基于典型叶片模板自动匹配的虫损叶面积测量

为了定量化评估农作物的虫害程度,提出了一种基于典型叶片模板自动匹配的叶片虫损面积测量新方法。先将叶片图像二值化并提取其外轮廓;再对提取的轮廓进行多边形近似,以多边形的顶点为端点将叶片外轮廓划分成若干子轮廓;然后采用形状上下文对完整叶片与虫损叶片之间的子轮廓进行自动配准,找出其间的相互映射关系;最后根据映射关系对虫损叶片进行重建,计算出虫损面积。对10类不同叶片的测量分析表明：该方法平均每叶片耗时0.962 s,最大相对误差为8.22%,平均相对误差为4.78%。其中,形状复杂度高的叶片平均相对误差为7.48%,复杂度中等的叶片为5.99%,复杂度低的叶片为1.84%。结果表明,该方法能准确而快速地测量虫损叶面积。     

基于图像的植物叶面积无损测量方法研究

为了研究植物的生长规律,应用计算机视觉技术对大豆叶片实现无损测量.该项研究针对大豆叶面积无损测量中校正图像和去除叶片纹理特征等问题上,提出了基于双线性映射的无损测量法.无损测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响,试验验证该方法能很好地校正叶片图像,提取叶片的有效面积,并去除植物纹理斑点的影响,应用该方法校正叶片图像,精度可达99%以上.采用计算机视觉技术测量叶面积,具有简单、准确、方便快捷的特点,这对数字农业的植物信息快速采集和利用具有重要的意义.     

基于计算机视觉技术参考物法测量叶片面积

该研究利用计算机视觉技术采用参考物法测量叶片的面积,研制了无需采摘叶片测量其面积的活体采样光箱,并进行了光箱参数的优化,研究了用极值法求得阈值,并对图像进行阈值化,研究了去除图像中残留杂点的方法,最后验证利用计算机视觉技术参考物法测量叶片面积的可行性,且测量精度和效率都很高     

基于图像法和粒度分形模型的打叶过程烟片结构在线检测

为实现烟叶采收后初加工过程打叶质量的实时监测与调控,该文采用图像分析法在线检测烟叶打后叶片结构,即叶片面积分布,应用分形理论建立烟叶打后叶片面积分布的分形模型,用分维数表征叶片面积分布特征。结果表明:分形模式计算的打后叶片面积分布结果与实测值相关系数较高,粒度分形模式可较准确描述烟叶打后叶片面积分布;分维数可表征打后叶片面积分布均匀程度,可反映出不同等级烟叶打叶特性差异;分维数与目前打叶过程的主要工艺控制指标大中片率成线性关系,相关系数大于0.90。基于图像法和粒度分形模型建立的打叶过程烟叶结构在线检测方法,可用于打叶质量的实时监测与调控。     

近红外高光谱成像技术检测粮仓米象活虫

为了准确地统计出仓储害虫的密度,需对储粮活虫和死虫进行有效地判别。该文研究开发一个900～1 700 nm的近红外高光谱成像系统来检测仓储小麦活虫。用液氮低温猝死法杀死米象,在其死亡后0～7 d进行高光谱图像采集。随着粮虫死亡时间的延长,粮虫相对光谱反射率逐渐增大,到死后第5天时粮虫的光谱曲线基本趋于稳定。应用相邻波长指数法对1 320～1 680 nm之间的110个波长的高光谱图像进行分析,提取出最优波长为1 417.2 nm。提出双区域连通阈值面积比的区域生长法粮虫活虫判别方法,即当粮虫的双区域连通阈值面积比大于0.5时,应判别为活虫。结果表明,自粮虫死亡后的第2.0天开始,储粮活虫与死虫的训练样本和检验样本全部被正确识别,为实现储粮活虫的计算机视觉实时检测与分类提供依据。     

基于机器视觉的冬小麦叶片形态测量软件开发

随着图像处理与识别技术的快速发展,作物表型识别技术日趋成熟。为实现不同品种、不同生育期冬小麦叶片面积和面积系数的精准快速测定,依托VB.net和OpenCV在.NET平台下的图像处理封装库,研发了基于机器视觉的冬小麦叶片形态测量算法并设计开发了软件,软件可实现数字图片的畸变校准并可以同时测量多个叶片长、宽和面积。为验证软件测定效果,选取冬小麦绿色展开叶100 片,通过与人工测量的叶片长宽、WinDIAS叶面积分析系统测量的叶面积结果对比,分析图像识别方法的准确性和稳定性。结果表明,图像识别法与人工和WinDIAS测量的冬小麦叶片长、宽和面积的相关系数均≥0.975,归一化均方根误差均≤0.10%;针对数字照片畸变校准功能进行测试,对叶片水平（垂直）缩放50%且垂直（水平）斜切30°的图像校准后,其测量结果与原始图像测量结果的最大相对误差仅为2%。说明基于机器视觉的冬小麦叶片形态识别方法,可对多种畸变图像进行准确的几何校准,可作为一种可同时准确测定多个叶片面积和长宽的新方法,在农业科学测量、农情信息业务、农业气象观测业务等领域推广应用。     

基于线结构光视觉的穴盘苗外形参数在线测量系统研制及试验

为了满足穴盘苗自动化分选的实际需求,该文设计了基于线结构光视觉的穴盘苗外形参数测量系统,实时获取穴盘苗图像信息,实现对其叶片面积和高度的在线测量。为充分突显目标与背景色彩差异,针对穴盘苗叶片和背景基质图像特征,利用最大类间方差动态阈值对2G-R-B 色差图像进行分割;以穴孔为单位进行区域标记和特征提取,分别计算幼苗叶片图像面积,排除明亮蛭石颗粒造成的椒盐噪声和劣苗叶片区域;根据 Cb、Cr 色彩分量特征提取在健康幼苗叶片区域的红色激光条像素坐标,拟合其分布中心线;基于线结构光视觉三维定位原理,根据幼苗叶片区域激光条中心线图像坐标,实现对穴盘苗高度的测量。试验结果表明,系统对直立姿态的穴盘苗高度测量精度为5 mm,在叶片面积测量评估方面可以满足穴盘苗筛选精度要求。     

基于虚拟仪器技术的作物叶片面积测量仪的开发

作物叶片面积的测量,在农业和林业上具有重要意义.传统叶片面积测量方法存在着测量结果不准确、开发周期长、测量范围窄、对作物进行有损测量等一系列问题和缺点.利用美国NI公司的软件开发平台LabVIEW 7.1进行仪器的软件界面开发及图像处理功能实现,并利用VC++6.0对通用图像采集卡进行驱动,从而实现了基于虚拟仪器技术的作物叶片面积测量仪的开发,硬件结构上主要包括工作台、摄像机及灯光、图像采集卡、PC机;软件结构上主要包括图像采集模块、图像处理模块、图像分析模块.试验结果表明,该仪器具有开发周期短、操作简单、测量结果准确、可对作物进行无损测量等优点.     

基于虚拟仪器技术的作物叶片面积测量仪的开发

作物叶片面积的测量，在农业和林业上具有重要意义。传统叶片面积测量方法存在着测量结果不准确、开发周期长、测量范围窄、对作物进行有损测量等一系列问题和缺点。利用美国NI公司的软件开发平台LabVIEW 7.1进行仪器的软件界面开发及图像处理功能实现，并利用VC++6.0对通用图像采集卡进行驱动，从而实现了基于虚拟仪器技术的作物叶片面积测量仪的开发，硬件结构上主要包括工作台、摄像机及灯光、图像采集卡、PC机；软件结构上主要包括图像采集模块、图像处理模块、图像分析模块。试验结果表明，该仪器具有开发周期短、操作简单、测量结果准确、可对作物进行无损测量等优点。     

采用热红外和可见光图像无损测定棉花苗期叶面积

叶面积是影响植物光合作用、蒸腾作用、呼吸作用及产量形成的重要形态指标之一,为实现作物叶面积准确、稳定和无损化测量,该研究基于红外线成像设备,提供了一种利用热红外和可见光图像测定棉花叶片面积的方法。以苗期棉花作为研究对象,通过红外成像相机T660获取棉花的热红外和可见光波段的图像,分别使用GrabCut算法和Hough圆检测提取红外图像中叶片和可见光图像中已知实际面积的圆状参照物（五角硬币）的像素面积,进而根据叶片区域和圆状参照物区域的像素倍数关系计算棉花的真实叶面积,将通过该研究所提方法计算的叶面积结果与传统的剪纸称重法、Image Pro Plus软件图像法进行皮尔逊相关性分析,检验该方法的可行性。分析表明,基于所提方法的测量值与剪纸称重法、Image Pro Plus软件图像法的结果之间均存在显著的线性相关关系（P<0.01）（相关系数分别为0.992,0.996）。3种方法对5盆棉花进行8次测量,结果显示,该研究所提方法测量值的平均变异系数为0.78%,在测量工作中表现稳定,为快速获取棉花苗期叶面积提供了一种准确稳健的理论方法。     

基于敏感光谱波段图像特征的冬小麦LAI和地上部生物量监测

叶面积指数(LAI,leaf area index)和地上部生物量是评价冬小麦长势的重要农学参数,其实时动态监测对冬小麦的长势诊断、产量预测和管理调控等具有重要意义。该研究通过分析叶面积指数、地上部生物量与冬小麦冠层光谱参数的相关性,筛选出冬小麦长势指标敏感波段及最佳带宽范围;基于敏感光谱波段下图像的彩色因子,构建冬小麦叶面积指数和地上部生物量监测模型。结果表明,叶面积指数、地上部生物量长势指标的敏感波段及最佳带宽范围为(560±6)和(810±10)nm。敏感波段560、810 nm波段下获得的图像特征因子中,RGB颜色空间R810、G560、B810对叶面积指数的拟合效果最好,决定系数高达0.989;HSI颜色空间H810、S810、I560对地上部生物量的拟合效果最好,决定系数为0.937。试验数据检验表明,叶面积指数、地上部生物量监测模型的均方根误差RMSE分别为0.4515、3.3556,相对误差分别为15.7%、15.9%,所构建监测模型的精确度较高。因此,基于敏感光谱波段及相应图像特征构建的监测模型可有效对冬小麦叶面积指数、地上部生物量进行实时、快速、准确监测与诊断。     

通量贡献区叶面积指数空间分布的测定

使用循环采样设计方案,对海北沼泽化湿地生态系统涡度相关通量观测塔的通量贡献区内叶面积指数进行了实地调查。根据样方叶面积指数的实地测量值和样方的GPS空间定位信息,利用空间插值方法绘制了通量贡献区内的叶面积指数空间分布图。并基于数字摄影与地理信息系统技术,提出了一种测量速度快、计算精度高、适合多种植物叶片叶面积测量的新方法。该方法在ArcGIS的GRID模块下对叶片图像进行格式转化和重新采样处理,使用自行编写的色阶诊断程序提取图像中叶片的叶面积。研究结果表明:此种方法叶面积测量结果与LI-3000A叶面积仪所测的结果具有很好的吻合性,两者的线性回归方程决定系数R2为0.98,叶面积的测量精度完全可以达到实际应用中的测量要求。     

基于烤烟透射特征的烟叶图像分割研究

在专门设计的灯箱中拍摄烤烟烟叶的反射和透射图像，对这两类图像分别以3×3像素矩阵作为区域对象采样，统计比较了烟叶、背景两区域的RGB属性特征，发现透射图像烟叶区域绝大多数像素的蓝色属性等于零，少数像素的蓝色属性大于零，并在采样矩阵中呈不连续分布， 矩阵内9个像素蓝色属性的相对标准偏差(RSD)或等于零，或大于100％。研究采用该特征作为依据，对烟叶透射图像进行了区域统计法分割。结果表明分割精度高于点统计法，每片烟叶像素数平均高出0.65％，较好地保留了目标图像的原始特征信息。该研究提出的图像分割方法有利于提高分割结果的可信度，为利用烟叶透射特征进行后续研究奠定了基础。     

基于机器视觉的白掌组培苗在线分级方法

白掌在观叶类花卉中占有很大比例,其育苗多采用组织栽培法,且组培苗生产具有规模化。为提高成苗出苗品质,需要在组培苗炼苗前对其分级,而目前常用分级法不能有效解决自然状态下水平放置的白掌组培苗存在的叶片扭曲和重叠问题,因此该文提出一种基于机器视觉实现白掌组培苗在线分级的方法,通过对自然状态下水平放置的白掌组培苗的叶片面积、苗高、地径以及投影面积的分析,得到其投影面积与叶片面积呈线性关系,相关度为0.9344;投影面积与地径呈多项式函数关系,相关性为0.9067,故确定组培苗投影面积和苗高为实际生产中的分级指标。该文采用基于颜色模板匹配算法测量组培苗投影面积,得到的叶片面积和地径与实际叶片面积和地径的变异系数相对误差分别为0.35%和7.95%;利用最小外接矩形法(MBR,minimum bounding rectangle)测量苗高,得到的苗高和实际苗高变异系数相对误差为1.44%。通过整机分级试验发现在输送间距为0.25 m,输送速度为0.5 m/s,分级级别为3级的条件下,该分级装置的分级成功率可达96%,对应生产率为7 200株/h。     

基于彩色通道相似性图像分割方法的植物叶面积计算

为了快速、准确地测量植物叶面积,该文提出了基于彩色通道相似性图像分割的植物叶面积测量方法。该文基于彩色图像,利用像素彩色通道的相似性和自适应方法得到的阈值分割叶片区域,并分别统计叶片和参考矩形的像素数,进而计算植物叶面积。试验表明,该方法得到的植物叶片区域更准确,并且对叶片阴影、花斑等具有很强的鲁棒性,错分率为仅为1.23%,具有较高的精度。该方法是一种实用的通过拍照计算植物叶面积的方法,可嵌入到手机等移动设备中。     

基于支持向量机模型和图像处理技术的甜椒叶面积测定

叶片是作物进行光合作用的重要器官,是研究作物对光能吸收的一个主要的生物学指标。应用支持向量机理论,建立了支持向量机叶面积模型,输入参数为叶片长度、叶片最大宽度,输出参数为叶面积。通过对应用计算机图像处理技术测量所得到的样本数据进行训练,以叶片的长度、宽度作为输入参数对叶面积进行模拟及检验,并将模拟结果与线性回归和人工神经网络模型进行了对比。结果表明,支持向量机叶面积模型的最大误差为6.09%,平均误差为2.73%,模拟精度达到0.996。该方法能较真实地反映甜椒叶面积的实际大小,具有较好的实用价值和应用前景。     

Exogenous Spermidine Affected Leaf Characteristics and Growth of Common Bean Under Water Deficit Conditions

In order to investigate the effects of exogenous spermidine on water limitation-induced damage on common bean (Phaseolus vulgaris L.) genotypes, a field experiment was conducted over two growth seasons. The experiment was arranged as a split-split plot design and three replications. Treatments were three water stress levels (non-stress, moderate and severe stress), three bean genotypes (Akhtar, Pak and COS12) and two spermidine levels (control and foliar application). The results showed that water stress reduced markedly leaf relative water content, SPAD values, specific leaf area, leaf area index, plant height, relative growth rate, shoot dry weight and grain yield; however, increased leaf density, leaf relative electrolyte leakage, stomatal density, leaf angle and leaf temperature of bean genotypes. Spermidine application increased relative water content, SPAD values, leaf area, leaf area index, shoot dry weight and grain yield. Overall, exogenous spermidine usage as a free radical scavenger counteracted deleterious water deficit effects.