基于相移算法的苹果果梗/花萼检测方法

由于苹果表面缺陷与果梗/花萼具有相似的灰度特征,通过传统机器视觉方法难以对两者进行有效区分。为避免苹果果梗/花萼对其表面缺陷识别造成干扰,该研究提出了一种基于相移算法的苹果果梗/花萼检测方法。通过搭建条纹投影系统,投影仪投射三步相移条纹至苹果样本,摄像机同步采集经苹果表面调制的条纹图像;通过分析发现果梗/花萼区域的条纹图像凹凸性与正常区域存在明显差异,利用三步相移算法恢复条纹图像的截断相位,结合相位偏移、阈值分割和二维凸包算法便可检测出苹果果梗/花萼。试验结果表明：该方法能够有效地区分果梗/花萼和表面缺陷,识别出不同位置和角度的果梗/花萼,整体准确率可达到99.12%;同时能够满足在线检测需求,平均处理时间约为0.479s。该研究可为苹果外观品质检测提供技术支持。     

基于高光谱成像的苹果虫害检测特征向量的选取

利用高光谱成像技术,明确苹果虫害无损检测的最优特征向量,以实现对苹果虫害的快速、准确、无损检测。本文首先对646 nm波长的特征图像进行阈值分割、膨胀与腐蚀运算获得掩膜图像,并利用掩模图像对高光谱图像进行掩模和主成分分析,对获得的PC1(the first principal component,第一主成分)图像进行最大熵阈值分割以有效提取虫害区域。然后对比分析虫害区域与正常区域图像的纹理特征,提取灰度共生矩阵的4个方向的4个纹理参数(能量、熵、惯性矩和相关性),并且采用基于高光谱图像的光谱差值获取了2个特征波长对应的光谱相对反射率作为光谱特征。优化组合纹理特征和光谱特征成4个特征向量组,采用BP(back propagation,反向传播)神经网络对正常苹果和虫害苹果进行检测。结果表明,融合0度方向的能量、熵、惯性矩和相关性的纹理特征和646、824 nm波段的相对光谱反射率的光谱特征进行检测识别效果最好,正常果的识别率为100%,虫害果的识别率为100%,并且速度快、误差小。该研究所获得的特征向量可为开发多光谱成像的苹果品质检测和分级系统提供参考。     

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法,基于高光谱成像技术,该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象,选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先,提取并分析11类果皮感兴趣区域（ROI）光谱曲线并结合主成分分析法确定5个最佳波段（630、685、720、810和 875 nm）;然后基于特征波段做主成分分析,选取第5主成分（PC-5）作为分类识别图像,识别率达到80%。为了进一步提高溃疡识别率,该文又提出采用特征波段主成分分析法与波段比算法相结合的方法,基于此算法溃疡正确识别率提高到95.4%。试验结果表明,基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。     

基于高光谱成像的苹果轻微损伤检测有效波长选取

为了确定可用于苹果早期轻微损伤检测的有效波长,以具有代表性的阿克苏苹果为研究对象,采用高光谱成像技术和分段主成分分析方法对损伤发生仅为半小时之内的苹果进行损伤检测研究,对比分析不同光谱区域主成分分析对识别结果的影响,优选出识别光谱区域(780～1000nm)。基于此光谱区域结合主成分图像权重系数获取2个有效波长(820和970nm),并利用这2个波长和全局阈值理论开发了多光谱轻微损伤提取算法。利用独立测试集中25个正常苹果和25个损伤苹果对算法的性能进行评估,结果表明,正常果的识别率为100%,损伤果的识别率为96%,整体检测精度为98%。该研究所获得的有效波长可为开发基于多光谱成像技术的苹果损伤检测系统提供参考。     

基于高光谱成像技术的灵武长枣缺陷识别

为研究快速识别灵武长枣表面裂痕、虫眼、碰伤等常见缺陷的有效方法,利用特征波长主成分分析法结合波段比算法进行长枣裂痕、虫眼、碰伤识别。首先,采用近红外(Near Infrared Reflection,NIR)波段范围的高光谱成像系统获取300个长枣反射图像,提取并分析各类型长枣光谱曲线,选择918~1 678 nm波段范围进行主成分分析,通过权重系数提取特征波长;然后,对特征波长下图像进行主成分分析,选择最优的主成分图像进行识别;最后,对未识别的长枣图像采用波段比算法进一步进行识别。NIR波段的正常枣、虫眼枣、裂痕枣、碰伤枣的识别率分别100%、90%、86%、100%。结果表明:NIR高光谱成像仪对长枣外部缺陷识别是可行的,为多光谱成像技术应用于在线检测长枣品质提供了理论依据。     

基于激光散斑的梨缺陷与果梗/花萼的识别

为了测试利用激光散斑技术区分梨的缺陷与果梗/花萼的可行性,建立了激光散斑图像采集系统,对皇冠梨缺陷(腐烂)部位以及完好部位(花萼/果梗,无缺陷部位)分别进行了激光散斑图像的采集。利用Fujii方法(Fujii’s method)和加权广义差分方法(weighted generalized differences,WGD)对512幅散斑图像进行分析,对得到的Fujii和WGD结果图进行灰度共生矩阵特征提取,分别提取了角二阶矩、熵、惯性矩和相关性相应的均值及标准差,共计16组特征量。利用ROC曲线(receiver operator characteristic curve,ROC)进行特征量选取,结合约登指数测试单一特征量的分类效果,并利用二元logistic回归方法对所选特征量两两组合进行分析,结果显示基于WGD方法得到的角二阶矩均值与相关性标准差相结合在区分缺陷时效果最好,建模和预测准确率均达到了97.5%。试验的结果表明利用激光散斑图像方法对梨缺陷与果梗/花萼进行识别是可行的。     

基于DT-CWT和LS-SVM的苹果果梗/花萼和缺陷识别

该文提出了一种基于双树复小波变换(DT-CWT)和最小二乘支持向量机(LS-SVM)区分苹果的果梗/花萼和缺陷的方法。对苹果图像使用DT-CWT分解,使用变换后得到的高频子带系数的均值和方差构造特征向量,然后使用最小支持二乘向量机作为分类器进行分类。对180幅苹果图像进行了试验。讨论了DT-CWT分解层数以及目标图像大小对分类正确率的影响。试验结果显示,使用3层DT-CWT对大小为64×64子图像进行小波分解提取纹理特征,能达到最好的分类效果,分类正确率可以达到95.6%。     

自然场景图像中的重叠蜜柚识别及试验

重叠蜜柚目标的准确分离和蜜柚果梗的定位是实现采摘自动化必须解决的两个关键问题。现有的苹果、柑橘等重叠果实分离方法不适用于重叠蜜柚,且无果梗定位功能。针对以上问题,本文提出了一种结合渐进式中心定位的重叠蜜柚分离方法和果梗定位方法。首先利用主成分分析方法提取蜜柚区域、滤除背景并对图像中的重叠蜜柚进行初步分离;接着,对重叠蜜柚区域采用渐进式中心定位方法得到各个蜜柚的中心;然后,利用区域边缘点到其相应的不同中心点的距离大小的变化规律实现重叠蜜柚的分离;最后,利用前述的中心点结合蜜柚的形状特征,定位出遮挡程度较小的蜜柚果梗。在50张自然场景下的图像上进行试验,结果表明在有阴影、小目标、遮挡和重叠等复杂环境下,该方法的平均识别率为94.02%。同时,对于果梗未被遮挡且离摄像头较近的蜜柚,也给出了准确的果梗区域。在利用蜜柚模型搭建的识别自动化试验平台上进行试验,结果表明采摘机器人能够有效识别并分离重叠蜜柚、定位果梗。本研究可为蜜柚采摘机器人准确识别重叠果实提供参考。     

基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法

采摘点的识别与定位是智能采摘的关键技术,也是实现高效、适时、无损采摘的重要保证。针对复杂背景下番茄串采摘点识别定位问题,提出基于RGB-D信息融合和目标检测的番茄串采摘点识别定位方法。通过YOLOv4目标检测算法和番茄串与对应果梗的连通关系,快速识别番茄串和可采摘果梗的感兴趣区域（Region of Interest,ROI）;融合RGB-D图像中的深度信息和颜色特征识别采摘点,通过深度分割算法、形态学操作、K-means聚类算法和细化算法提取果梗图像,得到采摘点的图像坐标;匹配果梗深度图和彩色图信息,得到采摘点在相机坐标系下的精确坐标;引导机器人完成采摘任务。研究和大量现场试验结果表明,该方法可在复杂近色背景下,实现番茄串采摘点识别定位,单帧图像平均识别时间为54 ms,采摘点识别成功率为93.83%,采摘点深度误差±3 mm,满足自动采摘实时性要求。     

基于数字图像处理的苹果表面缺陷分类方法

为了实现苹果分级完全自动化，研究了苹果表面缺陷图像分类方法。提取了苹果表面缺陷图像区域的特征参数。根据表面缺陷特征，同时考虑缺陷形状的投影畸变，提出了一种苹果表面缺陷分类方法。分类方法利用二叉树将一个复杂的多模式分类问题分解为多级的、相对简单的二类模式分类问题,并采用人工神经网络与阈值判别相结合的方法，将苹果表面缺陷分为碰压伤、刺伤、裂果、病虫果和虫伤。试验表明：该分类方法能将苹果表面缺陷进行分类。     

土壤对养分离子吸附特性初步研究

针对土壤本身对养分离子具有吸附固定特性降低了养分的有效性,运用土壤养分状况系统研究法通过吸附试验研究新疆两种土壤对养分离子的吸附固定能力。研究结果表明:棕漠土对P、Zn、Cu的吸附固定能力比潮土强,两种土壤对K、B和Mn吸附固定差异不显著,棕漠土的养分限制因子是N>P>Mn>B,潮土的养分限制因子是N>Mn>P>K,因此施肥时考虑到土壤对养分离子的吸附固定能力确定合理的施肥量。     

基于ZigBee的精准农业模式研究

针对传统农业的局限性,探讨了传统农业生产模式转变为以信息网络为中心的精准农业的生产模式,阐述了ZigBee技术在精准农业中的应用,对系统的硬件进行了设计,并给出了软件流程。运用该系统可有效地降低成本,提高农作物产量。     

基于IHA-RVA法的生态治理对径流演变情势的影响评估

研究流域径流演变情势及其对生态治理的响应,可为流域水资源合理利用和水生态治理提供重要指导。该文依据北洛河上游1964—2014年逐日平均流量和年降水量资料,采用双累积曲线法、双滑动平均法(MASH)和Mann-Kendall趋势检验法对径流过程变化进行了分析研究,采用水文指标变化范围法(IHA-RVA)对5组30个径流指标及其改变度进行了评估,对径流演变成因做了初步分析。结果表明：研究期内年径流呈现减少趋势,且以1979年和2002年为界可划分为基准期、水土保持治理期和生态恢复影响期;汛期流量下降较非汛期明显,减少幅度为35.6%;生态治理影响下径流指标整体水文改变度为74.35%,属于高度改变;5组30个径流指标中发生高度改变的指标占比增加,其中年极端流量组变化度最大,为94.77%。人类活动使得流域河川径流显著减少且波动性减弱,而水土保持、退耕还林(草)措施是核心驱动力。     

基于InVEST模型评估土地整治对生境质量的影响

土地整治通过对土地资源及其利用方式再组织和再优化影响生境斑块之间物质流、能量流的循环过程,从而改变区域生境质量和分布格局。该文以大安市土地整治重大项目为例,采用InVEST模型分析了土地整治对生境质量的影响。研究表明:1)土地整治前(2008年)、整治中(2011年)、整治后(2014年),耕地、草地和盐碱地均为项目区的主要土地利用类型;2)土地整治后,大量的盐碱地和草地转变为耕地,耕地面积由整治前的14.43%上升到71.19%;3)土地整治中,项目区的生境质量得分由整治前的0.194下降到0.189,整治后又上升到0.214;4)土地整治工程改善了项目区的生境质量,但整治完成后生境质量改善效果经历了先下降后上升的过程,在整治完成3~4 a时,生境质量仅比整治前提高了0.06左右,整治完成4 a之后,生境质量开始逐渐好转。研究结果可为土地整治工作中的生境及生物多样性保护工作提供科学依据。     

黄土沟壑丘陵区退耕对土壤侵蚀影响的模拟研究

随着在黄土沟壑丘陵区退耕政策的实施,退耕必将对该地区的水土流失特征产生重大影响。对退耕的水土保持效益进行模拟研究,可为退耕政策的合理实施提供理论依据。选定位于黄土沟壑丘陵区的安塞研究区,在RS和GIS支持下,采用USLE,模拟研究了不同退耕方案对土壤侵蚀的影响。在2001年土地利用的遥感解译图和GIS计算分析基础上设计了8种不同的退耕方案,模拟结果显示,各种退耕方案对土壤侵蚀的减少主要发生在强度及强度以上侵蚀区,退耕后研究区已没有发生剧烈侵蚀的区域,强度和极强度侵蚀明显减少;土壤侵蚀量的减少主要发生在≥25°退耕和≥15°退耕,≥25°退耕还草和还林分别使土壤侵蚀总量减少了19.9%和23.2%,≥15°退耕还草和还林分别使土壤侵蚀总量减少了36.6%和42.6%。≥8°退耕方案和全部退耕方案与≥15°退耕方案相比,水保效益并没有显著差别。     

陆面过程中的水文模式研究

陆面水文过程模拟是解决全球环境恶化与气候异常的最好方法，是当前学术界关注的热点。对陆面过程的涵义、模式的发展、陆面过程中水文参数的描述进行了总结，提出了在陆面水文过程研究中存在的尺度匹配误差、数据共享矛盾、参数不确定性等不足及今后的研究方向。     

农膜污染的防治对策

论述了我国残膜污染的原因、现状及残膜给环境和农业带来的危害 ,并针对目前存在的问题提出了治理对策。     

不同基因型大豆氮效率的研究

通过对不同基因型大豆新大豆1号和黑农40的试验研究,结果表明,施氮对新大豆1号的增产作用不明显,但对黑农40有较好的增产作用;花期黑农40和新大豆1号上、中、下层叶片氮含量都随着施氮量的增加而增加,黑农40叶片氮含量与施氮量的相关系数都达到极显著相关,但新大豆1号没有达到显著水平;施氮对新大豆1号的生物固氮抑制程度高于黑农40,使新大豆1号生物固氮降低36. 3% ~85. 2%。     

试论黄土高原农林复合经营问题

该在阐述农林复合经营含义的基础上，介绍了黄土高原地区的几种农林复合经营模式及其生态经济效益，并对黄土高原实行农林复合经营存在的问题进行了讨论。同时，针对目前的治理状况，认为农林复合经营是治理黄土高原，发展经济的主要途径和技术措施。因而开展农林复合经营研究，有着重要的理论和实践意义。     

黄土高原坡耕地小麦根系分布特征研究

小麦是黄土高原陕西区坡耕地上的主要农作物,为了研究小麦根系整个生长期内在坡耕地上随土层和坡度的分布规律,以陕西杨凌农耕地种植的小麦根系为研究对象,在小麦5个生长期,采用挖土块法调查研究了5个坡度的坡耕地上0—20 cm层内冬小麦根系的分布特征。结果表明:（1）小麦根系各生长期的根重密度、根长密度、根径与坡耕地土层深度和坡度变化都有一定的关系。（2）小麦的根重密度在0—5 cm层最大,随土层深度减小。根重密度随生长期逐渐增大,成熟期达到最大值。当坡度为10°时,生物量最大。（3）根长密度在0—5 cm的最大,随土层深度增加而减小;拔节期达到最大值,随后逐渐减小。根长密度随坡度增加而增加,当坡度为15°时达到最大值。（4）小麦平均根径随土层深度增加而逐渐减少,拔节期达到最大值,随生长期逐渐减小。当坡度为10°时,根系平均直径达到最大值。（5）SPSS处理结果显示根重密度、根长密度、根径与土层深度有线性相关的关系。各根系指标与坡度和生长期也有线性回归关系。