图像处理法测定油菜叶面积的研究

利用数码相机获取油菜叶片的图像,采用基于Photoshop图像处理法对油菜叶面积分析测定,并与叶面积仪测定法、方格法的测量结果进行回归分析。结果表明,该方法与其他2种方法的测定结果存在极显著线性相关,相关系数R~2分别为0.981和0.989;在用图像处理法对叶面积测量时,不同的拍摄角度和分辨率对叶面积的测定无显著影响。该方法具有简单、快捷、准确、易普及等优点,为植物叶面积的快速测定提供了比较好的方法。     

基于高光谱的油菜叶面积指数估计

以冬油菜为研究对象,2014-2015年度设计了不同施氮水平直播油菜小区试验,在不同生育时期测量冠层光谱、土壤背景光谱以及叶面积指数(leaf area index,LAI),通过相关分析选取了12个光谱特征参数和11个植被指数,建立6叶期至角果期LAI的5种线性和非线性定量反演模型。结果表明:二次多项式反演模型比较适合估算油菜LAI苗期时以红边参数为代表的光谱特征参数,可准确估算出LAI;6叶期时红边幅值预测模型R~2为0.81,RMSEP为0.39,RPD为1.62;8叶期时红蓝边面积比归一化预测模型R~2为0.79,RMSEP为0.60,RPD为2.30;10叶期时红边幅值预测模型R~2为0.92,RMSEP为0.47,RPD为2.36;盛花期时蓝边面积预测模型R~2为0.87,RMSEP为0.34,RPD为2.57;角果期时以RDVI为代表的植被指数也可准确估算出LAI,预测模型R~2为0.74,RMSEP为0.57,RPD为1.36。油菜全生育期采用相同光谱特征参数、植被指数建模估计LAI精度明显降低,预测R~2远小于0.75,RMSEP大于0.65,RPD值均小于1.40,表明难以采用统一参数建模准确估计油菜全生育期LAI,不同生长时期需选择合适的光谱参数、植被指数分段建模估计LAI。     

基于计算机视觉的小麦叶面积测量

运用计算机视觉技术对目标作物小麦的侧拍、俯拍图像进行识别处理,计算出相应叶片所占面积大小,从多变量因素对其测量分析,与叶真实面积大小进行比较,分析建立关系模型。结果表明,小麦植株的侧拍、俯拍面积与叶真实面积之间存在回归关系,且相关性较高,R~2值达到0.91。且经过验证,测量结果较准确,说明此回归模型可行。     

甘蓝型油菜叶面积测定方法的研究

通过方格计数法、打孔法和叶面积仪法分别测定了油菜的无柄叶、短柄叶和长柄叶的叶面积,并对不同的叶片参数与叶面积进行了回归分析。结果表明:同一功能叶通过方格计数法、打孔法和叶面积仪法测定的叶面积均无显著性差异,3种方法测定结果的相关系数都在0.99以上,因此均可作为甘蓝型油菜面积准确测定的方法;根据系数回归法的结果分析,叶片的长宽积与实测叶面积的拟合度最高,最能反映实际叶面积的叶片参数。     

基于计算机视觉的鸡蛋表面积估算方法

鸡蛋表面积参数已广泛应用于蛋品加工业以及生物学的研究上,但其传统手工检测方法存在着效率低的缺点.基于计算机视觉技术,提出了一种像素面积投影法来计算三维目标的表面积,该方法简单易于实现,且对任意不规则目标表面积的估算都适用.以3种特殊曲面的表面积为例,验证了该估算方法的精确度.通过对鸡蛋建立旋转椭球数学模型采用像素面积投影法进行了计算,并与实验数据对比,二者相对误差小于10%,满足实际工程需求.     

计算机视觉摄影测量的数学模型

计算机视觉摄影测量模型是通过计算机视觉进行事故现场测量系统设计的基础,根据摄像机成像基本关系,建立了描述空间点及其二维成像间的摄影测量数据模型考虑了成像系统的对称性镜头畸变误差,建立了线性摄测数学模型,通过试验分析了模型的理论精度和标定精度。     

基于计算机视觉的杜鹃自动分级方法

随着我国花卉产业的蓬勃发展,花卉的自动化生产已经成为了必然趋势。提出了基于计算机视觉的杜鹃分级方法,对杜鹃的侧视图、俯视图进行图像分割,通过分析计算,得到株高、冠径、花盖度、花朵分布均匀度4项关键指标。对60盆杜鹃的分级试验结果表明,综合分级正确率达96.7%,其中株高的平均测量误差为5mm,冠径的平均测量误差为7mm,而对花盖度及均匀度的分级正确率分别达98.3%和96.7%,并可测出准确的分级参数,用于杜鹃的培育分析。该分级方法准确,实时性高,为杜鹃自动化分级提供了有效的途径。     

基于计算机视觉的水稻三维重建方法

利用多幅多角度的拍摄方法对二维图像进行采集,通过数字化处理得到单株水稻各视角侧面投影及轮廓图像。然后使用基于计算机视觉的三维重建方法,构造单株水稻的可视立体包络,从而得到单株水稻的三维立体像素模型。使用移动立方体算法对单株水稻立体像素模型进行外围表面重建,最后得到单株水稻三维重建模型。     

木质材料表面粗糙度计算机视觉检测技术的研究

本文阐述了目前国内外现有测量技术的研究现状,提出计算机视觉检测技术是一种适宜的新兴的测量技术,并对其进行了初步的研究。结果表明:具有非接触、高速度和三维测量等优点并与触针式轮廓法具有明显的数据相关性。进一步完善后该方法可用于木质材料表面粗糙度的分类和在线实时测量中。     

基于计算机视觉的三维重建技术综述

计算机视觉三维重建技术现在所拥有的种类非常多,并且还处于飞速发展阶段。这其中,从多年研究运动恢复结构法,并取得突出成果的单目视觉三维重建技术,是计算机视觉三维重建技术的非常重要的一个组成部分,主要对从运动恢复结构法的实际应用和发展加以陈述并研究其未来的发展方向,来综述几个比较有代表性的三维重建技术。     

12个甘蓝型油菜杂交种在周口地区的表现

采用完全随机区组设计,3次重复,对秦优7号等多个杂交油菜品种在河南周口地区的产量、农艺性状、生育期、抗逆性以及品质性状进行综合比较,旨在筛选出适合周口地区种植的甘蓝型油菜品种。结果表明,秦优7号、秦优10和秦优33等3个品种在丰产性和抗逆性以及品质性状等多方面表现优良,可在周口地区推广种植。     

计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术识别水果表面缺陷，提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征，实现了缺陷与果梗、花萼的区分。试验结果表明，该方法检测速度快，正确率高，能够满足计算机视觉进行在线检测的要求。     

计算机视觉技术在水产养殖中的应用

介绍了计算机视觉技术的概念及其系统组成,综述了计算机视觉技术在鱼种及形状识别、鱼只计数、鱼体尺寸和重量测量、投饵监控和鱼的行为监测中的应用。     

油菜全程机械化生产技术示范与研究

江苏省扬州市江都区农业技术推广中心在国家油菜现代产业技术体系扬州综合试验站的技术支持下,开展油菜(Brassica napus L.)机械条播、毯状苗机械移栽、菌核病飞行器喷防、机械收脱等生产技术的示范和研究。通过两年的示范研究,初步实现了油菜全程机械化生产,同时示范研究的结果为油菜全程机械化生产技术的大面积推广提供技术依据和生产指导。     

计算机视觉测量中CCD摄像机参数的校正

在分析摄像测量坐标系的基础上，根据坐标变换的基本原理，建立了立体视觉中使用的ＣＣＤ摄像机几何模型，确定了校正系数和像距的分析与测量方法，并通过试验测得了校正系数，强调了影响校正系数测量的主要参数。     

基于计算机视觉的大米外观品质检测

提出了利用计算机视觉系统代替人眼对黄粒米、粒型等大米外观品质参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米外观品质检测算法。在对不同的大米图像处理的基础上，完成了对大米的黄粒米、粒型等的测定。实验结果表明，本算法及程序设计是有效可靠的。     

计算机视觉技术在玉米生产管理中的应用

计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。     

基于计算机视觉的棒材在线计数系统研究

以计算机视觉技术为基础,利用色彩与阈值相结合的分割算法将端面目标从复杂的背景中分割出来,运用形态学处理方法实现端面边缘的快速检测,通过边界追踪算法提取连通区域的边界长度来实现棒材的计数．该系统较好地解决了粘连和堆叠棒材的准确计数问题,实时性好,可靠性高．     

假单胞菌HYS菌株对油菜种子发芽的影响

为了研究假单胞菌HYS菌株及其上清液对油菜种子发芽的作用,采用LB培养假单胞菌HYS菌株,分别用水(CK)、LB和HYS菌液浸种油菜种子或在油菜发芽过程中分别添加这3种液体。结果表明,HYS菌液浸种不影响油菜种子最终的露白和发芽,但显著抑制油菜种子的露白和发芽进程;在油菜发芽过程中添加HYS菌液也会抑制油菜种子的露白进程,同时还抑制油菜种子的发芽和芽苗生长,而LB抑制油菜根的生长。油菜在发芽过程中,头1~2 d感染HYS菌株则显著抑制油菜种子的发芽,且感染时间越早其抑制效果越强,连续感染HYS菌株对油菜种子发芽和芽苗生长的抑制作用更强,且这种抑制作用主要在发芽的头1~3 d发挥作用。将HYS菌液离心过滤除菌,用水倍比稀释LB和上清液后培养油菜种子,发现上清液经100和1 000倍稀释后促进油菜种子的发芽。上述结果表明假单胞菌HYS菌株在油菜种子发芽和早期生长过程中不适宜用其进行生物防治,但适当稀释HYS上清液可促进油菜种子发芽和生长。