基于计算机视觉的水稻叶绿素含量测定

叶绿素含量影响植物的各种生理机能,准确测定水稻叶绿素含量有利于了解水稻的光合作用能力,为高产育种和栽培提供依据。叶绿素含量的测定方法有多种,传统测定方法步骤繁琐且耗时费力,而便携式叶绿素仪只能进行点测定。计算机视觉是一种快速便捷的图像处理技术,可以用于作物的色素含量测定和营养状况诊断。为此,设计了一种基于计算机视觉的水稻叶绿素含量测定方法,叶片图像通过扫描获得,经过处理并提取叶片轮廓后以G-R、B-R和R/(G+B)等3个颜色特征参数建立叶绿素含量的估算模型。结果表明:以G-R和R/(G+B)建立的模型精度较高,对检验样本SPAD值拟合方程的决定系数和斜率都接近1,可以用来准确测定水稻的叶绿素含量。     

黑龙江省水稻单产增长潜力预测方法研究

水稻是黑龙江省的主要粮食作物。加入WTO后,水稻生产、贸易、进出口等方面都面临新的形势,同时水稻产量的稳定和增长对于国家粮食安全、人民生活水平提高以及农民奔小康都有着重要意义。因此,探讨了应用Peal曲线函数模型对黑龙江省水稻单产进行预测的方法。     

基于计算机视觉的水稻杂株识别研究

水稻杂株是品种形成过程中的干扰因素,对水稻产业具有较大的危害。水稻杂株的防除以识别为前提,但目前的识别方法消耗大量人力,识别的效率也不理想。计算机视觉是一种图像分析处理技术,在农业领域的应用较广。为此,设计了基于计算机视觉的水稻杂株识别方法,拍摄图像后依次进行预处理、灰度化和二值化,最后根据外观特征采用阈值分割法将杂株识别并提取出来。试验结果表明:秧苗期水稻杂株的性状特征最少,导致计算机视觉的识别效果较差;计算机视觉在抽穗期的识别率最高,误识率最低,具有良好的识别效果。因此,这种识别方法最适合在水稻的抽穗期使用,可以为水稻的品种形成提供技术支撑。     

基于计算机视觉的水稻杂株识别

针对水稻的杂株识别,设计了一种基于计算机视觉的水稻杂株识别系统。系统主要由图像获取系统、特征提取系统和模式识别方法系统组成,可利用颜色特征识别图像中的杂株,并对图像进行阈值分割获取二值图像,提取形状特征和纹理特征,通过DS融合理论程序实现水稻杂株的识别。试验结果表明:系统可以准确识别水稻杂株类型,准确率达到了92%以上,能够满足农业人员对水稻杂株识别系统的要求。     

计算机视觉在水稻大面积制种中的应用研究

水稻是我国最主要的粮食作物,在农业经济中占有重要的地位。水稻种植环境多样,高产稳产在很大程度上依赖于优良品种。制种是杂交稻生产的关键环节,种子质量对产量有着决定性的影响。随着科学技术的发展,无人机、物联网和计算机视觉等新技术在农业中得到了应用,推动了农业现代化进程。为此,将计算机视觉用于水稻大面积制种,实现对田间的空行和杂草杂株的识别,以及对父母本抽穗期的监测。试验表明:计算机视觉能够有效识别水稻空行,对杂株杂草的识别较为准确,没有出现误检的情况。计算机视觉监测的父母本抽穗期与实际接近,最大差异仅为1天,可以提高杂交种产量和纯度,推动水稻制种技术的发展。     

基于分形理论的大中型拖拉机产量预测

大中型拖拉机产量是一个复杂的非线性系统。为了探讨大中型拖拉机产量的变化规律及趋势预测,在分析分形理论原理和大中型拖拉机产量时间序列分形特性的基础上,构建了R/S分形模型,该模型具有较高的拟合度。最后,应用该模型预测了河南省2013-2015年大中型拖拉机的产量,可为农机企业调整产品结构和河南省农机部门制定农机动力发展规划提供参考。     

基于计算机视觉的萝卜幼苗自动识别技术

为实现萝卜幼苗间苗作业的自动化，提出并探讨了适于萝卜幼苗自动间苗的播种方式，通过对萝卜幼苗彩色图像的分析，提出了由突出绿色方法和亮度组合的灰度化方法、最大方差自动取阈法及快速区域标记等构成的自动识别算法。对从田地中拍摄的250幅萝卜幼苗图像的识别处理结果表明，该算法能够识别出图像中的各株萝卜幼苗。     

基于计算机视觉的稻谷品种数据库检索技术

利用计算机视觉技术提取稻谷的主要外形特征,初步建立了稻谷品种数据库。研究了稻谷品种数据库的检索技术,提出了将BP神经网络与相似度检索相结合的检索方法。实验结果表明,该方法可有效提高检索效率。     

计算机视觉技术在农业机械中的应用

分析了计算机视觉技术的特点，概述了其发展过程；回顾和综述了计算机视觉技术在自动检测机械、智能收获机械、农业智能加工机械、智能田间作业机械等方面的应用；提出了计算机视觉技术在农业机械应用研究中需要重点解决的几个问题。     

基于无人机技术的水稻精准喷药系统研究

水稻是我国最主要的粮食作物,但每年因病虫害而严重减产。喷洒农药对病虫害防治效果明显,成本也较低。我国适合用无人机进行水稻喷药作业,但采用的是大面积粗放喷洒方式,不利于节约成本和保护环境。精准喷药能够解决上述问题,符合绿色农业的发展趋势。为此,设计了基于无人机的水稻精准喷药系统,由计算机识别作物区域和空缺区域后形成处方图;喷药设备根据处方图控制喷头开启程度,实现精准喷药;单张图片的处理过程耗时50ms,可以满足快速作业的要求。系统能够识别作物区域,在飞行速度为2m/s时的雾滴沉积量与处方图剂量的线性关系较好,具有较高的作业质量和效率。     

基于分形理论的参考作物蒸发蒸腾量估算

根据成都、雅安和乐山等站点实测的1954~2000年的气象资料和地理参数,建立了温度推算辐射的模型,从分形理论的角度,进一步揭示了温度和辐射的关系特征,并结合Penman-Monteith模型对参考作物蒸发蒸腾量(ET0)进行了估算。研究表明,温度(T)、净辐射(Rn)和净短波辐射(Qns)无标度区拐点的界限时间和分形维数非常接近,具有相似的分形特征,可利用T估算Rn和Qns;通过T估算的Rn计算的ET0的平均绝对偏差和平均相对偏差,均小于通过T估算的Qns计算的ET0的平均绝对偏差和平均相对偏差,而且偏差较小。因此,在实际应用中可通过T估算Rn来计算ET0,简化ET0的计算过程。     

基于图像处理方法的根系分形维数估计

应用图像处理方法,给出了根系分形维数估计的网格计数法,得到了相应的算法,即先用数字图像采集设备取得根系的图像,再用网格计数法对处理后的图像进行计盒维数估计,并用Java语言进行实现,为根系研究提供了一种新的思路和手段。在此基础之上,计算了黑麦草(LoliumperenneL.)根系的分形维数,与实测数据基本吻合。此方法不仅解决了对根系研究直接测量难度大、工作量大的问题,而且可用于多种植物根系的分形维数计算。     

基于LightGBM的冬小麦产量估测与可解释性研究

机器学习模型在作物长势监测和产量估测过程中,复杂模型的内部机制难以理解,为了在准确估测作物产量的同时给出合理解释,本文选取条件植被温度指数(VTCI)以及冬小麦产量数据,基于轻量级梯度提升机(LightGBM)开展关中平原冬小麦的产量估测研究,并将局部可解释性模型无关方法(LIME)、部分依赖图(PDP)和个体条件期望图(ICE)等全局和局部可解释性方法用于对模型估测结果的进一步解释。结果表明,与其他机器学习方法相比,经过网格搜索优化的LightGBM能够准确地估测冬小麦产量,估测单产与实测单产的决定系数R²达到0.32,均方根误差(RMSE)为809.10 kg/hm²,平均相对误差(MRE)为16.55%,达到极显著水平(P<0.01),表明该模型有较高的预测精度和泛化能力。进一步可解释性实验表明,网格搜索优化的LightGBM能够准确提取数据蕴含的信息,从全局角度来看,冬小麦4个生育期中拔节期VTCI对产量形成最为重要,抽穗-灌浆期和乳熟期次之,返青期则影响最小,这与先验知识相符合;从局部角度来看,局部可解释性方法基于冬小麦产量西...     

基于随机森林回归的玉米单产估测

为了提高玉米单产估测精度,以河北省中部平原为研究区域,以条件植被温度指数(VTCI)和上包络线S-G滤波的叶面积指数(LAI)为特征变量,通过随机森林回归确定玉米主要生育时期VTCI和LAI的权重,构建加权VTCI和LAI与玉米单产的单变量和双变量估产模型。结果表明,基于随机森林回归的双变量估产模型精度最高(R~2=0. 303),达极显著水平(P 0. 001)。将随机森林回归双变量估产模型用于研究区域2012年各县(区)玉米单产估测,结果表明,53个县(区)玉米估测单产与实际单产的平均相对误差为9. 85%,均方根误差为824. 77 kg/hm~2,模型精度较高。基于随机森林回归双变量估产模型逐像素估测研究区域2010—2018年玉米单产,结果表明,玉米单产在空间上的分布特征为西部地区最高、北部和南部次之、东部地区最低,年际间的分布特征为在波动中呈先减少后增加的趋势。     

基于空间数据仓库的农作物估产研究

农作物估产是我国长期以来进行的一项重要课题.为此,探讨了空间数据仓库的特征、体系结构,对现有农作物估产方法进行了评价.鉴于农作物估产的影响因素的复杂性,引入空间数据仓库技术,并且建立了多维数据模型,来进行农作物估产的研究,为农业决策部门提供参考依据.     

基于Shapley值组合预测的玉米单产估测

为进一步促进机器学习技术在玉米单产估测中的应用,以河北中部平原为研究区域,选取与玉米长势和产量密切相关的条件植被温度指数（Vegetation temperature condition index,VTCI）和叶面积指数（Leaf area index,LAI）为特征变量,通过极限梯度提升（Extreme gradient boosting,XGBoost）算法和随机森林（Random forest,RF）算法分别对玉米单产进行估测。基于组合预测思想与Shapley值理论,分别确定组合预测模型中XGBoost与RF模型权重,进而得到组合预测模型,结果表明,基于Shapley值确定的组合估产模型精度较高（R2=0.32）,达极显著水平（P<0.001）。同时将组合预测模型应用于河北中部平原2012年各县（区）玉米的单产估测,结果表明,模型精度较高（R2=0.52）,玉米估测单产与实际单产的平均相对误差和均方根误差分别为9.86%、831.14kg/km2,达到极显著水平（P<0.001）,且组合预测模型的精度均优于单一估测模型。研究发现,河北中部平原玉米估测单产随年份发生波动变化,呈先降低后升高的趋势。玉米估测单产以西部地区最高,其次是北部和南部地区,东部地区最低。     

基于盒维数的水系分维值估算

水系分维值反映河网的复杂程度。利用Arcgis平台及其ModelBuilder基于30和90 m精度DEM(Digital Elevation Model,数字高程模型)提取泗合水流域、韩江流域及子流域河网,采用盒维数法计算系列阈值下的可能水系分维值,并与实际河网计算的分维值比较。结果表明:①泗合水流域分维值相关系数R\+2大于0.98,韩江流域R\+2大于0.97,二者分别在无标度区间内统计自相似,表现出较好的分形特征;②DEM分辨率对盒维数法计算水系分维值影响小;③流域水系分维值随汇流阈值的初增而骤减,然后平缓减小至趋于1;④选择合适的汇流阈值使数字河网与实际河网吻合时,数字河网的分维值一定程度上可以代表实际河网的分维值;⑤流域水系发育均匀时,具有较强的统计自相似性,整个流域与各子流域分维值相近,水系分维值与流域面积不相关。     

基于Malmquist指数法的水稻生产效率实证分析

采用基于DEA的Malmquist指数法,对南方双季稻区6个省(区)1995 ～2010年水稻生产成本收益面板数据进行分析,得到水稻生产全要素生产率及技术进步率、技术效率的时序变动趋势及特征,并通过对技术效率的分解,得到规模效率与纯技术效率的时序特征.结果表明,不同阶段水稻生产全要素生产率受不同因素的影响,近期技术进步率下降是全要素生产率下降的主要因素,结果也显示南方双季稻区水稻生产效率低于北方稻区的黑龙江和稻麦轮作区的江苏,且区域内差异显著.因此,提高技术适应性,加强管理和制度的创新,提高水稻生产技术进步率,缩小省(区)间的差异是提高南方双季稻区水稻生产效率的关键.     

基于无人机高光谱遥感数据的冬小麦产量估算

为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被指数和红边参数与产量的相关性,优选5种植被指数和2种红边参数用于构建产量估算模型;然后,构建了不同生育期的3种产量估算模型:单参数线性回归模型、基于植被指数并使用偏最小二乘回归方法模型、基于植被指数结合红边参数并使用偏最小二乘回归方法模型;最后利用3种模型分别估算冬小麦产量。结果表明:4个生育期内,大部分植被指数和红边参数与产量呈现极显著相关性;拔节期、挑旗期、开花期与灌浆期构建的单参数线性回归模型中表现最佳的参数分别为REP、Dr/Drmin、GNDVI与GNDVI;利用偏最小二乘回归方法提高了产量估算精度,以植被指数结合红边参数为因子构建的模型提高了产量估算效果(优于以植被指数为因子构建的产量模型)。本研究可为无人机高光谱估算作物产量提供参考。