病虫害状态下作物叶片表观模拟方法

为了解决农作物病害三维场景难以模拟的问题,该文提出一种病虫害条件下叶片表观的模拟算法。该方法首先利用细胞纹理基函数控制病斑的形状、分布及扩散方式;之后为了模拟病斑在叶片上的堆积效果,采用shell模型进行模拟,并针对病斑的特点,对病斑的颗粒感、高度变化以及周边叶色的变化情况均进行建模。试验结果表明,该方法可以真实地模拟植物叶片在病害状态下的表观,可以容易地与病害知识进行结合,实现基于环境数据驱动的白粉病病情变化过程模拟,为数字农业设计及农业科普培训动画的制作提供有力工具。     

基于变化光源方向多图像的植物叶片表观三维模拟

为了真实准确地模拟植物叶片表观颜色,提出一种基于多图像的叶片表观模拟方法。首先搭建基于线性光源的表观图像采集系统,用以获得400张视线角度固定、光源方向变化的叶片图像集合;采用拟合方法自动地从400张图像中获得整个叶片表面的表观特征参数,包括漫反射强度、高光反射强度和粗糙度;利用该拟合方法对线性光源移动条件下理想物体的各种反射特征的变化情况进行仿真计算,然后针对叶片图像中的每个像素寻找与仿真计算结果最接近的表观模型参数作为拟合结果。通过该拟合方法,可将叶片表面上各个位置的表观参数合成3张表观参数图像,采用基于点光源的实时光照方法测试最终的可视化模拟效果。从模拟结果中可以看出利用该文方法得到的结果能够真实地表现叶片自身的表观质感特性,相对于传统方法更加真实准确。     

基于农学参数的玉米叶片表观建模与可视化方法

为提高农业题材三维数字媒体内容制作效率,提出基于SPAD(soil and plant analyzer development)和生育期农学参数的作物叶片表观建模与可视化方法,并以玉米为例进行实际验证.将玉米叶片分成叶肉、一级叶脉、二级叶脉3种结构,首先获取主要生育期下各结构表观材质(包括漫反射强度、透射强度、高光反射强度、粗糙度4种参数)及SPAD数据;之后构建各类表观材质参数与SPAD及生育期之间的定量化模型;再对玉米叶片纹理样式进行抽象,构建参数化的玉米纹理结构几何表达,并基于定量化模型为纹理结构分配表观参数;最后整合实时光照计算框架,对大田光环境下玉米表观进行可视化模拟.该文方法搭建了农业知识与三维可视化效果间的桥梁,使用户可以通过调整农学参数实现对作物叶片表观的快速、准确设计与制作,为农业题材的三维数字资源开发提供技术工具.     

基于显著和模糊检测的浅景深作物病害图像分割

大多数现有的基于图像的作物病害诊断方法往往对输入图像的质量具有很高的要求,例如要求背景简单、大景深等等。因此这些方法的预处理过程中需要去除复杂背景,然而这个预处理较难获得理想的结果。此外,当作物病斑面积较小时,会使得获取的图像景深较浅,也导致了这些方法难以抽取精确的病斑区域。为了解决上述问题,该文提出一种利用目标检测来分割病斑图像的方法。首先,该方法对抽取的结构特征和颜色特征进行整合并对特征空间进行量化,从而得到作物病害图像的显著区域。该方法不需要进行去除复杂背景的预处理过程即可得到病斑区域的图像;同时,为了处理浅景深的病害图像,引入了模糊检测方法用以进一步过滤背景和模糊区域的图像。试验中利用多种黄瓜和水稻病害的图片,将该方法与阈值法、图切割法进行了对比,结果表明该方法在效率不明显降低时,其分割效果明显优于阈值法;在分割效果差异不大时,其运行效率明显高于图切割方法;同时,该方法能够对浅景深的作物病害图像的病斑区域进行有效的分割。     

基于融合多特征图切割的作物病害图像自动分割

为提高黄瓜叶部病害图像的分割性能,该文提出一种基于融合多特征图切割的病害图像自动分割方法。首先采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理;然后融合纹理、灰度、距离3个特征构建能量函数的边界项,描述像素间的相似性;再利用分割区域像素与区域边界像素的红色分量差值自动建立能量函数的区域项,反映像素归属于背景和目标的程度;最后运用最大流算法求解能量函数得到分割结果。将该方法应用于黄瓜3种病害(靶斑病、霜霉病和白粉病)叶部图像分割中,并与OTSU算法及半自动图切割算法的分割结果进行比较。试验结果表明,该方法的平均错分率为1.81%,低于其他2种算法,平均分割速度约为2.34 s并无大幅增加。该研究可为黄瓜病害的自动识别和诊断提供技术参考。     

基于模糊C均值聚类的作物病害叶片图像分割方法研究

为提高作物病害图像的分割效果,根据作物病害图像的特点,提出了一种基于模糊C均值聚类算法(FCM)的作物病害图像自适应分割方法.该方法将像素的灰度与其邻域均值作为FCM的输入特征,变换FCM的隶属度函数使其包含图像的局部邻域特性;通过聚类有效性验证分析和试验确定模糊C均值聚类算法(FCM)的最优聚类数、模糊加权指数.运用该方法对棉花病害叶片图像进行分割.结果表明:该方法能较好将病斑部分和正常部分分割开,平均分割误差率小于5%,对作物病害图像的分割处理非常有效.     

单图像的植物器官表观纹理生成系统研发

为提高农业题材三维数字媒体内容制作效率,解决植物器官表观纹理制作流程繁琐的问题,研发了基于单图像的植物器官表观纹理生成系统。该系统分为漫反射强度纹理、透射纹理、高光纹理、法向量贴图、环境遮蔽图以及表观纹理实时可视化6个模块。漫反射强度纹理生成模块采用基于能量约束的本征图像分解方法将植物器官图像分解为漫反射纹理以及光照图;透射纹理生成模块以PROSPECT模型为理论基础,反演植物叶片透射与反射的统计学关系,利用漫反射纹理生成透射纹理;高光参数纹理生成模块采用交互式操作,基于用户对少量样本点的高光表观参数设定,根据概率插值出整个器官表面的高光参数,进而形成高光强度纹理和粗糙度纹理;法向量贴图模块在阴影恢复形状技术的基础上,综合低频和高频特征生成法向量贴图;环境遮蔽图生成模块通过简单的亮度倍增操作,将光照图转换成环境遮蔽纹理;表观纹理实时可视化模块利用上述生成的表观纹理进行实时的器官三维渲染,为用户提供反馈。系统仅需调节3个参数即可生成6种样式丰富的器官表观纹理,操作简捷,自动化程度高。在处理512×512分辨率的图像时,生成6种表观纹理的总计算时间小于8 s。结果表明,该系统可以通过简单的操作,高效生成三维植物可视化中常用的表观纹理,为农业题材的三维数字资源开发提供技术工具。     

作物病虫害遥感监测研究进展

农作物病虫害监测目前在数据采集上主要依靠植保人员田间调查、田间取样等传统方式,不仅耗时、费力,而且存在以点代面的代表性差、主观性强和时效性差等弊端,难以满足大范围病虫害实时监测的需求。近年来遥感技术的发展,为大面积、快速获取作物和环境信息提供了重要的手段,是未来大面积病虫害监测和预测预报与产量损失评估的重要手段。该文在阐述植物病虫害胁迫光谱响应的生理机制的基础上,对目前病虫害遥感监测中所常用的光谱敏感波段及植被指数进行了汇总、整理,并对病虫害识别、严重度监测和损失评估等方面所使用的算法进行了综述。在此基础上,指出了目前作物病虫害遥感监测中尚需解决的关键技术问题,并就如何实现大面积作物病虫害遥感监测提出了解决思路。     

田间作物群体三维点云柱体空间分割方法

农田作物群体表型信息对于研究作物内部基因改变和培育优良品种具有重要意义.为实现田间作物群体点云数据中单个植株对象的完整提取与分割,以便于更高效地完成作物个体表型参数的自动测量,该研究提出一种田间作物柱体空间聚类分割方法.利用三维激光扫描仪获取田间油菜、玉米和棉花的三维点云数据,基于HSI(Hue-Saturation-...     

基于体着色的植物构型三维重建和可视化模拟

对植物进行三维重建通常利用立体视觉原理,由于立体匹配无法自动完成,加大了对植物构型时空变化的研究难度。根据体素颜色赋值法,设计了记录植物空间变化的体素三维重建系统,并利用其重建出植物点云数据,提出了针对植物体素点云数据进行滤波、分类及提取植物构型信息的算法,基于OpenAlea利用植物构型信息,建立植物构型模型并实现可视化模拟。采用阴香（Cinnamomum burmannii）枝条作为样本对该三维重建系统进行验证,结果表明,该系统能够自动重建枝条构型组织茎叶的点云,抽取植物构型信息的算法能快速正确得到枝     

基于立体视觉的玉米雄穗三维信息提取

玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunays三角网方法计算其外包络体积信息,并基于点云信息对雄穗主轴和最大穗冠的结构参数进行计算,同时定义了相关表型参数。用实测结果验证计算结果:分枝数统计结果的最大绝对误差为2,RMSE(root mean square error)为1.03,n RMSE(normalized root mean square error)为0.05;主轴长度,主轴最大/最小直径,最大穗冠高度和最大穗冠直径的R~2分别为0.99,0.82,0.83,0.97和0.93,均达到极显著相关水平。研究提出的相关表型参数和其提取方法在育种研究中具有应用潜力,为田间高通量雄穗信息的快速提取提供了参考。     

基于MDMP-LSM算法的黄瓜叶片病斑分割方法

在复杂背景中有效分割作物病斑是解决作物病害识别的关键问题。针对这一问题,该文提出了一种全新的多域多相水平集方法。利用病斑在空间位置上处于叶片轮廓内的特点,构造出基于内部顺序的多相水平集模型。为了加强该模型对复杂背景下作物叶片病斑的分割能力,首次在该模型中引入多个空间域,构造出新的多域多相水平集模型,使内外水平集函数分别在不同空间域中进行演化。试验结果平均分割准确率为93.3%,较好地从复杂背景图片中提取出病斑,为病害诊断奠定了基础。     

基于三维打印的型孔排种轮制造技术

型孔排种轮是机械式排种器的核心部件,利用传统方法加工不规则型孔很难满足精度和成本的要求。三维打印（3DP）技术不同于传统加工方法,其是从零件的CAD模型出发,直接打印出物理实体。本文运用三维软件Pro/E对型孔排种轮进行建模,把模型文件导入三维打印机前处理软件内进行分层处理,并通过三维打印机打印出物理实体。三维打印技术缩短了试制时间,并且不受零件复杂程度的限制,制造出的型孔排种轮加工精度满足要求,该技术在复杂农机产品设计与制造中应用前景广阔。     

基于Dualex氮平衡指数测量仪的作物叶绿素含量估算模型

作物叶绿素含量的实时、无损及快速的监测,对及时掌握作物的胁迫状况、营养水平及环境适应性,进而对农田管理进行科学指导具有重要的意义。该研究论证是否可以通过Dualex氮平衡指数测量仪构建通用的叶绿素含量估算模型,以期实现叶绿素含量的快速及无损监测和估算。结果表明：1）Dualex估测叶绿素质量分数（Chl-M）和单位面积的叶绿素质量（Chl-S）具有较好的精度（决定系数R2分别为0.77和0.88）,与SPAD叶绿素仪的估算模型（R2分别为0.66和0.79）相比,模型精度更高;2）Dualex估测Chl-S的精度明显高于Dualex对Chl-M的估测精度,Dualex与Chl-M的关系需要考虑叶片厚度的影响,而Dualex与Chl-S的线性关系更加一致;3）构建的Chl-S通用模型的R2,均方根误差和标准均方根误差分别为0.88,4.80 mg/dm2和8.33%,模型的精度较高,并且通用模型的数据范围为12.2～105.6 mg/dm2,较大的数据范围适用于冬小麦和玉米各关键生育期Chl-S的估算。该研究为Dualex实现冬小麦和玉米叶绿素含量监测和估算提供校准模型,为及时了解作物养分状况及作物营养诊断提供了参考。