型进行了比较分析。     

基于组合色彩特征的苹果树叶片各生长期氮含量预测

为精准预测开花期、幼果期和果实膨大期苹果树叶片的氮含量,提出一种基于组合色彩特征的苹果树叶片氮含量预测模型。首先,获取苹果树叶片图像并提取R、G、B单色分量及14种色彩组合参数共计17种色彩特征,通过主成分分析提取不同时期苹果树叶片氮含量关键影响因子,消除原始变量之间的相关性,降低模型输入向量维度;其次,对建立的PCA-SVM、PCA-BP、PCA-ELM预测模型在不同时期对苹果树叶片氮含量预测效果与精度进行对比,得到不同时期最佳的预测模型;最后,利用最佳预测模型对不同时期苹果树叶片氮含量进行预测,并通过自适应遗传算法对最佳预测模型参数进行优化。试验结果表明：在不同生长时期,PCA-SVM模型的预测精度均高于PCA-BP、PCA-ELM模型;优化后PCA-SVM预测模型在开花期、幼果期和果实膨大期的平均绝对误差分别为0.640、0.558、0.544g/kg,平均绝对百分误差分别为0.057、0.050、0.064g/kg,均方根误差分别为0.800、0.747、0.737g/kg,优于优化前预测模型。该模型具有良好的预测性能和泛化能力,可以为果园精准施肥管理、提升果品品质、避免资源浪费和环境污染提供理论依据。     

蓄水坑灌条件下苹果树蒸腾速率预测模型对比研究

为了实现对蓄水坑灌苹果树蒸腾速率(WSPIT)的定量监测,研究基于遗传算法(GA)、列文伯格算法(LM)和附加动量算法(AM)优化的三种BP神经网络模型,建立了以气温、大气相对湿度、光辐射强度和饱和水汽压差为输入,以蓄水坑灌苹果树蒸腾速率为输出的GA-BP-WSPIT模型、LM-BP-WSPIT模型和AM-BP-WSPIT模型,对苹果树蒸腾速率进行预测,并采用实测数据对模型进行率定和验证。结果表明GA-BP-WSPIT模型、LM-BPWSPIT模型和AM-BP-WSPIT模型的平均相对误差分别为2.17%、3.56%和5.68%,GA-BP-WSPIT模型精度最优。蓄水坑灌条件下苹果树蒸腾速率的定量预测建议采用GA-BP-WSPIT模型。