有效分析梨果形的数字成像法

果实的高度／横径比能有效地描述品种形特征和育种群体的遗传变异。数字成像法是描述梨果形的一种快速而准确的方法，本研究该法计算了８个梨品种果实７个不同部位的高度／横径比。     

生物超弱发光的光子成像及其检测方法研究

任何有生命的物质,人、动物、植物和微生物等都有一种超弱发光,这是生命体本身所固有的一种属性,而且这种超弱发光的强弱与生命活动能力密切相关,新陈代谢愈旺盛,生命活力愈强,则发光也愈强。为此,介绍了生物超弱发光的基本原理和光子成像探测系统的结构,并且对迄今为止生物超弱发光研究的主要实验结果以及超弱发光的主要检测方法进行了归纳总结。     

基于主动热成像技术的苹果早期机械损伤检测

针对苹果早期机械损伤在普通光学图像中特征不明显,易受表皮颜色、果梗和花萼干扰,很难检测识别的特点,选取红富士苹果作为研究对象,通过主动红外热激励以及降温措施,利用红外热成像技术研究苹果表面机械损伤温度变化情况.结果表明:苹果表面早期机械损伤在热图像中的对比度受周围空气流动影响,苹果的缺陷部位与果梗、花萼的线轮廓温度曲线的波形特征存在明显差异,可以较好地排除苹果果梗和花萼的干扰,达到缺陷检测的目的.     

基于高光谱和PLS-LS-SVM的冬小麦叶绿素含量检测

定量测定小麦叶片叶绿素含量在小麦估产、农情监测等方面具有重要意义.本研究验证高光谱成像技术结合偏最小二乘-最小二乘支持向量机(PLS-LS-SVM)建模方法预测大田冬小麦叶绿素含量的可行性.首先利用所搭建高光谱成像系统以线扫描方式获取大田冬小麦叶片反射光谱,进而得到其立方体图像数据,并在小麦叶片光谱图像上选择感兴趣区域计算出光谱平均反射率值.为保证PLS-LS-SVM模型的鲁棒性和预测稳定性,首先通过PLS方法解决多重共线性问题并将输入变量维数减至4维,然后利用LS-SVM进行训练建模.所建叶绿素含量预测模型的决定系数达R2=0.8459,预测均方根误差RMSEV=0.4370.研究结果表明,基于高光谱成像系统,采用PLS-LS-SVM建立模型用来预测大田冬小麦叶绿素含量是完全可行的.     

可食性保鲜涂膜对冷藏黄花梨品质的影响

为探讨可食性涂膜对冷藏黄花梨的保鲜效果,研究了虫胶和森帕尔2种保鲜膜浸涂的黄花梨在冷藏（4℃）过程中的品质变化的规律,并利用核磁共振成像检测了储藏结束后的黄花梨内部品质变化。结果表明,与直接冷藏的对照组相比,2种可食性保鲜膜处理均可显著降低黄花梨在储藏过程中的呼吸速率和失重,在储藏结束后,分别仅为对照组的74%～80%和68%～81%。并能够减少储藏过程中可溶性固形物、可滴定酸、抗坏血酸含量的变化,维持较低的核磁共振信号强度。与森帕尔保鲜膜相比,除在核磁共振信号强度无显著差异外,虫胶保鲜膜具有更好的保鲜效果。     

激光微地貌扫描仪的开发研制及在坡面侵蚀研究应用初步

利用光线的反射与聚焦成象原理，将地表高程转换成不同物象点位置的电信号，再经计算机处理成数字高程模型，即形成用于获取地表糙度数字高程模型的激光激地貌扫描仪。实验测量得到；在相同初始条件下，不同坡度土槽放水和降雨实验后地表形态的数字地形模型。通过侵蚀地表形态的分析，得出坡度对坡面侵蚀及沟蚀影响的某些初步规律。     

大豆种荚应答镰刀菌侵染的叶绿素荧光成像规律

  目的  种荚是大豆Glycine max防御霉菌侵染的第1道防线,部分大豆品种种荚具有极佳的田间霉变抗性,本研究目的在于寻找与豆荚霉变抗性相关的快速鉴定指标。  方法  采用叶绿素荧光成像技术,以高抗大豆‘QWT15-2’、中抗大豆‘E1’和易感大豆‘E314’为研究对象,对离体种荚接种轮枝镰刀菌Fusarium verticillioides,监测其叶绿素荧光参数变化情况。  结果  大豆种荚接种霉菌24 h后,通过叶绿素荧光成像系统可清晰观察到豆荚表皮病斑,叶绿素荧光参数发生显著变化。霉菌侵染后0~5 d,大豆种荚初始荧光参数初始荧光(F_o)、最大荧光(F_m)、可变荧光(F_v)大幅降低,非光化学猝灭系数q_N上升、Q_NP下降,最大光化学量子产量(F_v/F_m)、实际光化学效率(Φ_PSⅡ)及电子传递速率(R_ET)均呈下降趋势。  结论  高抗大豆‘QWT15-2’维持了较健康的组织形态,各荧光参数表现稳定;中抗大豆‘E1’和感病大豆‘E314’受霉菌侵染影响,其表皮组织破坏严重、荧光参数变化幅度大;其中F_v/F_m、F_m、F_v、q_N和Q_NP荧光参数对霉菌侵染响应敏感,可作为评价大豆种荚田间霉变抗性的鉴定指标。图4参17     

基于高光谱成像的苹果品种快速鉴别

以"乔纳金"苹果,"红富士"苹果和"秦冠"苹果共90个试验样本为试材分别采集865~1 711 nm的近红外波段高光谱图像,选取苹果图像感兴趣区域(ROI),以分辨率2.8 nm提取其平均反射光谱数据,分别利用K近邻法(KNN)和径向基核函数支持向量机(RBF-SVM)进行品种判别,5折交叉检验。结果表明,3种苹果的近红外高光谱图像均在波长941~1 602 nm之间变得清晰,该区域200个波段下的平均反射光谱数据经KNN法中的10种距离算法评判,当K取值3和5时,切比雪夫距离、欧几里得距离和明可夫斯基距离3种距离算法的识别正确率均达到100%;SVM-RBF核函数模型中,γ取值为2-8~1的范围内识别正确率均在92%以上,当γ取值2-5,C取值为16和32时,识别正确率最高,为96.67%。故利用近红外高光谱图像技术结合KNN计算对苹果品种进行快速鉴别是优异和可靠的方案。     

干旱处理条件下水稻冠层温度的变化规律探究

水稻冠层温度是指示水稻生理状态的重要指标,在水稻抗旱育种中具有重要意义。本试验利用红外热成像技术并结合多种田间环境传感器,对4个水稻材料的冠层温度进行了分析。结果表明:不同水稻材料的冠层温度存在显著差异,旱处理会造成水稻冠层温度显著升高,水旱处理的水稻冠层温度差出现的时间与水旱处理土壤水势差出现的时间一致。利用环境数据和距抽穗期天数对水旱处理下水稻冠层温度和冠层温度差进行多元线性回归建模,发现空气温度、土壤温度、光照强度对水稻冠层温度均有显著影响;而水旱土壤水势差、距抽穗期天数和空气湿度对水稻冠层温度差具有显著影响,决定系数均在0.80左右。本研究结果对运用高通量表型选择技术开展水稻抗旱育种具有一定的指导作用。     

基于红外热成像的夜间农田实时语义分割

农田环境实时语义分割是构成智能农机的视觉环境感知的重要环节,夜间农田语义分割可以使智能农机在夜间通过视觉感知农田环境进行全天候作业,而夜间无光环境下,可见光摄像头成像效果较差,将造成语义分割精度的下降。为保证夜间农田环境下红外图像语义分割的精度与实时性,该研究提出了一种适用于红外图像的红外实时双边语义分割网络（Infrared Real-time Bilateral Semantic Segmentation Network,IR-BiSeNet）,根据红外图像分辨率低,细节模糊的特点该网络在实时双边语义分割网络（Bilateral Semantic Segmentation Net,BiSeNet）结构基础上进行改进,在其空间路径上,进一步融合红外图像低层特征,在该网络构架中的注意力提升模块、特征融合模块上使用全局最大池化层替换全局平均池化层以保留红外图像纹理细节信息。为验证提出方法的有效性,通过在夜间使用红外热成像采集的农田数据集上进行试验,数据集分割目标包括田地、行人、植物、障碍物、背景。经试验验证,提出方法在夜间农田红外数据集上达到了85.1%的平均交并比（Mean Intersection over Union,MIoU）,同时达到40帧/s的处理速度,满足对夜间农田的实时语义分割。