改进Otsu算法与ELM融合的自然场景棉桃自适应分割方法

针对动态行进过程中拍摄的自然棉田场景图像的棉桃分割问题,提出了一种改进的自适应优化分割方法。首先利用改进的Otsu分割算法定位棉桃区域,对棉桃和背景区域像素点的RGB值分别采样;将样本用于训练ELM(extreme learning machine)分类模型;把图像分割转化为像素分类问题,用分类模型对棉桃图像进行像素分类以实现棉桃图像的分割。对晴天和阴天场景下自然棉田的图像进行了算法验证,能正确分割棉桃并定位棉桃位置,实现了非结构光环境下对棉桃的无监督的采样和分割定位,每幅图像的平均分割时间为0.58 s,晴天和阴天状况下棉桃的平均识别率分别达到94.18%和97.56%。将该算法与经典分类算法SVM(support vector machine)和BP在增加纹理特征和采用RGB特征的情况下进行对比,并分析了该算法在分割速度和识别率上都有较大优势的原因。试验证明该算法在棉桃分割中有很好的实时性、准确性和适应性,可为智能采棉机的棉桃识别算法提供参考。     

基于病斑形状和神经网络的黄瓜病害识别

为了研究基于图像处理的黄瓜病害识别方法,试验中采集了黄瓜细菌性角斑病和黄瓜霜霉病叶片进行图像研究。在黄瓜病斑的图像分割方面,尝试了边缘检测法和最大类间方差法进行图像处理。边缘检测法提取出来的病态部位轮廓不是很完整,而利用最大类间方差法的图像分割效果较好。试验中提取了10个形状特征,选取黄瓜细菌性角斑病和黄瓜霜霉病叶片的各50个样本,其中每个病害的前30个样本,共计60个样本作为训练样本输入神经网络,对2种黄瓜病害叶片的后20个样本,共计40个样本进行测试,正确识别率达到了100%,说明通过病斑形状和神经网络进行黄瓜细菌性角斑病和黄瓜霜霉病的识别是可行的。     

基于离散余弦变换和区域生长的白粉虱图像分割算法

图像分割是病虫害自动识别的难点之一,目前大多基于颜色、纹理等信息采用阈值法或聚类法进行分割,简单,易实现,但分割精度较低。该文针对田间开放环境中,不能用颜色、纹理特征有效分割病虫害图像的问题,引入离散余弦变换(discrete cosine transform,DCT),提出用清晰度对病虫害图像进行分割,以提高分割精度。DCT的低频信号表示图像轮廓,高频信号表示图像细节,对于病虫害图像,焦点通常聚集在目标区域,该文提出截断DCT高频信号,再与原图做差的方法以区分清晰部分和模糊部分,然后结合病虫图像局部聚合度较高的特性,利用区域生长方法提取完整目标。采用该算法对白粉虱图像进行分割测试,并与阈值法和GMM方法比较:分割结果中,目标的一致性和边缘的清晰度明显好于阈值法和GMM方法,平均正确分类率为98.49%,分别较R,B,Y空间中阈值法和Y空间中GMM方法分类正确率高2.96%、3.28%、3.24%和9.65%,差异达到显著水平。基于DCT和区域生长的分割算法鲁棒性高,能够有效地将病虫害区域从自然环境中采集的叶片中分离,可用于分割白粉虱图像。     

多尺度融合卷积神经网络的黄瓜病害叶片图像分割方法

黄瓜病害叶片中的病斑区域分割是病害检测与类型识别的关键步骤,分割效果将直接影响病害检测和识别的精度。针对传统方法对于黄瓜病害叶片图像分割精度低和泛化能力弱等问题,提出一种基于多尺度融合卷积神经网络(Multi-ScaleFusionConvolutionalNeuralNetworks,MSF-CNNs)的黄瓜病害叶片分割方法。MSF-CNNs由编码网络(EncoderNetworks,ENs)和解码网络(DecoderNetworks,DNs)两部分组成,其中ENs为一个多尺度卷积神经网络组成,用于提取病害叶片图像的多尺度信息;DNs基于九点双线性插值算法,用于恢复输入图像的尺寸和分辨率。在MSF-CNNs模型训练的过程中,使用一种渐进微调的迁移学习方法加速模型的训练,提高模型的分割精度。在复杂背景下的作物病害叶片图像数据库上进行病害叶片图像分割试验,并与现有的分割方法全卷积网络(FullyConvolutional Networks,FCNs)、Seg Net、U-Net、Dense Net进行比较。结果表明,该MSF-CNNs能够满足复杂环境下的黄瓜病害叶片图像分割需求,像素分类精度为92.38%、平均分割准确率为93.12%、平均交并比为91.36%、频率加权交并比为89.76%。与FCNs、Seg Net、U-Net、Dense Net相比较,MSF-CNNs的平均分割精度分别提高了13.00%、10.74%、10.40%、10.08%和6.40%。使用渐进学习训练方式后,训练时间缩短了0.9 h。该方法为进一步的黄瓜病害检测和识别方法研究提供了参考。     

基于改进Mask R-CNN的黄瓜叶面积测量模型

植物叶面积可以反映出植物的生长速率、养分吸收以及光合作用能力，针对锯齿状边缘的黄瓜叶片分割精度较低，叶面积测量误差较大等问题。该研究提出一种深度卷积网络模型Marm，在Mask R-CNN的基础上利用Sobel算子进行边缘检测，使模型生成的掩膜更接近叶片的边缘。另外，引入边缘损失以提升叶片边缘的分割精度。借助参照物标签，利用模型输出的掩膜图像进行面积计算，获得黄瓜叶片在不同生长周期的叶面积。试验结果表明，Marm模型精确率、召回率和交并比达到99.1%、94.87%和92.18%，比原始的Mask R-CNN分别提高1.28个百分点、1.13个百分点和1.05个百分点，面积误差率下降1.43个百分点。当图像中存在叶片遮挡和阴影等多种影响，黄瓜叶片的面积误差率仍然能保持在5.45%左右。该研究有效解决了锯齿状边缘的叶片分割问题，将为植物表型研究提供技术支撑。     

基于叶片图像和环境信息的黄瓜病害识别方法

作物病害严重影响着作物的产量和质量,病害类型识别是病害防治的前提。利用图像处理和统计分析,提出了一种基于病害叶片图像和环境信息的黄瓜病害类别识别方法。采集不同季节、温度和湿度等环境下的病害叶片图像,并记录病害的环境信息;利用属性约简法提取病害叶片的5个环境信息特征向量,对病害叶片图像进行一系列图像处理,提取病斑图像的颜色、形状、纹理等35个统计特征向量。将两者结合得到黄瓜病害的40个特征分量。再利用统计分析系统(statistical analysis system,SAS)的判别分析方法,选择10个分类能力强的特征分量,计算作物病害的聚类中心分类特征向量。最后,利用最大隶属度准则识别病害叶片的病斑类别。对黄瓜的霜霉病、褐斑病和炭疽病3种叶部病害的识别率高达90%以上。试验结果表明,该方法能够有效识别作物叶部病害类别,可为田间开放环境下实现作物病害的快速自动识别提供依据。     

基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割

为了监测温室黄瓜叶片湿润情况以计算叶片湿润时间并用于病害预警,利用K-均值聚类算法实现黄瓜叶片的水滴荧光图像分割。选择人工气候室培育的健康且洁净的黄瓜叶片作为试验试材,采用移液枪向叶面、叶缘部位上滴水,模拟不同的叶片湿润情形,使用荧光成像仪蓝光镜头在白天（07：00）和夜晚（18：00）分别采集图像。应用 K-均值聚类算法在L*a*b颜色空间对水滴图像进行分割,首先要将原始图像由RGB颜色空间转换到L*a*b颜色空间,然后在在L*a*b颜色空间中利用a*b*二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,聚类得到的图像灰度化后进一步用数学形态学中的开闭交替滤波方法进行校正,最终完成图像分割。利用该方法对10幅含有不同水滴数量的黄瓜叶片荧光图像进行分割,为了验证该方法的有效性,分别采用基于H分量直方图分割算法、主动轮廓即C_V模型分割方法、融合K均值聚类和Ncut算法作对比试验。试验结果表明,该方法的平均匹配率、误分率相较于其他3种方法有明显的优势,平均匹配率为81.27%、平均误分率为9.57%,较之于其他3种方法,平均匹配率分别提高了44.11、11.50、10.90百分点,平均误分率分别降低了23.03、5.47和5.05百分点。该方法能够较为准确地将水滴从图像中分割出来,这为用计算机器视觉的方法监测黄瓜叶片的润湿时间提供了新的思路。     

基于形状因子和分割点定位的粘连害虫图像分割方法

单个害虫的分割是进行害虫特征提取和识别的前提。针对害虫识别过程中出现的粘连等问题,提出了一种基于形状因子和分割点定位的害虫图像分割方法。该方法首先利用形状因子对图像中的每个区域进行粘连判定,然后对判定为粘连的区域进行逐层轮廓剥离和局部分割点的确定,接着根据局部分割点在原区域中搜索边界轮廓的两个分离点,最后连接局部分割点与分离点线段进行害虫分割。通过实验室人工随机散落桃蛀螟Conogethes punctiferalis(Guenée)和田间粘虫板诱捕梨小食心虫Grapholitha molesta(Busck)2种场景采集图像,验证算法的有效性,并与分水岭分割算法进行对比,采用分割率、分割错误率和分割有效性3项指标进行评价,结果表明:针对实验室环境下采集的2组桃蛀螟害虫图像,该文方法平均错误率为7%,约为分水岭分割方法的1/2,平均分割有效率为92.65%,比分水岭算法提高了5.7个百分点;在2组田间梨小食心虫图像分割中,该文方法平均错误率为2.24%,平均分割有效率为97.8%,分别比分水岭方法降低了4.29个百分点和提高了3.95个百分点,说明该文方法在分割准确性和有效性方面都可以获得更好的分割性能,应用于害虫多目标分割与自动识别系统中,可以有效地提高识别精度。     

基于轮廓分割的草莓叶片三维建模

为精确构建原位草莓植株三维空间结构,以高架栽培模式生长环境下的草莓植株为研究对象,提出了一种基于多源图像轮廓分割的草莓植株结构形态三维重建算法。通过改进的多源图像融合算法,建立多源图像映射关系,融合预处理后的多源信息得到待分割强度图;计算待分割强度图矢量场卷积的局部中心,选出多目标的初始轮廓控制点,将参数的活动轮廓模型应用于待分割强度图像进行叶片的分割;采用标记的方法将分割轮廓映射至距离点云集,设计以单个叶片为单位的平面拟合选择机制,最终完成草莓三维模型的重建及显示。为验证该算法的有效性,将三维重建后的有效叶片数,平均单叶长度及叶片距离差作为评价指标,实验结果表明,有效叶片数正确率为85.6%,平均单叶长度模型正确计算率为88.4%,叶片距离差正确计算率为82.4%,研究结果可应用于原位草莓植株的空间位置测量,可为农业机器人局部视觉场景中植株空间结构的构建提供参考。     

基于融合多特征图切割的作物病害图像自动分割

为提高黄瓜叶部病害图像的分割性能,该文提出一种基于融合多特征图切割的病害图像自动分割方法。首先采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理;然后融合纹理、灰度、距离3个特征构建能量函数的边界项,描述像素间的相似性;再利用分割区域像素与区域边界像素的红色分量差值自动建立能量函数的区域项,反映像素归属于背景和目标的程度;最后运用最大流算法求解能量函数得到分割结果。将该方法应用于黄瓜3种病害(靶斑病、霜霉病和白粉病)叶部图像分割中,并与OTSU算法及半自动图切割算法的分割结果进行比较。试验结果表明,该方法的平均错分率为1.81%,低于其他2种算法,平均分割速度约为2.34 s并无大幅增加。该研究可为黄瓜病害的自动识别和诊断提供技术参考。     

木薯茎秆基质育苗效果研究

以草炭、椰糠为对照,研究腐熟木薯茎秆对番茄、黄瓜、丝瓜、茄子、大吊瓜及西瓜的育苗效果,为木薯茎秆作为育苗基质提供依据。育苗结果表明:(1)原木薯茎秆用于番茄育苗时,其发芽率、株高、茎粗及真叶数与草炭育的番茄效果相当;过2 mm筛木薯茎秆对番茄育苗效果不如草炭,但优于椰糠;原木薯茎秆用于黄瓜育苗时,其发芽率、株高、茎粗及真叶数与草炭、椰糠育的黄瓜效果相当;原木薯茎秆对番茄、黄瓜的育苗效果优于过2 mm筛木薯茎秆。(2)原木薯茎秆、过2 mm筛木薯茎秆对丝瓜、大吊瓜和西瓜的育苗效果不如草炭、椰糠,但对茄子的育苗效果优于椰糠。总的看来,腐熟木薯茎秆可用于番茄、黄瓜、茄子育苗,而不宜单独用于丝瓜、大吊瓜和西瓜育苗。     

普通丝瓜叶片成分和物理结构对黄足黑守瓜取食和定位的影响

黄足黑守瓜是普通丝瓜生长过程中危害叶片的主要害虫。本文对普通丝瓜不同部位叶片挥发性成分、营养成分和物理结构对黄足黑守瓜取食和定位的影响进行了系统研究。本实验采用顶空固相微萃取-气相色谱-质谱法分析了普通丝瓜不同部位叶片挥发性成分,研究结果表明,嫩叶主要挥发性成分有（Z）-3-己烯-1-醇（27.65%）和植醇（45.77%）,成熟叶挥发性成分主要有（Z）-3-己烯-1-醇（49.34%）,老叶挥发性成分主要有植醇（63.25%）,且挥发性成分对黄足黑守瓜远距离定位起到了引导作用。同时,本研究还采用5点取样法、3,5-二硝基水杨酸法和考马斯亮蓝法分别研究了普通丝瓜不同部位叶片营养成分含量与黄足黑守瓜取食之间的关系,实验结果表明,黄足黑守瓜喜食植物叶片嫩叶部位,喜食部位叶片的总糖与还原糖含量、蛋白质含量都最高,且总糖含量与蛋白质含量比值最高。叶片物理结构调查采用石蜡切片法,发现叶片的物理结构对于黄足黑守瓜取食很少造成影响。通过研究,使我们充分地了解影响黄足黑守瓜取食不同部位叶片的因素,便于今后的育种和栽培过程中加强不利于黄足黑守瓜取食的因素,以达到安全、环保地进行农业生产的目的。     

基于水平集的作物病叶图像分割方法

针对具有复杂背景的作物病叶图像中的叶片提取问题,提出了一种基于先验信息的水平集模型。首先,在LBF模型中引入纹理信息——结构张量,构造新的水平集模型;其次,采用水平集方法表示目标叶片形状,并将先验形状信息以能量泛函的表达形式引入到上述新的水平集模型中,得到新的基于先验信息的水平集模型;最后,利用该模型对具有复杂背景的黄瓜病叶图像进行分割。结果表明,该方法能准确地提取具有复杂背景黄瓜病叶图像中的病叶,为后续的病斑提取、识别和诊断奠定前期基础。     

巨型塑料大棚内CO2浓度的变化分析

为探讨巨型塑料大棚CO2环境特征,测试了早春栽培黄瓜不同时期和不同位置棚内CO2浓度的变化,对棚内CO2浓度变化随群体叶面积指数、光合速率和土壤呼吸速率的关系进行了分析。结果表明：一日中棚内CO2浓度在7：00-8：00达最高,12：00-14：00处于低谷,晴天较阴天变化剧烈。结果期一日中的8：00-15：00,光合消耗CO2速率＆gt;土壤呼吸释放CO2速率,通风可维持棚内CO2浓度在293-330μL·L^-1;棚内CO2浓度垂直分布表现为近地面层〉植株内部〉冠层,水平分布表现为10：00-12：00东部〈中部〈西部,14：00-16：00东部〉西部〉中部;棚内CO2浓度的季节变化主要受黄瓜群体叶面积指数、光合消耗CO2速率和土壤呼吸释放CO2速率的影响,晴天棚内CO2浓度白天平均下降速率与LAI（x）的关系为y=78.468x＋48.694,阴天为y=54.358x＋18.322。     

Photosynthesis of the rice plant under water stress

Leaf-resistance values sharply decreased after sunrise, remained low during daytime, and increased sharply toward sunset. This general pattern was modified by weather conditions and soil-water stress. On a cloudy day, leaf resistance remained low (3-5 s/cm) during daytime regardless of the soil-water regime. No increase in leaf resistance equivalent to “midday closure of stomates” was observed under flooded conditions on a sunny day. Under water stress and on a sunny day, leaf resistance began to increase in the morning or afternoon, depending on the degree of water stress. Both the light intensity at which the leaf photosyn-thetic rate reached light-saturation and the maximum value of the photosynthetic rate became lower as water stress became more severe. A simulation model revealed that crop photosynthesis was almost identical (17-18 g·m^-2·day^-l) for both water-stressed and well-watered crops on a cloudy day when solar radiation was 200 cal·cm^-2day^-l. On a sunny day, when solar radiation was 600 cal·cm^-2day^-l, however, crop photosynthesis under water stress reached its maximum at about 8 a.m., after which it declined with time and became almost zero after 12 noon. Under flooded conditions, diurnal changes in crop photosynthesis were similar to those of incident solar radiation. As a result, crop photosynthesis was about 33 g·cm^-2day^-l under flooded conditions and only about 10 g·cm^-2day^-l under water stress. Thus, crop photosynthesis under water stress was greater by 70% on a cloudy day than on a sunny day. This suggests that a partly shaded environment favors crop growth under water stress.     

热阻帘在日光温室墙体热量释放调节中的应用初报

日光温室昼夜温差大,北墙作为主要蓄热体对温室夜间温度调节具有重要影响。冬季凌晨时段日光温室内空气温度较低,对作物生长不利,针对这一现象本文提出在日光温室北墙内侧使用"热阻帘"以延迟墙体热量释放的时间、从而提高凌晨低温时段室内空气温度的方法。通过在北京地区冬季的试验证明,夜间热阻帘覆盖墙体内表面时(晴天16∶00-4∶00,阴天16∶00-3∶00)试验温室墙体内表面热通量比对照温室分别减小38.5%、38.9%,热阻帘卷起后的时段内(晴天4∶00-8∶30,阴天3∶00-8∶30)墙体内表面热通量比对照温室分别增大7.2%、13.5%,在此低温时段内试验温室跨中空气温度比对照温室高0.28~0.32℃。