甜菜种子活力的测定——基于近红外高光谱技术

为保证田间甜菜种子的出苗率和生产潜力,需要在种植前对种子进行活力检测,挑选出活力高的甜菜种子进行推广种植。利用高温处理法对甜菜种子进行老化处理,再基于标准正态变换(SNV)、去趋势校正(DET)、Savitzky-Golay平滑处理(SG)、一阶差分(1D)和二阶差分(2D)5种近红外高光谱预处理方法,构建种子活力智能检测模型得出预测的种子发芽率,再利用老化处理后的甜菜种子进行发芽实验得出实际的发芽率。研究发现,甜菜种子经过一阶差分预处理建立的智能检测模型预测性能最好,其预测准确率达到91.92%。将未处理的甜菜种子的实际发芽率与一阶差分预处理法建立的智能模型预测结果进行对比,发现模型的预测准确率为88.2%。近红外高光谱技术是一种快速、无损的作物种子活力测定的新方法。     

现代生物显微技术的现状与发展趋势

生物显微技术在生物医学研究中具有重要的地位 ,其对生物医学的发展多次作出过里程碑式贡献。传统的光学显微镜虽然有各种各样的改进 ,由于受光源本身物理特性及显微分辨原理的限制 ,其分辨本领已不可能再有更大的提高。为了对微小物体进行观察测量 ,精确的控制和操纵 ,其必然让位于以电子显微镜为先导的各种现代显微技术。笔者对这一现代技术的发展概况作一介绍     

为什么女孩有闺密而男孩偏好竞争?

<正>女孩子往往都有"一对一"的闺蜜,而男孩则更倾向于拉帮结派并和其他同性进行竞争。到底什么导致了这种性别上的差异?最近的一项研究通过一种新的核磁共振成像的方法,以儿童为研究对象,对此做出了解释。该研究由美国国家心理健康研究所与佐治亚州州立大学共同主导。研究结果表明,女孩儿从青春期早期到晚期的发     

近红外与高光谱成像技术在茶叶质量安全控制中的应用

近红外与高光谱成像技术作为一种新兴、高效、准确的无损快速检测技术,在茶叶种植及生产经营方面具有巨大的应用优势。本文综述了近红外与高光谱成像技术在茶园管理、生产监测、质量等级划分、种类及产地鉴别等茶叶质量安全控制环节中的研究与应用进展,并对其研究与应用前景进行了展望,以期促进该技术方法能更好、更快地应用于茶叶质量安全控制领域,从而促进茶产业健康跨越发展。     

基于光学模型的退化叶片图像复原方法

针对空气浮尘造成植物叶片图像颜色失真、细节信息模糊问题,采用一种基于光学成像模型的灰尘去除算法,对退化叶片图像颜色进行恢复。首先根据灰尘颗粒对光线的反射和散射特性,建立叶片图像退化模型;然后利用有尘黑卡对光谱的反射特性计算出灰尘的反射率,在此基础上结合暗元原理和小波变换估计出入射光强及透射率2个模型参数。采用色卡和葡萄叶片图像测试算法的有效性。试验结果表明:本研究算法对叶片颜色有较好的恢复效果,复原后图像a、b分量(CIE Lab颜色模型)的平均绝对误差显著降低,有效地提高了图像的对比度和清晰度。试验还表明,本研究算法对不同天气和照明条件、不同品种的葡萄叶片图像均有较好的颜色恢复效果。     

不同生育时期冬小麦叶片相对含水量高光谱监测

为实现冬小麦不同生育时期叶片水分含量的快速监测,以冬小麦冠层高光谱数据和红外热成像数据为基础,计算得到5种光谱参数,通过对不同生育时期叶片相对含水量与光谱参数拟合状况进行分析和筛选,分别构建了基于光谱参数的叶片相对含水量反演模型,并对模型进行检验。结果表明,不同生育时期叶片相对含水量与比值指数（RVI）、归一化差值植被指数（NDVI）、比值/归一化植被指数（R/ND）、优化土壤调整植被指数（OSAVI）、冠气温差（TDc-a）均呈极显著相关（P＜0.01）;拔节期、抽穗期、开花期、灌浆前期和灌浆后期叶片相对含水量分别与NDVI、OSAVI、R/ND、TDc-a和TDc-a拟合效果较好,决定系数分别为0.842、0.884、0.831、0.864和0.945;预测模型的均方根误差分别为0.019、0.016、0.027、0.032和0.024,相对误差分别为2.16%、1.80%、3.30%、3.81%和3.53%。因此,在拔节期、抽穗期、开花期、灌浆前期和灌浆后期,可以分别利用NDVI、OSAVI、R/ND、TDc-a和TDc-a估测冬小麦叶片相对含水量。     

基于核磁共振成像的农产品几何模型重构

为了提高农产品数值模拟的精度,需要为其提供精确的农产品几何模型。该研究以具有不规则几何特征的农产品芒果、香蕉和苹果为试验对象,利用核磁共振成像仪获取的断层切片图像,借助于计算机图形学技术和视觉化工具函数库Visualization Toolkit5.4(VTK),实现了其几何模型的重构。结果表明,3种农产品几何模型的体积值与其真实值之间的误差均小于3%,与标准方法测得结果具有很好的一致性。该研究为农产品几何模型获取提供了一种新的方法,能为农产品数值模拟、有限元分析以及品质检测等提供直接的几何模型支持。     

基于MODIS影像梯度的林火边界提取方法

红外遥感数据是获取火灾参数的主要方法.中分辨率成像光谱仪(MODIS)因具有广泛的光谱覆盖波段和强大的动态监测能力被用于森林火灾监测.传统方法主要是基于光谱特征的火烧迹地识别及制图,而描述火灾蔓延的边缘火线对于动态火灾监测具有更重要的意义.本文基于多波段影像梯度的图像视觉分析,提出一种自动检测林火边界火线特征的方法.通过与传统边缘算子的检测结果对比,并结合火烧迹地的归一化植被指数NDVI叠置验证.本方法在融合多波段影像的火灾光谱信息的同时,增强了火线变化的空间细节表现能力.提高了边缘定位性能,在动态火灾制图和监测方面是有效可行的.     

An Insect Imaging System to Automate Rice Light-Trap Pest Identification

Identification and counting of rice light-trap pests are important to monitor rice pest population dynamics and make pest forecast.Identification and counting of rice light-trap pests manually is time-...     

基于深度卷积神经网络的小麦赤霉病高光谱病症点分类方法

为快速、高效地利用高光谱成像技术诊断小麦赤霉病病症,分析了卷积层结构与光谱病症特征的关联性,并重点研究了高光谱的像元分类建模方法。首先,基于深度卷积神经网络的2种典型结构,构建了不同深度的卷积神经网络,比较了小麦赤霉病高光谱数据点集的训练和测试结果。结果显示:Visual Geometry Group(VGG)结构随着网络深度的增加,模型损失值不断下降;残差神经网络(ResNet)结构随着深度增加,损失值没有明显降低,说明ResNet网络的深度与模型性能无关。从测试集评测模型泛化性可知,具有4个基础单元模块的22层VGG网络在所有深度卷积模型中最优,其建模和验证准确率远高于传统的支持向量机(SVM),分别为0.846和0.843,测试集准确率为0.742。以VGG为基础单元构建的深度神经网络,能有效提取小麦赤霉病病症的高光谱特征。研究结果可为大尺度小麦赤霉病的智能成像诊断提供理论基础。