河道淤泥气泡混合土微观构造及力学性质相关性

基于河道淤泥气泡混合土(FMLSS)的微观构造特征,通过微观构造观察和分析,评价了FMLSS的强度特性和破坏机理。试验结果表明,保持FMLSS含水量一定,随着气泡掺入量的增加,FMLSS的内部平均等效孔径和气孔面积百分比含量呈线性增大趋势、而随着水泥掺入量的增加呈减小趋势;随着气泡掺入量的增加,FMLSS的气孔大小分布的均匀性降低,气孔平均等效孔径增大。试验结果还表明,FMLSS的强度发挥及破坏机理与FMLSS的气孔分布的均匀性以及等效孔径等微观构造参数存在明显的相关性。     

应用数字图像技术进行水稻氮素营养诊断

【目的】研究田间试验条件下水稻不同生育期冠层图像色彩参数(G、NRI、NGI、NBI、G/R和G/B)及植株氮素营养指标(叶片含氮量、植株全氮含量、生物量、氮素累积量和冠层NDVI值)的时空变化特征,并分析两者间的相关性,确立水稻氮素营养诊断的最佳色彩参数和方程模型,为探明数码相机在水稻上的适宜性及精确诊断水稻氮素营养状况提供理论基础。【方法】于2013年5月9月在湖北省武汉市华中农业大学试验基地(30°28'08'N,114°21'36'E)采用不同施氮处理的田间试验,以籼型两系杂交稻"两优6326"为供试作物,设置4个施氮水平:0、75、150和225 kg/hm2(分别以N0、N75、150和N225表示),3次重复,随机区组排列。分别在水稻分蘖期、拔节期、孕穗期和灌浆期采用数码相机(Nikon-D700,1200万像素)获取水稻冠层图像,应用Adobe photoshop7.0软件直方图程序提取图像的红光值R、绿光值G和蓝光值B,研究数码相机进行水稻氮素营养诊断色彩参数,确定植株氮素营养指标诊断模型。【结果】较对照(N0)相比,分蘖期、拔节期、孕穗期和灌浆期3个施氮处理水稻地上部生物量、叶片含氮量、植株全氮含量、氮素累积量、冠层NDVI值和成熟期产量增幅分别平均为40.7%98.0%、42.4%72.4%、36.2%85.3%、125.5%209.1%、51.3%60.6%和60.1%117.0%,差异显著。水稻不同生育期各冠层数字化指标G、NRI、NGI、NBI、G/R和G/B与上述氮素营养参数相关性差异较大,且以数字图像红光标准化值NRI表现最佳,建议作为应用数码相机进行水稻氮素营养诊断的最佳冠层图像色彩参数指标。进一步分析表明,可以用统一的线性回归方程来描述不同生育期、不同氮素水平下水稻植株氮素营养指标随冠层色彩参数NRI的变化模式。【结论】数码相机进行水稻氮素营养诊断测试结果稳定,具有快速、便捷、非破坏性等优点,冠层色彩参数NRI与水稻氮素营养指标和产量之间均表现出较好的相关性,满足氮素营养无损诊断的需求,对实时、快速监测水稻长势状况及氮素营养丰缺水平具有较高的可行性,有望发展成为新时期作物氮素营养无损诊断技术的潜力。     

基于无人机数码影像的冬小麦叶面积指数探测研究

叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。     

基于遗传算法的遥感数字图像镶嵌研究

遥感数字图像的镶嵌处理是遥感图像处理的基本工作之一，为此介绍了一种基于遗传算法确定图像重叠区和调整图像色度，以辅助完成遥感图像的镶嵌工作的新方法。     

无人机低空数字图像诊断棉花苗情技术

为了提高棉花苗情监测的时效性和精确性,本研究利用无人机低空获取棉田数字图像,通过图像分析快速识别诊断棉花苗情。研究结果表明,利用HIS（Hue- intensity- saturation）阈值法将图像二值化,之后通过腐蚀膨胀对二值化图像进行处理,能够较好地排除地膜干扰,快速识别大范围棉苗数量和壮苗数量,棉苗识别精度超过90%。基于图像识别结果绘制的田间苗情分布图清晰显示了棉田出苗情况,并为精准化管理提供依据。本研究结果可为无人机在农业中的应用提供参考。     

孔隙结构图像分析中不同试验因素对分析结果的影响

研究了不同试验因素 (包括图像分辨率、土壤切片定向性、分析区域大小等 )对孔隙结构图像分析结果的影响以及试验误差 ,并简要介绍了用于分析土壤孔隙结构的土壤切片及数字图像的制备技术。结果表明 :不同试验因素对分析结果均会产生一定的影响 ,试验误差约在 1 0 %。这表明同一研究中应保持试验条件的相对一致以保证分析结果的可靠性和可比性     

数字图像和逐步回归客观评定冷却猪肉肉色

为开发准确、快速的猪肉肉色质量客观评定方法,研究了数字图像处理和和逐步回归模型对冷却猪肉肉色客观评定分级的效果.对宰后冷却24 h的猪删体,切开第3～4肋骨间背最长肌,发色60 min,数码相机获取数字图像处理后提取断面肉色参数(L *、a *、b *、Chroma、Hue angle).提取的80头猪胴体背最长肌肉色参数经逐步回归建立了肉色评定模型.结果表明,数字图像处理后提取肉色参数建立的逐步回归模型评定冷却猪肉肉色分值的效果优于BP人工神经网络模型;若以|评定肉色分值-感官肉色分值|≤0.3为评定正确判断标准,前者评定正确率为78.8%,后者为60.4%; 前者与本试验评定正确率最高的单个感官评定人员相比(78.2%),差异不显著(P>0.05).因此,数字图像处理可有效地对冷却猪肉肉色进行客观评定.     

基于离散傅立叶变换的水稻作物数字图像压缩技术研究

[目的]研究水稻监控系统中的数字图像压缩技术。[方法]提出了一种基于离散傅立叶变换的数字图像压缩技术方案,并通过仿真试验对图像进行了不同压缩比的压缩。[结果]对于压缩比在30以内的数字图像的压缩,衡量编码压缩质量的5个参数(压缩比、图像的熵、平均码字长度、编码效率、冗余度)和评价压缩图像逼真度的参数(PSNR)均达到较好效果,人眼几乎不能分辨出解压缩图像和原始图像之间的差异;在压缩比超过30的数字图像的压缩上,解压缩图像存在一定的失真。当压缩比为91.516 3时,虽然图像有一定的失真,但PSNR仍能达到21.528 2,从直观上人眼在一定的误差范围内仍能接受解压缩图像。[结论]该研究结果表明提出的图像压缩方案是一种可行的、有效的、较好的图像压缩技术,完全可以满足农作物监控系统中图像存储、交换与传输的要求。     

基于可见光谱色彩指标Otsu 法的水稻冠层图像分割

水稻冠层数字图像分析技术在水稻生长监测、氮营养诊断及产量预测上具有应用潜力,而水稻像元精确分割、提取是水稻冠层数字图像分析结果准确、稳定、可靠的前提。最大类间方差法(Otsu法)具备分割质量稳定、自适应强的特性,分割效果较好,是一种常用的阈值分割方法。通过提取计算水稻冠层图像9种图像色彩指标R、G、B、CIEL*a*b*色彩空间的L*、a*、b*分量、HSV色彩空间的H分量、绿度叶片指数(GLD)以及植被指数(VIGreen),并以各种图像色彩指标的Otsu法对水稻冠层图像进行分割,比较其图像分割效果。结果表明,水稻和土壤像元的a*、b*、GLD、VIGreen色彩指标双峰性明显,且重叠性小,可作为分割水稻与土壤背景的候选图像色彩指标;基于a*、GLD、VIGreen色彩指标的Otsu法的分割精度较高,且基于a*色彩指标的Otsu法对水稻冠层图像分割效果的信噪比最大、误差率最低,其次是基于VIGreen色彩指标的Otsu法;基于CIEL*a*b*色彩空间的a*色彩指标是Otsu法的水稻冠层图像分割中较优的图像色彩指标。     

基于数字图像特征的冬小麦渍害监测研究

为探索渍害胁迫下冬小麦灾损程度的可视化监测方法,通过田间试验,分析了麦田16个常用图像特征指数在不同受渍时间下的变化特征及其与冬小麦SPAD值、产量和千粒重的相关关系,并建立了基于图像特征指数衰减量的冬小麦渍害估算模型。结果表明,随渍水时间的增加,红光(R)、红光标准化值(NRI)、超红指数(EXR)、植被颜色指数(CIVE)极显著上升,而绿光标准化值(NGI)、归一化绿红差值指数(NGRDI)、绿-红差值指数(GMR)、超绿指数(EXG)、绿红比值指数(GRVI)则极显著下降;且这9个图像特征指数均与冬小麦SPAD值、产量和千粒重呈极显著相关,相关系数的最大绝对值分别为0.92、0.85和0.91;基于图像指数衰减量所建的SPAD值、产量和千粒重减少量的估算模型均以二次多项式最优,且以CIVE指数衰减量构建的SPAD值、产量和千粒重减少量估算模型的预测精度最高,验证集决定系数分别达到0.98、0.95、0.96。因此,数字图像技术可用于冬小麦渍害监测,且以基于CIVE指数的监测效果最佳。