基于光谱和Gabor纹理信息融合的油桃品种识别

为实现油桃品种的快速且无损鉴别,对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中,采用偏最小二乘回归(partial least squares regression,简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中,采用主成分分析(principal component analysis,简称PCA)获得主成分图像,并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine,简称LS-SVM)和极限学习机(extreme learning machine,简称ELM)油桃品种判别模型。结果表明,基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%,较单独采用光谱信息和纹理信息的识别率都高,说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别,为农产品无损检测提供参考价值。     

近红外光谱法对食用植物油品种的快速鉴别

以食用植物油为研究对象,建立了一种用近红外光谱技术鉴别食用植物油品种的方法。分别采用系统聚类法、主成分分析法、BP人工神经网络法进行了4个常用品种食用植物油的鉴别研究。结果表明,系统聚类法和主成分分析法均只能鉴别出4种植物油中的大豆油和花生油,不能识别玉米油和芝麻油,鉴别率仅为31.2%;利用BP人工神经网络法将60个校正集样品的11个主成分数据作为BP网络输入变量,建立的3层BP人工神经网络鉴别模型对4种植物油品种的鉴别效果最优,鉴别率为100%,表明BP人工神经网络法具有很好的分类和鉴别常用食用植物油品种的效果。     

基于高光谱图像的水稻种子活力检测技术研究

随着种子活力逐渐受到人们的重视,快速且不破坏种子的活力检测方法逐渐成为研究的热点。试验以不同老化程度的水稻种子为材料,采用高光谱成像技术结合PCA-SVM方法,研究比较了不同活力水平的水稻种子的活力差异。采集两个水稻品种在400~1000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波段;应用支持向量机(SVM)建立水稻种子活力鉴别模型。结果表明,预测的判别率可达100%,说明高光谱成像技术为快速准确无损测定种子活力提供了一条新的途径。     

基于高光谱成像技术的茄子叶片灰霉病早期检测

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.     

基于高光谱图像技术的大豆品种无损鉴别

为解决传统大豆品种检测方法存在的效率低和精度差等问题,应用高光谱图像分析技术展开大豆品种甄别研究。采集10个品种(每品种100粒,共1 000粒)大豆样本400.92~999.53 nm的高光谱反射图像,分别进行中值平滑、多元散射校正和数据标准归一化预处理去噪,提取样本图像中心30×30 pixels感兴趣区域的平均光谱曲线和标准差曲线。分别以样本平均光谱值主成分得分、标准差光谱值主成分得分及两者结合作为模型输入,基于T-S模糊神经网络和随机森林思想组合分类器构建鉴别模型。经中值平滑的光谱平均值和标准差作输入,结合随机森林思想的组合分类模型鉴别效果最佳,训练集、测试集的平均鉴别率分别达99.6%和97.6%。结果表明,采用高光谱图像技术可实现大豆品种高精度无损鉴别。     

基于近红外光谱与 KPCA-SVM鉴别淡水鱼肉

为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型。试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响。结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68%。因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别。     

基于高光谱成像技术鉴别大米品种

大米品质与品种密切相关,因此品种鉴别对实施“优质粮食工程”具有重要意义。采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正（MSC）、二阶导数（2ND）和标准正态变换（SNV）对光谱数据进行预处理。利用连续投影算法（SPA）和主成分分析（PCA）对光谱数据降维。以灰度共生矩阵（GLCM）提取特征波长对应灰度图像的纹理特征。应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法（SVM）的品种鉴别模型。结果表明,光谱-纹理融合特征的分类准确率最高,达到94.12%。利用乌鸦搜索算法（CSA）对模型参数进行优化后,准确率达96.57%。因此,光谱-纹理特征组合下的支持向量机结合乌鸦搜索算法能充分利用高光谱图像的光谱和纹理信息,实现对大米品种的快速无损鉴别。     

基于高光谱成像技术的西瓜种子活力等级分类方法研究

为了探讨水果种子不同活力等级的判别方法,以西瓜种子为研究对象,建立基于偏最小二乘判别（PLS-DA）、极限学习机（ELM）的高光谱图谱信息种子活力判别模型。首先,提取光谱信息,建立西瓜种子活力等级的光谱定性分析模型,结果表明,特征变量筛选方法 UVE（无信息变量消除）结合建模方法PLS-DA得到的效果较好,分类正确率为100.00%,相关系数为0.86。其次,选取图像PC1权重系数,提取波长点为685、790、826、836、855 nm的特征图像,计算平均灰度值,建立基于图像特征的种子活力等级定性分析模型。结果表明,PLS-DA的误判率为6.67%,相关系数为0.85,优于ELM检测模型的误判率（10.00%）和相关系数（0.83）。高光谱成像技术的光谱和图像信息都能较好区分种子的活力等级,但基于光谱信息建立的判别模型优于基于图像特征建立的判别模型。     

基于冻融循环的土壤物理状态的自动判别

以东北典型黑土区土壤为研究对象,采用CT扫描技术与图像处理相结合的方法,通过灰度共生矩阵和主成分分析法提取图像特征,计算测试图像特征向量与训练图像特征向量间的欧氏距离,以此为依据,实现对经历不同冻融循环次数土壤的自动判别。研究结果表明:面向土壤CT图像数据库,基于灰度共生矩阵和主成分分析提取的图像特征,均能实现对土壤的自动判别,但灰度共生矩阵法的判别正确率要高于主成分分析法。     

基于高光谱和卷积神经网络的鲜枣黑斑病检测

[目的]为实现鲜枣黑斑特征的识别,提高鲜枣附加价值,采用高光谱成像技术采集了不同年份完好和黑斑鲜枣的信息。[方法]基于全波段光谱,采用偏最小二乘判别分析(Partial Least Squares-Discriminant Analysis,PLS-DA)和误差反向传播神经网络(Back Propagation Neural Networks,BP-NN)建立单一年份和联合年份的判别模型。采用连续投影算法(Successive Projections Algorithm,SPA)提取联合年份的特征波长;利用主成分分析进行单波段图像的数据压缩,针对主成分图像采用BP-NN和卷积神经网络(Convolutional Neural Networks,CNN)进行黑斑鲜枣识别。[结果]联合年份所建PLS-DA、BP-NN模型的整体判别正确率均达到了99.2%,比单一年份所建校正模型的整体判别准确率高,但单一年份所建模型中BP-NN比PLS-DA的判别精度高;采用SPA提取联合年份的特征波长后所建BP-NN判别模型的正确率为100%;基于主成分图像所建BP-NN和CNN模型的判别正确率分别为78.3%和90.0%。[结论]收获年份是影响校正模型稳定性的一个重要因素,联合年份所建校正模型比单一年份所建校正模型具有更好的预测能力;同时CNN可成功应用于基于高光谱技术的鲜枣黑斑特征识别中,也为其它农产品品质检测提供了新方法。     

Identification of nine Iranian wheat seed varieties by textural analysis with image processing

Applying machine vision techniques to classify wheat seeds based on their varieties is an objective method which can increase the accuracy of this process in real applications. In this study, several textural feature groups of seeds images were examined to evaluate their efficacy in identification of nine common Iranian wheat seed varieties. On the whole, 1080 gray scale images of bulk wheat seeds (120 images of each variety) were acquired at a stable illumination condition (florescent ring light). Totally, 131 textural features were extracted from gray level, GLCM (gray level cooccurrence matrix), GLRM (gray level run-length matrix), LBP (local binary patterns), LSP (local similarity patterns) and LSN (local similarity numbers) matrices. The so-called stepwise discrimination method was employed to select and rank the most significant textural features of each matrix individually as well as features of all matrices simultaneously. LDA (linear discriminate analysis) classifier was employed for classification using top selected features. The average classification accuracy of 98.15% was obtained when top 50 of all selected features were used in the classifier. The results confirmed that LSP, LSN and LBP features had a significant influence on the improvement of classification accuracy compared to previous studies.     

冬油菜新品种筛选及灰色综合评判

[目的]通过对不同冬油菜品种在新疆地区综合性状的比较,筛选适合新疆种植的冬油菜品种.[方法]应用灰色评判分析法,对10个冬油菜品种的10项性状进行综合评判,将众多性状视为灰色系统,综合为一个整体进行比较,以综合性状的优劣对品种做出评价.[结果]陇油9号、陇油7号的灰色综合评判值G＞0.847,为一级品种;陇油6号、天油4号、陇油8号的灰色综合评判值G介于0.703 ～0.785,为二级品种;其余5个品种的灰色综合评判值G＜0.677,为三级品种.[结论]陇油9号、陇油7号为新疆冬油菜生产应用首选品种.     

基于ETM~+的遥感影像信息提取研究

以沈阳市苏家屯区为试验区,对ETM+图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的.利用光谱信息提取水体、植被;采用基于灰度共生矩阵的纹理量的分类法,通过TM5波段提取灰度共生矩阵和灰度联合矩阵,计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离,得到最终的分类结果.结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度.     

1979～2007年江苏省油菜区域试验参试品种产量分析

应用1979～2007年28个年度江苏省油菜品种区域试验汇总资料,对参试品种产量进行了分析,结果表明:区试参试品种及对照种单产比江苏省油菜单产高,但随着江苏省油菜生产水平不断提高,区试参试品种及对照种单产与江苏省油菜单产之间的差距呈下降趋势.区试参试品种单产后10年比前10年增加了10.53%,增加显著,对照单产年度间变化不大.参试品种间单产水平差距在逐渐减小,参试品种与对照种单产差距也在逐渐减小.参加区试的杂交组合年平均单产较常规品种高,1995～2007年12年来杂交组合比常规品种单产平均增加8.91%,增产显著.     

早熟、高含油量油菜新品种玉红油3号、4号的选育及良种繁育技术

云南省是我国油菜主产省份之一,种植面积达到30万hm2,旱地油菜面积占55%,针对山地油菜生产中对早熟、高稳产型油菜品种的迫切需求,云南省玉溪市红塔区种子管理站于2006年引进国内优异品种,与本地优质、高产、抗逆性强主栽品种杂交,经一年多代筛选鉴定、品质同步检测育成早熟、高含油量、高稳产油菜新品种玉红油3号、4号,玉红油3号2014年通过云南省品种审定(审定编号: 滇审油菜2014003号),玉红油4号2016年通过云南省品种审定(审定编号: 滇审油菜2016004号)。早熟、高含油量山地油菜新品种的选育成功,促进了玉溪市及云南省油菜产业发展。民以食为天,农以种为先,玉红油3号、4号良种繁育技术主要是严格遵行原原种、原种和生产种繁育技术和隔离制度,确保种子质量。     

基于高光谱成像技术的生菜叶片水分检测研究

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。     

北方寒旱区白菜型冬油菜抗寒性与抗旱性评价及其关系

【目的】研究冬油菜的抗寒性和抗旱性,探讨抗寒与抗旱之间的关系,为中国北方白菜型冬油菜的改良及抗寒性和抗旱性的综合评价提供可借鉴的方法和理论依据。【方法】分别通过自然降温处理（15℃--5℃）和人工控制水分的方法（干旱胁迫4、7和10 d）分别对6份不同抗寒等级冬油菜摸拟低温和干旱胁迫,分析其形态、生理生化和生长指标的变化,采用隶属函数法、相关性分析法、聚类分析法、主成分分析法对不同品种的抗寒性和抗旱性进行综合评价。【结果】6份冬油菜品种越冬率相差很大（20.1%-94.7%）。抗寒性强的品种植物学形态特征表现为幼苗匍匐贴地生长、生长点洼陷低于地表、叶色深绿色、真叶刺毛多。且低温胁迫之后抗寒生理生化指标变化明显,相对电导率和MDA（丙二醛）含量增加,且抗寒性强的品种增加幅度小;SOD、POD、CAT酶活性升高,可溶性蛋白、可溶性糖、游离脯氨酸等调节性物质含量明显增加,且抗寒性强的品种变化明显,差异显著。随着干旱胁迫时间延长,膜结构首先遭到破坏,相对电导率和MDA含量升高,细胞失水,叶片相对含水量、束缚水/自由水、叶绿素含量降低（光合作用降低）,幼苗苗长、叶片和根鲜干重降低,直到幼苗萎蔫,且抗旱性强的品种变化幅度小,同时抗旱性强的品种叶片保水能力强、土壤耗水少、萎蔫系数小。通过主成分分析,6份冬油菜的抗寒性强弱依次为陇油7号＞陇油6号＞陇油9号＞延油2号＞天油2号＞Vision,而抗旱性强弱依次为陇油6号＞陇油7号＞陇油9号＞延油2号＞Vision＞天油2号。【结论】中国北方寒旱区低温、干旱并存,不同冬油菜品种间抗寒性和抗旱性差异较大,由于产生了交叉适应性,在抵御低温冻害的同时提高了对干旱胁迫的适应性,因此,白菜型冬油菜抗寒性强的品种一般抗旱性也比较强。     

Evaluation of a UAV-mounted consumer grade camera with different spectral modifications and two handheld spectral sensors for rapeseed growth monitoring: performance and influencing factors

The objective of this study was to evaluate the crop monitoring performance of a consumer-grade camera with non-modified and modified spectral ranges which are commonly used in low-altitude unmanned aerial vehicle (UAV) platforms. The camera was fixed sequentially with seven types of filters for collecting visible images and near-infrared (NIR) images with different center band locations and bandwidths. Meanwhile, field-based hyperspectral data and normalized difference vegetation index (NDVI) measured by a GreenSeeker handheld crop sensor (GS-NDVI) were collected to examine the accuracy of rapeseed growth monitoring in terms of vegetation indices (VIs) derived from UAV images. Results showed that the UAV-based RGB-VIs and optimal NIR-VIs had similar accuracy for predicting GS-NDVI. Moreover, similar results were achieved based on the hyperspectral data, indicating the importance of spectral characteristics for GS-NDVI estimation. However, the UAV-based results also indicated that the performance of VIs derived from the band combinations containing longer NIR center wavelengths and narrower bandwidths was obviously poorer than that of the RGB-VIs. The image quality of the NIR band was also found to be inferior to the visible band based on quantitative analysis, which also revealed that image quality had great impact on UAV-based results. Image quality was then related to the effects of camera exposure, spectral sensitivity, soil background and dark areas. The results from this study provide useful information for camera modifications by selecting appropriate filters that not only are sensitive to crop growth, but also ensure image quality.

     

油菜产量与主要性状的灰色关联度分析

[目的]通过对油菜产量与相关性状的灰色关联度分析,为油菜育种中对数量性状的选择提供参考.[方法]利用灰色系统理论中的关联度分析法对11个油菜品种的9个农艺性状及单株产量进行分析.[结果]油菜单株产量与其相关农艺性状的关联度为:生育期0.6253、株高0.6343、分枝部位0.6421、第一次有效分枝数0.6458、主花序有效长度0.5911、主花序有效角果长度0.5775、单株有效角果数0.5917、每角粒数0.5983、千粒重0.6762;关联序为:千粒重>第一次有效分枝数>分枝部位>株高>生育期>每角粒数>单株有效角果数>主花序有效长度>主花序有效角果长度.[结论]在油菜育种中,应加强对千粒重、第一次有效分枝数的选育力度.     

基于模糊灰色预测模型的油菜产量预测

把模糊数学和灰数学有机的结合为模糊灰色预测FGM（1,1）模型,并应用到油莱产量的预测上,实例分析发现FGM（1,1）模型预测我国油菜产量具有较高的预测精度。