基于高光谱与在线序列极限学习机确证大米产地方法

为满足快速无损的大米产地确证需求,采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像（400~1 000 nm）作为研究对象,利用多元散射校正（MSC）处理方法对光谱进行预处理。采用多层感知机（MLP）、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法,分别基于全波段高光谱数据以及经多维尺度分析（MDS）方法降维后的数据建立产地确证模型。结果表明,基于全波段高光谱数据的OS-ELM模型分类性能最好,准确率达到98.3%。经MDS处理后,输入的数据变量减少了96.6%,MDS-OS-ELM模型准确率稳定在97.4%。对三种模型的训练时间进行对比分析,OS-ELM训练时间明显优于MLP,在分批次获取数据时训练时间优于ELM。为大米产地确证提供了一种高效、准确、稳定的方法。     

阿根廷:研发出监视鱿钓渔船数量新技术

阿根廷国家渔业发展研究所(Inidep)开发出了一套新的软件,借助于美国国防气象卫星计划的线性扫描业务系统(DMSP-OLS)及国家空间活动委员会提供的夜间卫星图像,量化专属经济区外从事阿根廷滑柔鱼(Illex argentinus)生产作业的外国鱿钓船。此项遥感研究是与鱿鱼渔业研究计划合作的一部分。通过此项技术,研究人员就能监控和量化在专属经济区外从事鱿鱼生产的船队数量。鱿钓船产生的高强度灯光能被DMSP-OLS的红外传感器所识别,这样鱿钓船也就能够被DMSP-OLS准确辨别。DMSP-OLS获得的信息由阿根廷渔船上卫星定位系统进行验证。     

图像流式细胞仪在中华绒螯蟹血细胞分群及吞噬功能研究中的应用

为了更精确地对甲壳动物血细胞进行快速分类和功能分析,本研究以中华绒螯蟹为例,依据其血细胞内具有颗粒结构的特征,与常规显微观察对比,探讨了一种基于图像流式细胞仪的血细胞自动化分类新方法,并测量了体质量为(10±3) g的中华绒螯蟹的血细胞对直径1μm微球的吞噬情况。结果显示,两种方法都可将中华绒螯蟹血细胞分为4个类群。显微镜观察分类基于胞内可见颗粒,但由于缺乏精细的量化标准,批次样品的人工辨识结果波动较大;而图像流式方法以胞内全部颗粒结构为对象,利用高精度检测模块测量,结果更准确、客观,而且通量高、重复性好。测量结果显示,中华绒螯蟹血淋巴中无颗粒、小颗粒、中颗粒及大颗粒细胞占比分别为40.62%±2.65%、36.68%±6.84%、7.80%±1.16%和16.51%±5.60%,依据测量的颗粒特征区分的4个类群界限清晰,缺乏过渡样点,提示各类细胞之间可能没有相互转化。进一步的活体微球吞噬实验证实,中华绒螯蟹的4类血细胞都具有吞噬功能,并以无颗粒细胞为主要吞噬类群;吞噬微球的细胞比例在注射后6 h内呈钟型曲线变化,4 h可达峰值(5.69%±0.44%),表明中华绒螯蟹血细胞能高效清除血淋巴中的异物。研究表明,图像流式细胞仪适合于中华绒螯蟹的血细胞分类分析和功能研究,本研究结果为同类研究提供了重要参考,将有助于更全面了解甲壳动物血细胞的功能。     

基于OpenCV-Python和树莓派实现图像数据远程采集

随着智能技术在农业生产管理过程的应用,往往需要采集种植现场的大量图像和视频数据,以便构建AI所需的数据集。文章简述基于树莓派、摄像头、Linux系统、Python语言、Numpy和OpenCV等库,搭建实现远程自动图像采集并实时将图像数据传输至远程后台的装备。     

盆栽植物图像全方位采集机构设计

阐述了盆栽植物生长过程图像全方位采集的实现方法与原理;设计了一种全方位采集机构,该机构配上步进电机和控制系统,即可实现植株高度方向任意位置和水平面360°任意角度的拍摄。进一步拓展可应用到需要多方位拍摄的场合。     

基于热红外成像与骨架树模型的奶牛眼温自动检测

针对现有方法无法实现奶牛热红外图像中眼温信息自动获取的问题,为实现奶牛眼温无接触、自动、高精确检测,提出了一种基于热红外成像技术与骨架树模型的奶牛眼温自动检测方法。首先,在获得奶牛侧面热红外图像的基础上,利用基于差距度量的阈值分割方法提取奶牛目标,对奶牛骨架进行精确提取,并构建了奶牛骨架树模型,在该模型上对奶牛头部区域进行准确定位;然后,根据头部轮廓的形状特征与眼睛几何位置特征,对奶牛眼睛区域中心点进行准确定位;最后,以眼睛中心点为圆心,以半径为20像素区域内的最高温度作为眼睛温度,对奶牛热红外图像中眼温进行自动检测。为验证本文方法的有效性,随机选取来自50头奶牛的100幅侧视热红外图像进行了试验,结果表明,采用本文方法检测结果的平均绝对误差为0.35℃、平均相对误差为0.38%,具有较高的精度。本研究可为奶牛体温非接触、自动化、高精度检测提供技术支撑。     

基于序列信息的土壤CT图像超分辨率重建

受部分容积效应影响,土壤计算机断层扫描（Computed Tomography,CT）图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network,SeqGAN）,实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。     

智能手机RGB图像检测植物叶片叶绿素含量的通用方法

为提高RGB（Red, Green, Blue）图像方法在检测植物叶片叶绿素含量的预测精度、普适性和实用性,该研究提出了一种智能手机结合辅助拍照装置获取植物叶片RGB图像并即时检测叶绿素含量的低成本方法。设计了一种内置主动光源的低成本便携式拍照装置,用以降低环境光及拍照角度等因素对成像质量的影响;并采用了基于24色Macbeth标准色卡的二阶多项式回归法构建色差校正矩阵以减小不同手机所获取图像的色差;最后开发了基于微信小程序的远程诊断系统以实现植物叶片叶绿素含量的原地、实时及无损检测。以甘蔗叶片为例,采用了3款不同品牌的手机进行了试验,首先分析了叶片39种颜色特征与其叶绿素含量的相关性及色差校正方法对其的影响。结果表明,该方法获取的叶片颜色特征与叶绿素含量大多具有较强的相关性（相关系数>0.8）,同时,色差校正可明显提升多手机混合数据集的颜色特征与叶绿素含量的相关系数,其中RGB色彩空间下三个颜色通道亮度值R、G、B的代数运算特征(B-G-R)/(B+G)的提升最明显,达到了0.842 4,比校正前提高了89%。进一步结合主成分分析构建了色差校正前与色差校正后的叶绿素含量多元线性回归（Multivariate Linear Regression,MLR）和支持向量机回归（Support Vector Regression,SVR）预测模型。针对多手机混合数据集的通用预测模型中,色差校正后的SVR通用预测模型精度和稳定性最高,相比校正前的SVR通用预测模型,五折交叉验证的R2均值达到了0.721 4,提高了14.6%,RMSE均值为0.328 8 mg/g,降低了13.3%;同时,该模型五折交叉验证的R2标准差仅为0.004 2,具有更高的稳定性。该研究为不同手机准确预测植物叶片叶绿素含量提供了一种通用方法。     

不同光照条件下农作物图像Contourlet域融合方法

为了更好地实现不同光照条件下的农作物图像融合,在Contourlet变换(contourlet transform,CT)的基础上采用了适合农作物图像的融合规则进行了融合处理。首先,采用Contourlet变换对源图像进行多尺度、多方向分解,得到低频子带系数和带通方向子带系数。然后,针对低频子带系数的选择,采用了一种改进的线性加权融合方法,以期减小噪声对融合结果的影响;针对带通方向子带系数的选择,结合人眼视觉特性,采用了一种基于梯度最大化规则的系数选择方案,得到待融合图像的系数。最后,经过Contourlet逆变换得到融合图像。与小波变换方法(wavelet transform,WT)进行了融合结果的比较,结果表明,与WT方法相比,该文方法在互信息量(mutual information,MI)、空间频率(spatial frequency,SF)、均方差(mean square error,MSE)、信息熵(entropy,Ent)、相关系数(correlation coefficient,CC)、平均梯度(average gradient,G’)和峰值信噪比(peak signal to noise ratio,PSNR)指标上均有了较大提升,表明利用该方法可以取得优于WT的融合效果;在此基础上,利用CT常见融合规则与文中融合规则进行了比较,同样表明CT方法可以有效提高图像融合的效果。研究表明,将文中所采用的融合规则应用于不同光照条件下的农作物图像融合是有效的、可行的。该研究可为变光照条件下的作物图像融合技术提供参考。     

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。