基于两阶段关键点定位算法的奶牛体型评定指标自动测量

为解决传统奶牛体型评定指标测量方法受主观影响大、自动化程度以及体型关键点定位存在误差等问题,提出一种基于两阶段关键点定位算法的奶牛体型评定指标自动测量方法。对采集的奶牛背部深度图像序列,首先基于滤波方法进行边缘平滑与缺失区域修补;之后基于YOLO v5体型关键区域检测算法确定体型关键区域并重建相关区域三维点云;进而计算区域点云曲率与z轴最值定位体型关键点;最后依据关键点间相对位置自动测得体型评定指标。结果表明,该方法可完成俯视视角下奶牛体长、肩宽、胸宽、腹宽和腰宽指标的精准测量。对15头奶牛5个体型评定指标,算法测量值与实测值平均绝对误差为1.55 cm,均方根误差为1.78 cm,决定系数R2最大为0.9394。该方法可在实际养殖环境下实现奶牛体型评定指标的精准测量,对生产实际具有一定现实意义。     

立体机器视觉技术在快速获得玉米叶片形态指标中的应用研究

叶片是玉米植株的重要器官,叶片的长、宽、面积、褶皱程度等是衡量叶片生物学特性的重要指标。本文探索了以立体机器视觉技术为基础的玉米叶片形态快速测量方法,对玉米叶片进行三维测量与三维重建,并结合图形学原理对叶片的三维形态进行分析,进而得到叶片形态的基本指标。     

基于面绘制的心脏三维数据可视化方法研究

针对目前体绘制方法存在着绘制速度慢,计算开销大,交互时间长等问题,提出了基于面绘制,结合VC 6.0下Open GL图形库开发运行环境进行的心脏三维数据可视化方法研究,并针对生成的三维模型进行任意点或面的剖分,实现心脏内部某一指定位置的定位观察。通过实践,研究使用的方法能够有效地解决心脏三维数据的可视化问题,同时,可在三维空间内任意对心脏模型进行剖分,创建的三维图像清晰的显示了心脏内部结构,实现了心脏任意位置的三维定位观察。     

注水羊肉的高光谱数据采集与预处理方法研究

本文以羊肉为检测对象,采用高光谱成像系统从126个羊肉样本中采集光谱信息.通过去趋势算法、标准正态化、多元散射校正、归一化、基线校准(Baseline)、移动平均平滑(Moving Average)、导数(Derivation)法等多种方法对原始光谱(400 ～1 000 nm)进行预处理.通过建立偏最小二乘法(PIS...     

基于Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在6～17 mm之间,平均点位误差在13～30 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。     

不同磷肥用量对水稻土有机碳矿化和细菌群落多样性的影响

以水稻田田间定位试验为研究对象,利用三维荧光光谱技术(3D EEMs)和454测序技术,采集4个施磷水平(0、30、60、90 kg hm-2a-1)土壤,测定其有机碳矿化、溶解有机碳(DOC)组成和结构特征及细菌群落结构和丰度的变化。结果显示:水田施磷增加了土壤速效磷(Olsen-P),从而提高了土壤DOC含量,加速了有机碳的矿化速率和累积矿化量。3D EEMs结果表明,施磷分别显著增加了荧光指数和鲜度指数值1%~10%和3%~21%,而降低了腐殖化指数,且与土壤生化性质(Olsen-P、DOC和β-葡萄糖苷酶)具有显著相关性。说明施磷通过提高Olsen-P,促进了微生物源DOC的生成,同时降低了DOC的芳香化程度、分子量及腐殖化程度,从而提高了DOC生物可降解性。同时,施磷提高了细菌群落的丰度和多样性,特别是磷诱导了多种具有碳降解功能细菌的增加,从而加速了复杂有机碳的降解和甲烷氧化。此外,主成分分析表明稻田磷素施用量在30~60 kg hm-2a-1时对土壤有机碳矿化及细菌群落多样性的提高作用最为明显。因此,适度施磷能显著提高涉碳降解微生物的活性,从而提高DOC的生物可降解性,加速有机碳的矿化速率,促进稻田土壤有机碳循环。     

基于电阻抗成像的植物单根断层图像重建

为了实现植物根系结构形态的原位检测,植物根系单根的断层图像重建研究非常必要。该文应用动态电阻抗成像技术对土壤-树根模拟系统进行了图像重建,对重建图像进行二值化处理并求出树根在该系统中的位置坐标、面积和形状,并以树根的位置坐标、面积及形状的相对偏差为指标,分析了图像重建算法、土壤含水率2个因素对成像质量的影响。结果表明：电阻抗成像技术能够实现树木单根断层图像重建;将重建图像进行二值化处理,所得图像更加直观,便于定量评价成像质量;基于Newton单步残差正则化的一步牛顿误差重构（Newton's one-step error reconsruction,NOSER）算法,比基于全变差正则化的主双-内点模式（primal dual-interior point method,PD-IPM）算法的成像质量好;土壤含水率越高成像质量越好。该研究为基于电阻抗成像技术的植物根系结构形态的图像重建提供参考。     

连续投影算法融合信息熵选择霉变玉米高光谱特征波长

运用高光谱技术鉴别玉米霉变等级时,因光谱波段数多、数据量大、信息冗余度高,使鉴别工作难度加大。为了减少数据量,获得最有利于鉴别的高光谱信息特征波长,本研究提出了一种连续投影算法(SPA)融合信息熵的特征波长选择方法。首先,对霉变玉米样本高光谱数据运用多元散射校正(MSC)进行光谱预处理以消除噪声,然后利用SPA对处理过的光谱进行波长初选,得到8个初选特征波长,再通过信息熵原理处理初选特征波长下的图像信息,获得最佳特征波长。结果表明,运用SPA融合信息熵法得到有利于霉变玉米鉴别的最佳波长为819 nm,提取该波长下霉变玉米图像的纹理特征后,采用Fisher判别分析(FDA)进行鉴别,6个等级霉变玉米的鉴别正确率高达98.6%,充分证明所给出的特征波长选择方法是有效的。本研究特征波长选择方法可为更好地运用高光谱技术鉴别玉米霉变等级提供指导。     

数字果树及其技术体系研究进展

果树是重要的农林植物。在万物智联时代,利用数字化、智能化、网络化技术建立数字果树技术体系,实现对果树生命、生产和生态复杂系统的高效感知、认知和智慧管控,对于果业实现数字化转型具有重要意义。该研究在数字植物技术范畴下,系统论述了数字果树的概念和内涵,提出了数字果树技术体系框架。重点在果树表型信息获取、环境数据获取、三维模型计算、数字育种、果树大数据和虚拟现实技术等方面综述了数字果树研究进展。从产业应用角度,综述了数字果树技术在树形管理、生长监测、种植管理、农技培训、品牌营销等方面应用效果和挑战。最后,展望了数字果树发展趋势、研究热点和技术突破方向,以期为数字果树的进一步发展提供思路与借鉴。