玉米果穗DUS性状测试的图像处理应用研究

 【目的】评价图像处理法采集和数量化玉米果穗特异性、一致性和稳定性测试（DUS）性状的技术适用性。【方法】以4个品种各50个果穗及8个品种93～107个穗轴为材料,通过图像处理采集玉米DUS测试指南规定的7个性状（穗长、穗粗、穗形、粒顶色、穗轴色、穗行数和籽粒排列形式）,应用多性状整体控制单一比较法分析品种特异性。【结果】穗长、穗粗和穗行数的图像处理误差分别为6.2%、1.6%和0.66%。果穗的穗缘角（穗形）在0～2.22°之间变化,各品种穗行角（籽粒排列形式）均值在89.4°～90.7°之间。穗形等4个质量或假质量性状成功转换为数量性状,信息量随之增加。籽粒顶端颜色在果穗间和果穗侧面间的差异都极其微小,其它性状的果穗侧面间差异与果穗间差异相当或者更小。图像处理容易获得同源样品的更多形态性状,可能导致品种伪差异的风险升高。【结论】图像处理具有客观、高效、低成本地采集和数量化玉米果穗DUS性状和其它更多性状的能力,结合多性状整体控制单一比较法等适当的统计分析技术,将在中国的新品种DUS测试中发挥越来越重要的作用。     

草地科学中计算机建模的作用

在回顾草地科学中计算机模型研究２０多年历史的基础上，综述了模型对草地科学理论与生产实践的作用。虽然模拟模型数目的增长胜过它们的成就，但模拟模型是地生态理论的发展仍然做出了有目共睹的贡献，加深了人们对草地生态系统一些重要行为的认识，帮助人们发现系统的一些保留行为，而且成功用地生产管理和决策领域的模型数目正在不断增长。对国外草地科学中计算机建模的历史回顾与反思，为我国计算机建模技术在草地科学中的应用提     

种植密度对芸豆叶形态特征影响的图像处理研究

本文运用图像处理技术对芸豆叶片图像进行处理和分析,可以方便、快速地获取叶数、叶大小、叶形状等数据,通过比较研究,得知种植密度的增加能引起芸豆叶数及其分布的改变,主茎叶数变化趋势为先增大后减小,各节分枝叶数、单株总叶数、分枝叶数比例均呈下降趋势;随着种植密度的增加,主茎、各分枝小叶的平均面积、单株总叶面积大体上均呈下降的趋势。芸豆叶形态的一般特征:芸豆主茎的真叶数约为5~7片;主茎的小叶数多于各节分枝,分枝小叶数按分枝节位自下而上依次减少;主茎叶比各节分枝叶片大,各节分枝小叶的平均面积和总叶面积均按分枝节位自下而上依次减小;小叶的叶片形态在其生长和发育的过程中由卵形逐渐变向阔卵形,长成叶长约10.3 cm、宽约7.13cm、叶宽/叶长的值约为0.69、叶长轴约为9.11 cm、叶短轴约为6.48 cm、叶焦轴比约为0.69、叶等效直径约为7.43cm、叶矩面积比约为0.59,叶长轴、叶短轴、叶等效直径、叶矩面积是本文新提出的4个叶片形态指标,其中叶矩面积比能够反映芸豆的叶片形状特征。     

肥密耦合提高玉米全生育期茎倒抗性

为了探明肥密耦合对玉米茎倒抗性的影响,本试验设置3个施肥量[N、P2 O5、K2 O用量分别为78.0、112.5、57.0 kg/hm2(F1),132.0、139.5、90.0 kg/hm2(F2),186.0、168.0、124.5 kg/hm2(F3)]和3个密度(6.0万、7.5万、9.0万株/hm2)处理进...     

Cr、Pb单一及其复合胁迫对小麦生理生化的影响

摘要：【研究目的】阐明在污染条件下小麦对重金属胁迫的反应,为农田小麦重金属污染的监测和综合治理提供理论依据。【方法】根据等毒性原理设计,对小麦幼苗施以0.25mM 铬、0.8mM 铅单一及其复合污染胁迫。【结果】引起叶绿素含量减少,气孔阻力增大,叶片渗透势下降,根与叶组织质膜透性变大,叶片可溶性蛋白质含量减少,同时,0.25mM铬或0.8mM 铅胁迫造成根系活力下降。【结论】叶绿素含量和组织电导率对复合污染胁迫更敏感,是复合污染胁迫监测的首选指标。     

玉米果穗生长特征的量纲分析

以两个玉米品种为材料,设置肥密顺、逆境对比试验,应用量纲分析原理筛选反映玉米穗与粒生长特征的变量及其数量关系式,探索量纲分析在玉米花后果穗和穗粒生长特征研究中的应用价值。重量、密度、容(体)积和相对生长率均是果穗和穗粒的重要生长特征。授粉后,果穗密度最小值、最大值分别为0.072和0.56 g/cm3,穗粒密度为0.061和0.63 g/cm3,它们的时间动态均符合y=a+b×cos(ct+d)。果穗密度、穗粒密度、果穗重量相对生长率、穗粒重量相对生长率、果穗体积相对生长率和穗粒容积相对生长率都具有逆境的稳定性,授粉至成熟的均值分别为0.273 g/cm3、0.285 g/cm3、0.10、0.11、0.076和0.076。果穗体积相对生长率和穗粒容积相对生长率具有基因型的稳定性。同一器官的重量相对生长率和容(体)积相对生长率之间关系符合y=ax/(b+x)。量纲分析有助于解析玉米花后果穗和穗粒生长。     

多类支持向量机在玉米品种识别中的应用

为了验证采用机器视觉以及图像处理方法对玉米品种进行自动识别的可行性,研究了一种基于玉米外观特征和多变量支持向量机(SVM)分类算法的玉米品种识别方法.采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个、颜色特征12个、纹理特征13个,共33个特征参数,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的SVM识别模型.试验结果表明,该方法对11个品种550个籽粒的品种检出率为100%.在同样的情况下比较了基于BP神经网络(ANN)的识别性能,较ANN 94.3%的识别率,采用SVM的识别效果有了较大的提高,得到了较好的识别效果.