大豆开花期叶片面积双视角无损测量系统的构建

为作物叶面积的无损测量提供理论依据,以开花期103盆大豆品种宏秋的植株作为校正集,通过图像处理建立大豆植株顶视投影面积(TA)、侧视投影面积(SA)和真实叶面积(y)的回归模型,并在大豆开花期选20盆作为预测集验证回归模型,为消除叶片倾角对测量结果的影响,将顶视和侧视投影面积作为预测模型自变量优化模型。结果表明:顶视投影面积和真实叶面积的回归模型中,幂函数模型y=2.04×10~(-4)×TA~(1.049)为最优模型,决定系数(R~2)=0.949,最大误差为8.71%,均方根误差为12.56;优化的多元幂函数模型为y=2.37×10~(-4)×TA~(0.908)×SA~(0.144),R~2=0.960,最大相对误差的绝对值为4.29%,均方根误差为8.77。计算机视觉系统无损测量单株大豆开花期叶片面积可行,且测量精度高,适用于不同地区和不同品种大豆的叶面积测量。     

水稻叶片几何参数无损测量方法研究

【目的】提出实现自然生长状态下的水稻叶片几何形态参数视觉无损测量,为实时监控水稻的生长状况提供准确的数据,也为农学研究者提供新的技术手段。【方法】类似曲线长度细线测量方法,在叶脉上通过手势交互绘制确定一组控制点,插值生成过控制点的3次B样条曲线,调整控制点使得B样条曲线逼近叶脉方式实现水稻叶片长度测量。在叶片最大叶宽处绘制1次B样条曲线实现水稻叶片最大叶宽测量。采用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,并利用Hough变换对提取的骨架信息进行直线检测实现茎叶夹角计算。应用BP神经网络、支持向量机回归和随机森林回归算法对样本数据进行训练,以水稻叶片长度、叶片最大宽度作为输入变量对水稻叶面积进行估测。【结果】B样条曲线逼近方式计算的水稻叶长的平均绝对误差和平均相对误差分别为0.523 3 cm和2.33%,叶宽的平均绝对误差和平均相对误差分别为0.055 2 cm和6.66%。Hough变换计算的茎叶夹角平均绝对误差和平均相对误差分别为1.27°和2.46%;通过对金优458和中早35两个不同品种结果对比,相较于其他模型,发现BP神经网络模型对叶面积估测结果的均方根误差、平均绝对误差和平均相对误差分均为最低,其中JY458品种的均方根误差、平均绝对误差及平均相对误差分别为1.189 2 cm2、1.061 cm2和4.95%,ZZ35品种的均方根误差、平均绝对误差及平均相对误差分别为1.143 1 cm2、0.959 5 cm2和4.85%。【结论】从图像采集到测量操作过程都不与被测叶片器官进行接触,真正意义上实现了对水稻叶片几何形态参数的无损测量,且操作便捷,测量精度高,误差小,完全能够满足农学研究的需求,为其他植物器官的几何形态参数无损测量提供了一种新的普适方法。     

基于光场相机的大豆冠层叶面积无损测量方法研究

大豆上、中、下冠层叶面积分布是大豆植株株型状况评价、产量预测的重要依据,而传统上、中、下冠层叶面积测量方法采用大田切片法,该方法过程繁琐,且会对叶片造成伤害。针对这一问题,引入光场相机重聚焦技术分别得到聚焦在上、中、下叶片的重聚焦图像,通过图像处理技术提取聚焦平面的叶片,去掉离焦平面的叶片,分别得到上、中、下层的投影面积。选用开花期103盆宏秋品种大豆植株作为校正集,根据光场相机的标定计算各冠层叶片的校正系数,获得修正后的各冠层叶片投影面积。建立大豆植株各冠层投影面积和真实叶面积的回归模型,并选20盆作为预测集来验证各回归模型。研究发现:上层叶面积模型的决定系数为0.945,预测集的最大误差为4.48%,均方根误差为4.376;中层叶面积模型的决定系数为0.796,预测集的最大误差为13.62%,均方根误差为7.273;下层叶面积模型的决定系数为0.914,预测集的最大误差为8.63%,均方根误差为1.529。上层和下层叶面积测量模型相关性高,由于上层叶片的遮挡,中层叶面积模型相关性略低。     

基于黑白扫描图像的叶面积测量方法

【目的】为了快速准确测量叶片面积,探讨一种基于黑白扫描图像的测量方法。【方法】使用平板扫描仪制作叶片黑白二值图像,利用图像处理软件读取图像并统计图像和叶片的总像素,依据扫描成像大小与扫描稿台尺寸等比关系,以及已知的扫描稿台尺寸,计算获取叶片面积;分别使用两个不同品牌型号扫描仪对20张叶片进行测量,以方格纸法测量结果为真值依据进行误差分析,同时采用叶面积仪进行比对验证。【结果】两个扫描仪均方根误差分别为0.90 cm²、0.95 cm²,平均相对误差分别为1.06%、1.64%;叶面积仪测量均方根误差为0.62 cm²,平均相对误差为0.92%。【结论】扫描仪法与方格纸法和叶面积仪测量结果间均不存在显著差异,基于黑白扫描图像的叶片面积测量方法具有方便快捷、成本低、精度高的应用潜力。     

基于支持向量机的水稻叶面积测定

本研究探讨了水稻叶长、叶宽与叶面积之间的关系。应用改进网格搜索算法参数优化后的支持向量机对计算机图像处理技术测量所得到的样本数据进行训练,以水稻叶片长度(L),叶片最大宽度(W)、叶面积回归拟合值(S)作为输入变量对水稻叶面积进行预测。结果表明,在不同的水稻品种下,相比于其他模型本研究提出的支持向量机Ⅲ模型预测结果的均方根误差和平均相对误差最低,均方根误差分别为1.882 1(两优培9),1.387 3(金优458)和1.348 2(中早35),平均相对误差分别为2.901 4%(两优培9),5.273 5%(金优458)和4.929 3%(中早35)。该模型能较真实地反映水稻叶面积的实际大小,满足农业科学研究的需求,为植物叶面积的预测提供了一种新的方法。     

植物多叶片图像目标识别和叶面积测量方法

分析了图像处理方法测量叶面积中采用CCD照相机和扫描仪2种采集设备各自的优、缺点.针对目前各种叶面积测量方法均为逐片测量的局限性,以MATLAB数学分析软件为平台开发了对多叶片扫描图像中各叶片进行目标识别和面积计算的算法.试验结果表明,该算法在叶片间不重叠的条件下识别准确率达到100%,测量得到的叶面积与采用称重法得到的叶面积间的相对误差为2.43%,决定系数(R2)为0.999 6.试验证明,该算法可以实现对多叶片扫描图像中各叶片的准确识别和叶面积测量.     

绿色叶片面积测量方法与软件开发

为快速准确测量不规则形状的绿色叶片面积,测试一种基于数码图片的叶片面积测量方法,并采用IDL语言开发面积测量应用软件。首先在A4白纸打印制作带有方形红色标尺的拍摄背景板,测量标尺长宽计算标尺实际面积,将需测量面积的叶片放置在背景板上,使用数码相机拍摄叶片与标尺的合影图片,利用图像处理软件获取图片的红(R)绿(G)蓝(B)色值,根据RGB色值设置判断条件R>50且R/G>2.0为红色标尺,G/B>1.05为绿色叶片,逐个识别图片像素并统计绿色叶片和红色标尺的像素个数,通过叶片与标尺的比例关系计算得到叶片的真实面积。分别采用华为V8手机和佳能550D相机对20张叶片进行拍摄及面积测量,与坐标纸手绘叶片轮廓获取的真实叶片面积进行比对分析,V8手机测量绝对误差平均为-1.08 cm²,相对误差平均为-2.22%,T检验结果值为0.88;550D相机测量绝对误差平均为0.94 cm²,相对误差平均为1.77%,T检验结果值为0.90。两个相机的测量结果误差均较小,估测面积与实测面积不存在显著差异,采用该方法进行绿色叶片面积测量切实可行...     

基于计算机视觉的油菜叶面积计算方法研究

介绍了利用计算机视觉技术测量油菜叶面积的原理和方法,并以纸重法为标准对比分析了传统直尺法与此方法在油菜三种类型叶片叶面积测量中的优劣性。结果表明,计算机视觉法在精度上明显高于直尺法,尤其在无柄叶测量中此方法的测量平均相对误差为3.09%,低于直尺法的10.49%,进一步根据标准测量值对直尺法测量无柄叶时的系数进行校正,发现系数选择0.75更为合适。     

一种减小基于机器视觉的水果尺寸测量误差的方法

水果采后分级可以提高其附加值,增加经济效益。随着以成像技术、人工智能为基础的机器视觉技术的迅猛发展,其在水果的外观品质分级上也逐渐得到了广泛应用。基于机器视觉测量水果尺寸时,标尺通常在载物台平面,并未与所测水果直径在同一平面;另一方面,水果边缘成像点可能并非水果最大直径平面的点,这两个因素都会导致测量误差,进而影响分级结果。本研究对这两个因素导致的误差进行了分析,提出了一种减小误差的方法:若已知被测水果平均半径R,可将相机镜头置于与载物台距离为nR的高度,并计算校正系数,用测得的尺寸乘以校正系数即可减小误差。番茄果横经的测量试验结果显示,与用机器视觉方法的未校正测量结果相比,本方法可有效减小果横径测量平均绝对误差14.127%。结果表明,该方法具有简单、有效的特点。     

杨树无性系叶面积测定模型的建立

对石河子引种的6个杨树(Populus spp.)无性系建立了叶面积估测模型,旨在为杨树叶面积的测量提供一种简便、实用的方法。应用WDY-500A型微电子面积测量仪测定了6个杨树无性系的叶面积指标,选择了8个模型,以叶片主脉长(L)和最大宽(W),以及两者乘积(L×W)作为变量与叶面积进行相关分析。结果表明,叶面积与叶片主脉长的拟合效果比较差;筛选出复相关系数均达0.9以上的最佳模型为二次方程Y=a+bx+cx2和幂函数关系方程Y=axb,从而建立了杨树无性系叶面积估测的通用模型,即LA=-7.324 6+0.707 6(LW)+0.000 06(LW)2和LA=1.286 7W1.690 9。     

波棱瓜叶面积数学图像测定方法的研究

为了探索波棱瓜叶面积更实用的测定方法,试验对叶面积仪测定方法和数字图像测定方法进行了比较,通过两种方法的测定结果之间关系和精度评价分析结果表明:与相比,数字图像法的测量精度(平均相对误差2.1%)显著低于叶面积仪测定法(平均相对误差6.2%),而且前者还具有操作简便、成本低廉和实用性强的优点,其准确程度完全能够满足波棱瓜叶面积测定的精度要求,数字图像法有望成为今后测定波棱瓜叶面积的主要方法之一。     

甘薯叶片叶面积简便测定方法的研究

基于实测的叶面积与叶长和叶宽数据,对甘薯叶面积简便测定方法进行了研究。结果表明：公式法的测量平均相对误差7.2%,显著高于叶面积仪测定法的平均相对误差2.8%,但其准确程度亦能够满足甘薯叶面积测定的精度要求,且具有操作简便、成本低廉和实用性强的优点。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备,利用Graph Cut 算法对输入的立木图像进行分割定位,实现单幅图像中多株立木轮廓的自动获取;再通过智能手机相机对摄像头进行标定,从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶,进行深度提取模型的精度优化,进而确定信息提取的最优方位。同时,结合高精度陀螺仪获取相机俯视角,根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备,在本方法中的立木高度测量模型具有良好的稳定性,并且试验中最高相对误差为2.45%,树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便,能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

数字化图像处理精确计量植物叶面积方法的研究

随着信息技术的发展,不规则图形面积的计算方法愈加成熟。分别利用像素法和方格法,同时对20个黄瓜品系的叶面积进行了测量;并以方格法的测量结果为对照,对像素法的测量结果进行了精度分析。结果表明:像素法对黄瓜叶片面积测定结果的变异系数为0.05%~0.10%、均值为0.07%,方格法测量结果的变异系数(0.51%~1.11%)和均值(0.82%),像素法测定结果更加稳定。且与数码相机拍摄取样法相比,像素法具有成像稳定、无缩放无变形不受到拍摄角度、对焦情况限制的优点,还可以在活体上直接测量,大大减轻田间工作量。像素法是1种广适性、精度高的叶面积测量方法,具有广阔的应用前景。     

手持式树径自动识别测树仪的研制与应用

在森林资源调查中需要调查林分因子,从而了解森林资源的数量与质量,以进行森林资源的规划、设计和经营。森林资源调查是一项费时费力的工作,使用传统测量工具需要不同仪器来进行测量,同时还受地形条件的限制。为快速精确地进行林木测量,开发设计了便携式数字化智能测树仪。仪器由STM32F103VET6单片机、ov9655传感器、LIS331DLTR倾角传感器、键盘等及其相关电路模块构成。采用相位原理测距,具有±1.5 mm的测距精度。在径高同测模式下,利用摄像头和互补金属氧化物半导体(CMOS)传感器对图像进行处理,能够实现树径的自动识别,再利用所测距离和倾角,实现高度、直径同步测量。仪器还有测径模式,测高模式,测距模式,倾角测量模式,面积计算模式。经实验验证,测径模式下,胸径的平均误差为-0.05 cm,误差在0.50 cm之内的占97.6%。在不同距离下,对不同高度的直径进行测量表明,在最佳距离内可使误差在0.50 cm内。该便携式数字化智能测树仪可满足森林资源调查需求,实现林业数字化。     

一种新的茶叶病变面积比自动测量方法

植物叶病变面积的测量对植物生长发育和病虫害预测有着重要意义。本文以茶叶为例,对茶叶常见病变区域面积与整叶面积比值参数采用计算机图像处理技术进行了自动化测量,通过数码相机对发生病变的活体待测叶片拍照,输入计算机中进行叶片图像预处理、RGB彩色值统计、二值化、颜色分量过滤、像素点统计和指定区域面积比值计算,最终给出茶叶病变面积比自动化计算结果,实验结果表明,本方法在测量叶病变面积比中的有效性。     

利用数码相机测定茶树叶面积的新方法

[目的]简化植物叶片面积测量方法,方便田间测量。[方法]利用数码相机拍照法和硬币辅助数码相机拍照法测量选定茶叶的面积,并将测量结果分别与坐标纸测量法相对比。[结果]利用数码相机拍照法测量云抗10号、黄观音和十里香茶的叶面积的测算误差分别为0.54%、1.60%和5.15%,而利用硬币辅助数码相机拍照法测量的佛香1号、佛香2号、佛香3号、九龙袍、软枝乌龙和十里香茶6个茶树品种叶面积的测算误差范围为1.86%～4.69%。[结论]硬币辅助数码相机拍照法测量结果准确、可靠,特别是适宜于叶面积小的茶树品种,而且可以随时进行测量。     

杜鹃花叶片N/P·LMA与生态适应性关系的初步研究

通过对龙池杜鹃属的31个种32个样品的研究发现,杜鹃叶片氮含量为1.1097%(大白杜鹃)~2.1412%(紫花杜鹃),磷含量为0.0910%(露珠杜鹃)~0.1693%(美容杜鹃),N/P为8.0958(云锦杜鹃)~17.9160(云南杜鹃),LMA为0.0716 mg/mm2(云南杜鹃)~0.2339 mg/mm2(云锦杜鹃)。N/P与LMA呈现显著的负相关(R2=0.5764,P<0.01),表明杜鹃叶片越厚,叶片N/P越低,植物相对生长速率越快,对生态环境适应性越强。