基于热红外成像技术的小麦病害早期检测

实现对受到病原侵染的小麦植株进行早期检测,对于小麦病害的监测预警和及早防治具有重要意义。为研究热红外成像技术早期检测小麦病害的可行性,该研究以小麦条锈病为例,以健康小麦植株、条锈病潜育期和发病期小麦植株为试验材料,利用热红外成像技术采集他们的热红外图像和叶片温度,在潜育期内连续检测其热红外图像和叶片温度随接种天数的变化。通过图像对比发现,接种后第5天,肉眼观察热红外图像可将受到侵染但未显症的小麦植株与健康植株区分开来。进一步数据处理,表明接种后第3天处于条锈病潜育期的小麦植株叶片平均温度和不同部位最大温差分别比健康植株叶片的低0.08℃和高0.04℃(P0.05),可将处于条锈病潜育期的小麦植株与健康植株区分开来。随着接种后天数的增加,处于条锈病潜育期的小麦植株叶片的平均温度和最大温差与健康小麦植株叶片的差异逐渐增大。接种后第12天,接种小麦植株叶片平均温度比健康植株叶片低1.22℃,接种小麦植株叶片最大温差比健康植株叶片高1.58℃。可见,利用热红外成像技术可以早期检测到小麦受到病原侵染后的温度变化,热红外成像技术作为一种小麦病害早期检测的方法是可行的。     

基于热红外成像的温室番茄植株水分评估方法

为在诸多热红外指标中筛选出可靠的作物水分评估指标并探明其最优获取方法与最佳监测时段,该研究以西北旱区主要经济作物番茄为试验材料,设置2个灌水量水平（充分灌溉和1/2亏缺灌溉）,通过对比3种干湿参考平面的选取方法（干湿红织物、干湿绿织物、人工喷涂介质）,量化了包括作物水分胁迫指数（Crop Water Stress Index,CWSI）、相对气孔导度指数IG、叶片温度Tleaf、叶气温差ΔTleaf-air在内的4个常用热红外指标与植株生理指标（气孔导度gs、光合速率An、叶水势φleaf）间的响应关系,并明确了利用热红外成像技术进行番茄植株水分评估的最佳测定时段。结果表明,以干湿红织物作为参考平面测得的CWSI与gs、An、φleaf间决定系数R2分别达0.687、0.698、0.669,IG与gs、An、φleaf间决定系数R2分别达0.707、0.661、0.663,在3种方法中均最为显著。在12:00-14:00时段热红外指标CWSI与植株生理指标gs、An、φleaf相关性和IG与植株生理指标gs、An、φleaf相关性均为最高,是利用热红外成像技术进行番茄植株水分监测的最佳时段,根据获得的相关函数可实时预测叶片缺水指标,依此判定植株水分状况并作为制定灌溉制度的依据。     

日光温室热工缺陷面积热红外图像测量方法

隔热层和气密性缺陷是日光温室保温蓄热性能差的重要因素,为了快速检测日光温室热工缺陷区域及测量该区域的面积,该文借助热红外成像仪和Lab VIEW软件平台,构建了基于热红外图像的日光温室热工区域面积测量方法。以陕西杨凌西北农林科技大学园艺场日光温室北墙风口为测试对象,通过现场实测数据与理论计算结果进行比较分析。首先,利用热红外成像仪实时检测出日光温室北墙通风口表面与墙体内表面存在的明显温度差异,其最大温差高达8.4℃。基于温度差异,能快速找出温室内围护结构不同位置所存在的明显散热区域。然后通过直方图法、均方根法和人工提取法分别计算了散热区域面积,其中直方图面积测量方法具有较好的效果,平均相对误差为5.4%;人工提取法次之,平均相对误差为6.0%,均方根法最大,平均相对误差为11.8%。研究结果表明,基于热红外图像的直方图面积测量方法能快速检测出热工缺陷区域的面积,为进一步自动定量分析整个日光温室热工缺陷区域的面积及散热量提供了理论方法,在温室围护结构热工损耗计算方面具有较大地应用潜力,可为农民和企业提出日光温室优化改造建议。     

基于热红外成像的坡面薄层水流流速测量方法

流速是表征水流水力学特性的重要物理量.为了准确获取薄层水流流速,基于热红外成像技术、计算机视觉识别技术,设计了一种薄层水流流速测量系统.该系统通过对热示踪剂的自动控制以及对其热成像图的瞬时采集、影像校正、噪点去除、质心确定等手段,获取薄层水流的流速等参数,从而实现对坡面薄层水流流速的动态观测.该系统精确度和准确度高,可...     

基于高光谱漫透射成像整体检测番茄可溶性固形物含量

为了实现番茄可溶性固形物含量（soluble solids content,SSC）的有效检测,提出高光谱漫透射成像检测方法,对比该成像方式下不同姿态（果脐端面姿态BS、赤道圆周3姿态C1、C2、C3以及组合姿态C1C2C3）的检测效果。首先对采集的不同姿态光谱图像,通过剪裁消除图像边缘噪声。针对圆周赤道面姿态C1、C2和C3,进行了拼接处理,获得组合姿态图像 C1C2C3。其后对以上5种姿态图像进行单波段背景分割,获取目标区域,并统计不同姿态下番茄漫透射平均光谱。最后利用漫透射光谱结合偏最小二乘回归（partial least squares,PLS）方法,对番茄SSC分别在450～720、720～990、450～990 nm 3个波段进行定量分析。结果表明,组合姿态C1C2C3在3个波段区域上整体检测效果优于单个姿态的检测效果,其模型验证集均方根误差（root mean squared error of prediction,RMSEP）分别为0.299%、0.133%、0.151%;相关系数rp分别为0.42,0.89,0.90。说明利用高光谱漫透射成像,获取组合姿态光谱图像,可以有效检测番茄SSC。     

基于可见光红外成像辐射仪数据的地表温度反演

地表温度是农业旱灾和作物估产模型的重要参数。该文针对可见光红外成像辐射仪(visible infrared imager radiometer suite,VIIRS)传感器缺乏水汽通道的特点,联合Aqua卫星搭载的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)数据提出了基于分裂窗算法的VIIRS地表温度反演方法。对地表发射率和大气透过率这2个关键参数的获取进行了详细分析,选取了处于作物生长期的2013年6月4日VIIRS数据进行实例验证分析。结果表明,与全国气象数据比较该文算法在大尺度上能够较好地获取中国地表温度;与MODIS数据温度产品在高温产粮区比较,该文算法与MODIS温度产品精度较一致,两者差值小于1 K。使用MODTRAN(moderate resolution transmission)软件对算法的精度进行了模拟评价验证,分析表明:在一定的水汽和地表发射率条件下,算法反演精度一般保持在1 K内,平均误差为0.431 K,误差标准偏差为0.247 K。能够为农业干旱、作物长势等农情信息监测提供所需的地表温度数据。     

日光温室番茄植株体温与气温差异研究

植物群体间隙的空气温度不能准确地反映植物体实际的温度。该文用热电偶测定了日光温室内番茄茎、叶、果实的温度与同高度空气温度的差异。结果表明,日光温室番茄植株体温与同高度空气温度有明显的差异。不同部位二者差异不同。果实与空气温度差异最大,其次是茎、叶。这样环境温度测定后,结合植物体温与气温差异便可知植物体温。对番茄叶片测定了热时间常数,其均值为174 s,绝对偏差为73.1 s。热时间常数的测定,间接测定了综合热阻项,这为较难测定的植物表面传热热阻找到了一种易于得到的方式。     

被毛对热成像检测生猪体表温度精度的影响及噪声滤除方法

生猪皮肤的温度分布是表征其生理状态和疾病的重要指标,通常由红外热成像技术(infrared thermography, IRT)检测,然而由于生猪体表附有被毛在热图像中产生大量的温度噪声,降低了IRT对皮肤温度的检测精度。该文针对此问题探索被毛对皮肤温度分布的影响规律,并设计消除被毛影响的热图像降噪算法,提高对温度分布的检测精度。通过对12头生猪试验,分析目标区域在正常被毛和剔除被毛后温度分布的统计量得出被毛在温度分布中产生大量的"峡谷"状低温噪声,显著降低了目标区域的最低温度及平均温度。根据毛发噪声的影响规律提出网格化最大值-双三次插值算法并确定算法的最佳邻域尺寸为4.25mm。采用均方误差、峰值信噪比等指标定量评价算法的有效性,结果表明经算法处理后,均方误差由0.38下降到0.05(P0.01),峰值信噪比由45.14 dB上升到53.66 dB(P0.01),说明该算法能够滤除热图像中毛发引起的噪声,可提高IRT对温度分布的检测精度。     

利用近红外光谱与PCA-SVM识别热损伤番茄种子

为了研究近红外光谱技术用于热损伤种子快速无损识别的可行性,该文以120粒番茄种子为研究对象,其中60粒番茄种子通过高温加热处理的方式成为热损伤种子组,其他60粒番茄种子为正常种子组,利用实验室自主搭建的近红外光谱检测系统获取单粒番茄种子在980~1 700 nm范围内的光谱,分别采用偏最小二乘判别法(partial least squares discriminant analysis,PLS-DA)和支持向量机(support vector machines,SVM)建立了番茄种子热损伤的定性分析模型。试验结果表明:2种判别模型的验证集总正确率均大于96%,均可用于热损伤种子的判别。其中,基于主成分分析(principal component analysis,PCA)预处理的光谱数据构建的支持向量机模型的判别效果最好,其校正集和验证集的判别正确率均为100%,更适用于种子热损伤识别。因此,应用近红外光谱技术可快速无损识别热损伤番茄种子,为种子检验提供了一种新的方法。     

采用热红外和可见光图像无损测定棉花苗期叶面积

叶面积是影响植物光合作用、蒸腾作用、呼吸作用及产量形成的重要形态指标之一,为实现作物叶面积准确、稳定和无损化测量,该研究基于红外线成像设备,提供了一种利用热红外和可见光图像测定棉花叶片面积的方法。以苗期棉花作为研究对象,通过红外成像相机T660获取棉花的热红外和可见光波段的图像,分别使用GrabCut算法和Hough圆检测提取红外图像中叶片和可见光图像中已知实际面积的圆状参照物（五角硬币）的像素面积,进而根据叶片区域和圆状参照物区域的像素倍数关系计算棉花的真实叶面积,将通过该研究所提方法计算的叶面积结果与传统的剪纸称重法、Image Pro Plus软件图像法进行皮尔逊相关性分析,检验该方法的可行性。分析表明,基于所提方法的测量值与剪纸称重法、Image Pro Plus软件图像法的结果之间均存在显著的线性相关关系（P<0.01）（相关系数分别为0.992,0.996）。3种方法对5盆棉花进行8次测量,结果显示,该研究所提方法测量值的平均变异系数为0.78%,在测量工作中表现稳定,为快速获取棉花苗期叶面积提供了一种准确稳健的理论方法。     

基于图像拼接的苗期玉米植株缺失数量自动测量方法

为自动测量苗期玉米植株缺失数量,研究一种基于图像拼接的玉米早期缺苗数量自动测量方法。该方法首先在田间光照条件下,从植株顶部沿行向获取玉米图像序列,并将图像序列注册到同一坐标系下拼接为行向图像,然后将植株像素从土壤背景中分割出来,在植株细化骨架上标识茎秆中心点。最后以行向图像上各茎秆中心点拟合行向直线,将茎秆中心点向行向直线投影,从相邻投影点的距离计算植株平均株距,缺苗数量可由平均株距和两相邻植株的距离计算。在3个不同密度的试验小区上对比该方法与人工测量,每个小区进行10次重复,在低密度和中密度小区两种方法具有较高的相关性,在高密度小区两种方法的相关性有所下降。该方法可以替代人工测量,从而减少时间和人力投入,提高玉米早期植株缺苗数调查的自动化程度。     

基于红外热成像与改进YOLOV3的夜间野兔监测方法

随生态改善,野兔数量增多,对农田与林地的危害日益加重。野兔活动多为夜间,目标小,运动速度快,且出现环境较复杂,监控兔害,需要一种高效智能化的方法。针对野兔活动习性,该文提出了使用红外热成像实时监控,结合改进的YOLOV3目标检测方法对夜间野兔进行检测。根据YOLOV3目标检测网络基本结构提出了一种针对红外图像中野兔的实时检测的网络(infrared rabbit detection YOLO,IR-YOLO),该网络特征提取部分压缩YOLOV3特征提取网络深度,利用浅层卷积层特征以提高低分辨率红外小目标检测精度,降低运算量,网络检测部分使用基于CenterNet结构的检测方式以提高检测速度。使用热成像野外实时采集的夜间野兔图像作为数据集,包括不同距离,尺度,出现环境不同的野兔共计6 000幅红外图像制作训练集与测试集,比例为5:1。试验结果表明,IR-YOLO在红外热成像视频中复杂环境下出现的野兔检测率达75%,平均检测速度51帧/s,相对改进前YOLOV3检测率提高15个百分点,相对改进前YOLOV3检测速度提高5帧/s。相比其他目标检测算法各项检测指标更为优良,检测率方面相对Faster-RCNN与RFCN-RESNET101分别提高45个百分点与20个百分点,检测速度方面相对Faster-RCNN与RFCN-RESNET101分别提高30和与45帧/s。该方法可高效快速地对夜间复杂环境下出现的野兔进行检测,也可广泛应用于夜间对其他类型农业害兽的检测。     

苗期昼夜温差对番茄产量形成因子的影响分析

为了了解苗期昼夜温差对番茄成株期生长发育和产量形成的影响,试验利用微电脑人工气候箱(SPX-250IC),在20℃平均温度下,研究了昼夜3个不同温差0(昼温和夜温均为20℃)、6(昼温和夜温分别为23和17℃)和12℃(昼温和夜温分别为26和14℃)对番茄苗期物质积累和花芽分化的影响,并观察了定植后的开花、坐果和产量形成状况。结果表明,与0昼夜温差相比,12℃昼夜温差可增加幼苗单株干物质量48.77%～55.73%;可提早花芽分化始期,但苗期处理结束时(28d)减少花芽分化数17.0%～18.2%;前3穗果的开花和坐果时间平均提前2.3和1.9d;但是番茄现蕾数减少了9.2%～19.7%、开花数减少了12.4%～23.3%、坐果数减少了1.5%～30.0%,单株采收果实数减少了5.8%～17.0%,单果质量降低了7.8%～8.3%,前期产量降低了14.3%～16.3%。0昼夜温差不利于番茄干物质积累和后期的持续高产。6℃昼夜温差处理时,番茄幼苗单株干物质量比0昼夜温差时显著增加,前3穗果的开花数、坐果数、单株采收果实数都比12℃昼夜温差时显著增加,单果质量和产量也显著增加。因此,平均温度20℃时,6℃左右的昼夜温差是番茄植株物质积累、花芽分化和产量形成的平衡点,有利于番茄的营养生长和产量形成。该研究可为番茄苗期温度调控提供参考。     

Drought-sensitivity ranking of deciduous tree species based on thermal imaging of forest canopies

Most climate change projections for Central Europe predict higher mean summer temperatures and prolonged summer drought periods. However, in diverse mixed forest stands we expect tree species specific responses to water shortage, as tree species are highly variable in rooting depth and physiological traits related to the water balance. Here, we assessed the drought sensitivity of the water relations of six deciduous forest tree species at four sites with contrasting water availability by airborne thermal imagery of canopy foliage temperature, sap flow and soil water potential. Canopy architecture had a consistent influence on canopy foliage temperature with ‘dense canopy’ species (Acer pseudoplatanus, Fagus sylvatica and Tilia platyphyllos) being warmer (0.5-1.5 K) than ‘open canopy’ species (Fraxinus excelsior, Prunus avium and Quercus petraea). While the canopy foliage was close to air temperature at the beginning of the drought period (ΔT_C−A = −0.1 to 0.7 K) it strongly warmed up with ongoing drought, especially at the two ‘dry’ sites with a ΔT_C−A of 3.5-5 K. The pronounced canopy foliage warming at the ‘dry’ sites after 22 days of drought was associated with reduced transpiration rates as sap flow was curtailed by 20-35% in all species except F. excelsior and Q. petraea. Based on canopy foliage temperature and sap flow data, we considered A. pseudoplatanus the most drought sensitive species followed by F. sylvatica, T. platyphyllos and P. avium and the two ring-porous species F. excelsior and Q. petraea being clearly the least sensitive ones. At drier sites, increasing summer temperatures and drought might change the competitive abilities of tree species in favour of those that are able to maintain transpirational fluxes and cooler canopies such as F. excelsior and Q. petraea.     

基于多光谱图像技术的番茄营养素诊断模型

为了快速、准确估测番茄营养水平和生长状态,利用多光谱图像分析技术研究了温室番茄营养素含量和图像特征的相关性。在日光条件下采集了温室番茄叶片多光谱图像,并采用多尺度Retinex算法有效地解决了叶片平整度差异造成的图像质量退化问题。从颜色模型、比值植被指数和归一化差值植被指数出发,自定义了49个多光谱图像特征参数。结合相关性分析和系统聚类分析消除了多光谱图像特征参数的多重共线性,并提取了4个能反映叶绿素含量(SPAD指数)和全氮含量预测模型,其中SPAD指数模型的决定系数(R2)为0.8668,均方根误差(RMSE)为3.997;全氮模型的R2为0.7284,RMSE为0.5130。     

温室绿熟番茄机器视觉检测方法

针对基于可见光图像对绿色番茄进行识别过程中,光线不均造成的阴影等会影响果实的识别、枝干和叶片对果实的遮挡以及果实之间的遮挡对果实识别的影响等难题,该文对基于机器视觉的绿色番茄检测方法进行研究。首先通过快速归一化互相关函数(FNCC,fast normalized cross correlation)方法对果实的潜在区域进行检测,再通过基于直方图信息的区域分类器对果实潜在区域进行分类,判别该区域是否属于绿色果实,并对非果实区域进行滤除,估计果实区域的个数。与此同时,基于颜色分析对输入图像进行分割,并通过霍夫变换圆检测绿色果实的位置。最终对基于FNCC和霍夫变换圆检测方法的检测结果进行融合,实现对绿色番茄果实的检测。当绿色果实和红色果实同时存在时,将绿色果实检测结果与基于局部极大值法和随机圆环变换检测圆算法的红色番茄果实检测结果进行合并。算法通过有机结合纹理信息、颜色信息及番茄的形状信息,对绿色番茄果实进行了检测,解决了绿色番茄与叶子、茎秆等背景颜色接近等难题。文中共使用了70幅番茄图像,其中35幅图像作为训练集图像,35幅作为验证集图像。所提出算法对训练集图像中的83个果实的检测正确率为89.2%,对验证集图像中105个果实的检测正确率为86.7%,为番茄采摘机器人采摘红色和绿色成熟番茄奠定了基础。     

基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法

为实现作物热害胁迫状态快速、无损和智能化识别,该研究设计了一套叶绿素荧光图像采集装置,并提出一种基于叶绿素荧光成像技术的番茄苗热害胁迫智能识别方法。以不同热害阶段下的番茄苗叶片作为研究对象,通过搭建的叶绿素荧光图像采集设备获取具有单一背景的叶片原始荧光图像,将获取的12组荧光参数值结合Spearman等级相关性分析得到相关性最高的非调节性能量耗散的量子产量Y（NO）,对其进行图像预处理后构建番茄苗叶片热害图像数据集。对AlexNet模型进行改进,引入批量归一化（Batch Normalization,BN）方法加快模型的收敛速度,选择Mish激活函数提高模型的表达能力,同时使用全局平均池化层（Golbal Average Pooling,GAP）替换全连接层和深度可分离卷积替换传统卷积的方法减少模型参数量,以提升模型运行速度,通过Adam优化算法更新梯度。研究结果表明,改进AlexNet模型性能最优,平均识别精度达98.8%,平均测试耗时为11.6 ms,模型权重空间仅为1.13 MB。相比未改进AlexNet模型,平均测试耗时下降23.2%,模型权重空间下降99.5%。该研究为番茄苗早期热害胁迫检测和胁迫等级划分提供了一种方法,也为其他作物夏季热害监测和防控提供技术参考。