缺素叶片图像颜色和纹型特征参数提取的研究

利用计算机图像处理技术进行作物缺素判别，从颜色和纹理两个方面提取番茄缺氮、缺钾、缺铁和正常4种情况下叶片图像的特征参数，取得了较好的效果。     

基于计算机视觉的番茄营养元素亏缺识别研究

针对番茄种植中营养元素的亏缺,肉眼不易进行识别判断的问题,以番茄亏缺氮、镁营养元素为研究对象,利用CDD摄像机采集研究图像,将图像进行处理后,提取分割出可以表现亏缺氮、镁的特征图像,提取颜色特征和纹理特征,并通过遗传算法进行优化。同时,将优化的特征进行组合分析,以此建立特征模型,并确定特征向量用于分析提取出来的特征参数,建立的特征模型,并采用二叉树形式对番茄缺素识别进行研究。仿真试验结果表明:番茄种植中,采用计算机视觉技术识别亏缺氮、镁营养元素,识别准确率可以满足生产需要。种植户可以根据检测结果对番茄进行区别施肥,既能满足番茄生长的需要,又不会造成资源的浪费,符合农业可持续发展的要求。     

基于无人机图像颜色与纹理特征的小麦不同生育时期生物量估算

为实现小麦生物量田间快速无损监测,开展基于不同密度、氮肥和品种处理的田间试验,应用无人机获取小麦越冬前期、拔节期、孕穗期和开花期4个时期的RGB图像,通过影像处理获取小麦颜色指数和纹理特征参数,并同时期通过田间取样获取小麦生物量;分析不同颜色指数和纹理特征参数与小麦生物量的关系,筛选出适合小麦生物量估算的颜色和纹理特征...     

基于图像处理的植物叶特征提取研究现状

通过对植物叶特征的分析,可以确定植物的种类和生长状态,对于植物研究、指导生产等具有重要意义.传统的叶特征提取方法都是通过人的手工操作完成的,效率较低,而当前可以借助于图像处理技术对叶特征进行自动提取.为此,对基于图像处理的叶特征提取研究现状进行了综述,并对其做了展望.     

基于图像处理技术的麦穗产量测量方法

选用9918小麦品种,利用Matlab图像处理技术,对小麦穗头图像的纹理特征与产量的关系作了初步研究。研究结果表明：穗头图片各纹理特征参数值（灰度均值、方差、平滑度、三阶矩、一致性、熵）与穗头产量均呈显著相关;用多元线性回归方法建立的穗头图像纹理-产量数学模型,在置信度为95%时,复相关系数为0.9807;对于产量大于、等于1.06g的本品种穗头,用建立的模型测穗头产量,精度达15%以上的样本占84.42%。     

沙棘叶水溶性膳食纤维提取工艺研究

沙棘叶SDF提取最佳料液比为1：20。NaOH预处理最佳条件为50目,沙棘叶粉以1：20的比例用蒸馏水调浆,用NaOH调至溶液浓度为0.5%,在50℃条件下预处理2h。纤维素酶提取的最佳工艺条件为：加酶量50uL/g,温度50℃,时间4h,pH7.0。沙棘叶中原水溶性膳食纤维含量为11.38%,采用此工艺提取比原料中提高近2.5倍。H2O2漂白处理的最佳工艺条件为：浓度3%、温度25℃、pH值8.0条件下处理3h。     

基于相关分析技术的近红外光谱信息特征提取

运用信号分析的理论，研究了把相关分析技术应用于近红外光谱信息特征提取的方法.结果表明：通过相关处理，光谱信息特征得到分离和增强，可以作为一种光谱信息特征提取的有效方法用于定性和定量分析，为解决近红外光谱检测中光谱叠加、信息率低等难题提供了一种方法。