基于叶片图像算法的植物种类识别方法研究

为了提高植物种类的识别率,采用叶片图像算法。首先建立植物种类特征模型,包括植物叶片颜色特征、形状特征、纹理特征;然后确定径向基函数神经网络的输入层、输出层、隐含层之间的关系;接着对径向基函数个数、中心及宽度优化,基于梯度下降方法对权重参数计算,自适应调节学习率;最后给出了植物种类识别过程。实验仿真选择植物叶片颜色特征、形状特征、纹理特征的特征量分别为6、7、7个,其中本文算法对植物种类识别的三个组合特征平均识别率为93.5%,高于单个特征、两个组合特征的平均识别率,形状特征对识别率所起的作用最大。     

基于图像处理和特征优选的玉米品质识别

为实现玉米籽粒的品种识别与品质评估,根据籽粒图像特征参数较多、参数间有一定相关性的特点,采集原始图像并进行必要的预处理,提取图像的颜色特征、形状特征及纹理特征共30个;以主成分分析法对指标集进行精简,在保证识别精度的前提下去除冗余信息,降低图像计算复杂度,使特征集精简为10个;以支持向量机进行分类识别,结果证实品种平均识别率为93.3%,不合格粒平均识别率为94.5%,识别精度较高,可满足玉米籽粒的无损识别、分类、检测及评估需求。     

玉米叶片病斑多光谱特征提取及识别方法

为了更好地防治玉米病害,使用BP神经网络、L-M算法优化的BP神经网络和FCM聚类算法对玉米的3种叶片病斑图像进行识别研究。利用图像处理技术对采集的图像进行预处理和阈值分割,提取3个颜色特征、9个纹理特征和7个形状特征,通过LLE算法降维获得6维的内在低维流形特征,使用3种算法对提取的特征参数进行识别。结果表明,从识别率和网络训练速度2个方面来看,L-M算法优化的BP神经网络识别率高达98.67%,且训练速度快,更适合作为玉米叶片病斑图像的识别算法。     

基于支持向量机的花生荚果品种识别模型优化研究

为实现通过自动化手段进行花生品种真伪的鉴定,通过扫描仪采集了花生荚果侧面的图像,花生共20个品种,每个品种50个花生荚果,对采集的每幅图像提取形态、颜色、纹理方面的50个特征,首先通过主分量分析(PCA)对这些特征进行组合优化,然后采用RBF核函数搭建了支持向量机模型,最后通过网格搜索法、基因算法和粒子群方法优化支持向量机模型的惩罚参数c与gamma参数。优化结果表明,在主成分累积贡献率为95%时,PCA是10个主分量,3种参数优化方案中20个品种的5折交叉验证识别率分别为78.6%、77.6%、78.0%,识别效果相当,花生品种真伪的二分类识别率最高达到95%。优化后该模型对品种真伪的识别已经基本可以推广到实际生产中使用。     

基于主分量分析的苹果叶部3种常见病害识别方法

苹果叶部的3种常见病害(斑点落叶病、花叶病和锈病)严重影响苹果的产量和质量。病害识别是病害防治的基础,传统的苹果病害识别方法不能有效选择病害的分类特征。基于主分量分析算法,提出一种叶片颜色、形状和纹理特征相结合的苹果病害识别方法。首先对苹果病害叶片图像进行预处理,降低图像干扰;然后利用改进的分水岭方法分割病斑,提取病斑图像的颜色、形状和纹理特征,组成特征矩阵;再利用主分量分析(PCA)对该矩阵进行维数约简,得到低维分类特征;最后利用BP神经网络识别苹果的3种病害类型。结果表明,该方法能够有效识别苹果的3种病害,平均识别率超过94%。     

基于自适应中心对称局部二值模式的作物病害识别方法

基于局部二值模式(LBP)算子在模式识别中直方图维数高、判别能力差、具有冗余信息等缺点,针对作物病害叶片图像的特点,提出一种自适应中心对称局部二值模式(Adaptive Center-Symmetric Local Binary Patterns,ACSLBP)算法,并应用于作物病害识别。该算法能够得到光照和旋转不变性的纹理特征,利用模糊C均值聚类算法对病害叶片图像进行分割,再将分割后的病斑图像进行分块,然后采用自适应阈值提取每个子块的ACSLBP纹理直方图,结合作物病害叶片图像的颜色特征,利用最近邻分类器识别作物病害。在黄瓜4种常见病害叶片图像数据库上进行试验,平均识别率高达95%以上,表明该方法是有效可行的。     

一种玉米雄穗图像识别算法研究

针对复杂的玉米田间图像,提出了一种玉米雄穗识别算法。该算法在HOG/SVM算法的基础上进行改进,为了弥补HOG特征只表现图像的轮廓特征这一缺点,分别提取待测图像块的颜色特征、轮廓特征和纹理特征,并送入提出的组合级联SVM分类器中进行判别。该SVM分类器是由2级SVM模型组合构成的,并使用大量经过人工标注的雄穗图像和背景图像为样本训练而成。综合考虑分割结果和性能评价,雄穗成功识别率为83%,该方法能很好地识别玉米雄穗,适用于复杂田间玉米雄穗图像的分割。     

基于概率神经网络和分形的植物叶片机器识别研究

【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足,使识别效率得到了较大的提高。     

基于多特征融合和CNN模型的树种图像识别研究

目的在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。方法将6类常见树种（樟子松、山杨、白桦、落叶松、雪松和白皮松）图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。结果本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB + H通道 + LBP条件下,验证识别准确率最高,达到93.50%;RGB + HSV + LBP + HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。结论基于RGB + H通道 + LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。      

基于神经网络的食用玫瑰花图像识别算法

针对单依靠颜色或形状将采摘期玫瑰花从图像中分割出来难度较大的问题,研究一种基于神经网络的食用玫瑰花图像识别算法。将处于采摘期的玫瑰花正面图像作为识别对象,先提取HSI色彩空间下的S分量,用最大类间方差法(Otsu)进行分割;再提取目标图像灰度共生矩阵下的纹理特征,选取区分度高的纹理特征,结合BP神经网络,建立识别模型。试验结果表明:该方法正确识别率85%,识别率主要受试验样本开放标准选取的影响,而受光照影响不敏感,是一种较好的识别方法。     

不同生育期玉米大豆间作土壤水势变化特征

土壤水的移动影响作物对养分的吸收,通过土水势的测定可以为作物从土壤中吸收养分提供重要参考。本文通过盆栽试验,研究了玉米和大豆间作时作物在玉米苗期、拔节期、大喇叭口期、抽穗期、成熟期土壤水势上的变化特征。结果表明：玉米大豆间作具有明显的间作产量优势。与相应的单作相比,间作玉米籽粒产量、玉米叶片生物量和大豆叶片生物量,分别提高 ４１.９０％,２２.１９％,５９.５７％,表明了玉米大豆间作体系中玉米具有产量竞争优势。在玉米大豆间作中,除苗期第 １天到第 ５天、拔节期第 １天到第 ５天、成熟期第 １天到第 １０天外,其它生育期玉米的土壤水势低于大豆。这表明在玉米旺盛生长时期 （拔节盛期、大喇叭口期、抽穗期）,土壤水分都是从大豆向玉米移动。玉米相对于大豆对土壤水分有更强的竞争能力。     

基于Fisher判别分析的玉米叶部病害图像识别

 【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。     

不同灌水次数对夏玉米生长发育及水分利用效率的影响

通过防雨棚下测坑试验,研究了不同灌水次数对夏玉米形态指标、产量、耗水量以及水分利用效率的影响.结果表明,夏玉米株高和叶面积指数随灌水次数的减少而降低;拔节期不灌水明显抑制株高和叶面积的增长.果穗长、果穗粗、穗粒数有随着灌水次数的减少而降低的趋势;灌4水的产量最高,在苗期和灌浆期灌水(2水)的处理产量最低,较灌4水的处理...     

Study on the Photosynthetic Characteristics in Spring Maize （Zea mays L.）of Different Quality Type

common maize synthetic rate（ Photosynthetic characteristics were probed by sweet maize, waxy maize, high starch maize and The results revealed that leaf area index （LAI）, chlorophyll a content, chlorophyll b content,photo-PR） showed single peak curve at the whole growth stage. The stages of peak were different according to different varieties. NEAUS4 had the lowest peak and while SIDAN 19 had the highest among all stages. Ratio of chlorophyll a to b was low at seedling stage, reached the peak atjointing stage and then declined. SIDAN 19 had the lower level at the last stages.     

玉米氮肥适宜追施期研究

玉米在大喇叭口期重施氮肥,植株矮,穗位低,利于抗倒伏。中后期叶片衰亡慢,比叶重高,干物质积累多,从而果穗秃尖短,穗粒数多,千粒重高。大喇叭口期施肥较３叶期施肥增产１５７％,比拔节期施肥增产１０．６％,比吐丝期施肥增产６．８％。拔节期和大喇叭口期分两次追施和大喇叭口期一次施入产量相近。大喇叭口期是玉米最适宜的追肥期。     

基于透射光和反射光图像同位分割的小麦品种识别方法研究

为提高基于机器视觉的小麦品种识别准确性,本文通过透射光和反射光同位图像分割对种子颜色特征参数进行了优化提取.采用透射光图像辅助反射光图像分割的方式从种子图像中分割出胚部区域,并分别提取小麦整粒、种胚、胚乳区域的颜色特征参数.以济麦22、济麦44、京麦9、京麦11共4个品种种子作为研究对象,利用HALCON机器视觉软件获...     

江淮中部夏玉米品种产量性状及光能利用率差异研究

以19个夏玉米品种为试验材料,通过田间小区试验对各品种产量、光能利用率及抗倒性进行比较分析,研究适宜江淮中部的夏玉米品种类型。结果表明:(1)供试玉米在苗期、抽雄期的生长期相差4 d,到拔节期、灌浆期扩至7 d,而全生育期则相差8 d。(2)穗长、穗粒数和穗粗与产量呈显著正相关,秃尖长、株高和百粒重则与产量相关性不显著,其中秋乐368等4品种产量显著高于其他品种。(3)夏玉米在各生育阶段的光能利用率呈单峰趋势,最大光能利用率出现在拔节期,且拔节期、抽雄期、全生育期光能利用率与籽粒光能利用率呈极显著正相关。(4)拔节期出现中度倒伏,3 d后得到恢复,而抽雄吐丝期遭受重度倒伏后难以恢复;新单88等5个品种抗倒伏能力强。(5)综合产量、光能利用率和抗倒伏等因素,适宜江淮中部的夏玉米产量目标可达9 000 kg·hm-2的水平、籽粒光能利用率为1.2%、且在全生育中期抗倒伏能力强,19个品种中的较为适宜品种为秋乐368和裕丰303。     

施氮时期对夏玉米饲用营养价值的影响

 采用盆栽法研究了施氮时期对玉米鲁单 5 0饲用营养价值及其生理特性的影响。结果表明 ,施用氮肥显著提高了玉米的生物产量、籽粒产量以及饲用营养品质。拔节期 1次施用氮肥可以获得较高的生物产量 ,有利于提高作为青饲 (贮 )饲料玉米的饲用营养价值 ;在拔节、大口 (或开花 )期 2次或拔节、大口、开花期 3次施氮肥 ,有利于提高作为粮饲兼用玉米的饲用营养价值。施氮时期对玉米的生理特性有着显著影响 ,拔节、大口 (或开花 )期分 2次或拔节、大口、开花期分 3次施氮肥的玉米 ,从乳熟期到蜡熟期保持较高的叶面积指数 ,功能叶片硝酸还原酶(NR)、过氧化氢酶 (CAT)、超氧物歧化酶 (SOD)、过氧化物酶 (POD)活性较高 ,生育后期尤其明显 ,利于玉米籽粒产量的提高和饲用营养品质的改善。     

谷子不同品种、生育时期、叶位光合特性研究

为了探究谷子不同品种、各重要生育时期、不同叶位与光合生理指标之间的关系,通过对谷子光合蒸腾和叶绿素等生理参数进行采集与分析,研究归纳了谷子相关光合特性,结果表明：谷子在孕穗期的叶片净光合速率较拔节期和灌浆期分别高出247.7%和32%,蒸腾速率分别高出100.4%和104.7%,叶片气孔导度也较高,而胞间CO2浓度较低;灌浆期谷子顶三叶的净光合速率、蒸腾速率、叶片气孔导度、水分利用效率显著高出下部叶片,自上而下各叶位单叶的叶绿素含量呈现出由低到高再转低的变化趋势。     

黄土坡耕地玉米作物的防蚀作用研究

【目的】研究10°坡耕地上玉米的防蚀作用,为评价农作物的水土保持功能提供参考。【方法】采用人工模拟降雨的方法,以裸地为对照,分析了10°坡耕地上不同生育期（幼苗期、拔节初期、拔节中期、抽雄前期和抽雄后期）玉米完整植株及其根系对坡面产流产沙量和过程的影响。【结果】在幼苗期、拔节初期、拔节中期、抽雄前期和抽雄后期,整株玉米和仅保留根系玉米的径流模数和侵蚀模数均呈逐渐降低的趋势;在玉米的同一生育阶段,径流模数和侵蚀模数均表现为裸地最高,只保留根系玉米次之,整株玉米最小。在产流产沙过程中,与裸地相比,整株玉米和只保留根系玉米均可有效地延迟产流产沙时刻、峰值出现的时刻以及平和产流和产沙过程,但只保留根系玉米平和产流产沙过程的作用较弱。【结论】只保留根系玉米与整株玉米的防蚀作用相似,都可有效地减少土壤侵蚀,但其对产流产沙过程的调控作用相对较弱。