作物病害机器视觉诊断研究进展

据统计,由病害引起的作物产量损失平均在12%以上,病害不仅直接影响产量,而且也严重降低农产品的品质。通过快速诊断识别作物病害而及时采取防治措施,提高作物病害的诊断水平是保证有效防治病害的重要组成部分。机器视觉技术的发展为作物病害诊断和识别提供了快捷、低廉、无损检测的可能手段。本文综述了面向多种作物病害机器视觉诊断研究的进展,归纳了作物病害机器视觉诊断的识别模式,分析了诊断中存在的问题,提出了相应的解决方法。

基于G-MRF模型的玉米叶斑病害图像的分割

【目的】图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低。本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度。【方法】在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型的分割,目标区域的一致性和边缘的清晰方面明显好于基于阈值和Gauss模型的分割算法,其平均正确分类率达96.35%,分别较基于阈值和基于Gauss模型的分割算法高出3.75%和4.03%,差异达到显著水平。【结论】基于G-MRF模型的分割算法鲁棒性高,能够有效地将病斑区域从叶片部分离,分割正确分类率达96.35%,可用于玉米叶斑类病害图像的分割。

基于成像光谱仪的冬小麦苗期冠层叶绿素密度监测

利用自主研发的MSI200型成像光谱仪对冬小麦苗期叶绿素密度进行遥感监测,并与ASD Fieldspc FR2500型非成像地物光谱仪测定数据相比。结果表明,两种仪器所得R720、FD660、FD550、TCARI、GNDVI、PPR（550,450）、NRI等光谱特征参量均与叶绿素密度显著相关,拟合度较高,说明MSI200型成像光谱仪测定的作物光谱数据是可靠的。对筛选出的模型进行检验,ASD Fieldspc FR2500模型的预测精度达86.61%～92.79%,MSI200达91.26%～95.54%,其中PPR对叶绿素密度预测精度最高,RMSE分别为0.8391和0.0979。与传统非成像地物光谱仪相比,成像光谱仪能够提取纯冠层光谱信息,所得模型精度高、误差小,筛选的植被指数和特征波段对于航天、航空遥感器的定标有重要意义。

基于Fisher判别分析的玉米叶部病害图像识别

【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。

基于智能手机的棉花苗情调查与决策支持系统

针对新疆棉花生产过程中基层植保力量不足的问题,该文设计开发了棉花苗情调查与决策支持系统。该系统基于"云到端"模式,云端采用基于角色的访问控制(role-based access control,RBAC)解决多用户权限分配与菜单管理问题,提供数据管理分析、专家决策支持服务;用户端基于智能手机提供数据采集、专家决策意见接收功能。云到端之间的数据通信采用表述性状态转移(representational state transfer,REST)架构,提供RESTful的数据访问服务,解决系统之间松耦合、可扩展等问题。系统在新疆生产建设兵团第六师105团经过3 a的应用,结果表明:该调查系统能够快速获取文字和图片2种形式的棉田苗情信息,并能够方便的通过农田地图、柱状图、曲线图、Excel表格等多种方式对数据进行有效的分析和展示,大大提高了工作效率。通过搭起基层农户与生产管理者、农学专家之间的信息快速传输通道,加快了知识转化,减轻了基层植保压力。该系统加以扩展即可用于其他农作物的田间调查,同时这种调查模式稍加改造还可应用于林业、畜牧业等多个行业的信息普查。

基于棉花冠层光谱的土壤氮素监测研究

通过连续2年小区氮肥试验,在棉花不同生育期采集冠层高光谱数据并同步测定土壤氮含量,分析棉花冠层高光谱参数与土壤氮含量间的关系,建立基于植株冠层光谱的土壤氮含量估算模型。结果表明:土壤全氮含量随着施氮水平的增加而增加,且差异显著;基于棉花不同时期冠层光谱构建的14种光谱参量与土壤氮含量间的相关性有显著差异。其中,利用冠层光谱参数P_Area1100、Depth980、Area672、PPR(550,540)建立的土壤氮含量监测模型分别在蕾期、花期、铃期、吐絮期4个关键生育期对土壤氮含量的预测均达到了较高的精度,能够很好地反映棉花土壤氮素营养状况。利用植株冠层光谱参数可以很好地监测土壤氮素营养,说明利用植株冠层光谱方法监测土壤氮含量是可行的。

基于REST架构和XML的农情数据共享研究

【目的】研究农情数据在分布广泛、动态变化的网络环境下实现数据共享的技术、方法和解决方案。【方法】使用REST(representational state transfer,表述性状态转移)架构风格解决系统之间松耦合、可扩展等问题。以xml(extensible mark language,可扩展标记语言)和AgroXML为基础设计农情数据结构规范实现不同系统对数据的一致理解。通过开发原型系统验证方案的可行性。【结果】将农情数据合理抽象为网络资源并设计其标识符,基于.net平台使用WCF(Windows Communication Foundation)技术构建了RESTful Web服务,实现了不同系统间的资源获取;通过改进AgroXML的Schema文件制定了农情数据结构规范,初步实现了农情数据表述一致化,并开发了相应的数据解析模块;以新疆生产建设兵团农场农业生产管理数据共享为例,设计开发原型系统验证方案的正确性,讨论其优缺点,并提出了进一步改进的方向。【结论】REST架构风格能够充分解耦服务提供者和使用者,尤其适合于农情数据分布广泛、动态变化的特点,避免了传统分布式技术存在的问题,满足了系统的开放性和扩展性要求,结合统一的数据结构标准,能够很好地实现农情数据共享。

基于图像规则的玉米病害诊断系统的设计与实现

针对传统病害诊断系统在病症推理过程中借助语言文字描述规则诊断病害让农户难以理解和应用的问题,将图像指认方法与传统文字规则推理技术相结合,建立的病害诊断系统更适合于农户使用,并改善了专家系统的应用效果,利于其在玉米生产中的应用。介绍了基于图像规则的玉米病害诊断系统的设计思想、功能特点和实现方法。

利用光谱-盐分指数监测棉田土壤盐分

通过对棉田土壤盐分的光谱反演研究,为土壤盐渍化遥感动态监测提供可能。利用ASD地物光谱仪测定新疆兵团第六师共青团农场盐渍化棉田土壤光谱,结合土壤化学参数分析确定反映棉田土壤盐渍化程度的敏感波段,构建最佳盐分指数对棉田土壤盐分进行监测。结果表明,随盐渍化程度（0.084~1.659 g·kg^-1）的加重,土壤光谱反射率呈上升趋势,在近红外区（1350~1850 nm）差异尤为显著,该波段范围光谱反射率与土壤盐分呈极显著相关（r=0.880^＊＊）,且对土壤盐分响应敏感,为识别盐渍化土壤的敏感波段;选择盐渍化光谱敏感波段建立了盐分指数SI1,BI,SI2,NDSI,SI3监测棉田土壤盐渍化的模型,其中SI1和BI的RMSE分别为0.151和0.149、RE为7.5%和6.3%,预测能力强,可推荐为棉田土壤盐分监测的最佳模型。

基于GM（1，1）模型的新疆棉叶螨预测研究

影响棉叶螨发生发展的因子众多，有些影响因子的数据不易采集，给建立科学实用的螨害预测预报模型带来很大困难。为尝试解决这一问题，本文将灰色系统理论应用于新疆亚热带棉区棉叶螨预测预报研究，基于历史螨害发生数据，建立了GM（1，1）灾变预测模型。检验结果表明，该模型的平均相对精度为97．1％，小误差概率P值为1，均方差比值C为0．0627，各项指标均达到Ⅰ级预测精度。使用2014-2016年度螨害发生数据对模型进行验证，预测结果与螨害实际发生情况相吻合。研究结果表明：GM（1，1）灾变预测模型可用于棉叶螨的中长期预测，且具有建模所需数据量少、数据易于获取、预测精度高等优点，在实际农业生产中具有更好的实用性。同时由于农作物虫害具有相似的规律性，因此，本文的研究方法能够为其他类似的生物灾害预测提供参考和借鉴。

基于图像规则与Android手机的棉花病虫害诊断系统

为解决当前植保专家系统使用难度大以及携带不便的问题,在Android智能手机上开发了基于图像规则的棉花病虫害诊断系统。采用二叉树检索规则构建二叉诊断决策知识树,利用面向对象技术将诊断决策树中的知识节点及其相对应的田间典型图像进行封装,形成图像化知识表达形式;系统提供指认式和推理式2种诊断方式,基于田间病虫害事实图像进行人机交互,实现了推理过程的可视化,具有便携、实用、图文并茂、人机交互友好以及不受网络环境限制等特点,能够实现现场式的专家服务。经应用测试,事实库中包含的病虫害诊断正确率在95%以上。

基于逻辑回归算法的复杂背景棉田冠层图像自适应阈值分割

棉田冠层覆盖度是监测棉田棉花长势的重要指标,针对棉田复杂环境中冠层图像难以准确分割的问题,该文提出了一种基于逻辑回归算法的复杂背景棉田冠层图像自适应阈值分割方法。首先将棉田冠层图像像素分成叶片冠层和地表背景2类,在HSV颜色空间中分别提取两类像素的H通道值,在RGB颜色空间中分别提取绿色占比值(G/(G+R+B))作为颜色特征;再利用逻辑回归算法确定出各颜色特征的分割阈值,通过H通道分割阈值实现图像的初次分割;再对初次分割结果中的低亮像素使用逻辑回归算法计算出的超绿特征阈值进行低亮像素分割,同时采用绿色占比分割阈值对图像高亮像素及低亮像素分割结果整体实现二次分割,最后采用形态学滤波方法对分割结果进行优化。为评价该分割方法,利用从新疆棉花产区采集到的320幅棉田冠层图像进行试验。结果表明,该方法可在棉田复杂自然背景下,有效分割出棉田冠层区域,平均相对目标面积误差率仅为5.46%,总体平均匹配率达到93.07%;优于超绿特征OTSU分割方法(平均相对目标面积误差率11.78%,总体平均匹配率76.43%)、四分量分割方法(平均相对目标面积误差率24.11%,总体平均匹配率71.67%)、显著性分割方法(平均相对目标面积误差率36.92%,总体平均匹配率66.92%)。该方法的平均处理时间为4.63 s,相对于超绿特征OTSU法(3.84 s)和四分量分割法(2.56 s),耗时多一些,但与显著性分割法(6.25 s)对比,花费时间要少。研究结果可为棉田自然复杂环境下机器视觉技术监测棉花覆盖度提供一种有效途径。

新疆超高产(3000kg/hm^2)棉花生育规律的初步研究

通过研究提出在新疆南部全国最高产棉区冀棉２０公顷产皮棉３１９０．７ｋｇ棉花的各项生理指标：叶面积指数在现蕾时为０．５１，开花时为１．６３，在盛铃期时达最大，为４．２４，吐絮时为３．８９；干物质积累在盛花前平均日增干物重６７．５ｋｇ·ｈｍ－２，盛铃期达最大，为３２２．５ｋｇ·ｈｍ－２；盛铃期日净光合时间为１３ｈ，Ｐｎ最大峰值为４０．９ｍｇＣＯ２·ｄｍ－２·ｈ－１，ＣＡＰ最大峰值为４．２ｇＣＯ２·ｄｍ－２·ｈ－１；单位叶面积载铃量及单位叶面积负载皮棉重分别为２７．８个·ｍ－２叶和０．１７５４ｋｇ·ｍ－２叶。

2013年北疆垦区不同棉区棉花产量波动的气候因素对比分析

2013年北疆垦区棉花的产量和品质出现下滑,明显不如2012年。通过对宜棉区、次宜棉区棉花各生育阶段的气象条件分析及气候指标判断得出,宜棉区是低温阴雨寡照造成棉花一般延迟性冷害;次宜棉区是各生育阶段热量条件持续不足和夏季严重冷害造成棉花严重的延迟性冷害,加之两地区初霜冻均明显偏早,造成了棉花气候减产。建议今后应根据不同年份的气候波动调整品种结构和品种布局,确保棉花持续健康发展。

麦盖提垦区二代棉铃虫化防指标的探讨及防治的经济决策

对麦盖提垦区二代棉铃虫现行化防指标进行了探讨。认为现行化防指标过严 ,没有充分考虑大面积化学防治后蚜虫的反弹及天敌的控害作用 ,不利于协调治理棉铃虫和棉蚜化防时的矛盾。用经济学原理分析认为 ,充分发挥天敌对害虫的抑制作用 ,适当放宽化防治标 ,使二代棉铃虫化防指标为2 0～ 2 5头较宜 。

基于改进全卷积网络的棉田冠层图像分割方法

针对传统的全卷积网络分割精度低、效果差等问题,该文提出一种结合条件随机场的改进全卷积网络棉田冠层图像分割方法。首先通过提取和学习图像特征对全卷积网络进行训练以优化其分割性能,得到初步分割结果和训练后的全卷积网络模型;接着将初步分割结果以像素和像素对应的分类向量形式输入到条件随机场中,同时结合像素间相对关系构建能量函数再进行训练,对初步分割结果进行优化得到训练后的条件随机场模型;进而通过验证过程对全卷积网络和条件随机场模型参数进一步调优,得到最优的全卷积网络和条件随机场;最后结合最优的全卷积网络和条件随机场实现棉田冠层图像分割并进行试验。试验结果表明:该方法的平均像素准确率为83.24%,平均交并比为71.02%,平均速度达到0.33 s/幅,与传统的全卷积网络分割性能相比分别提升了16.22和12.1个百分点,改进效果明显;与Zoom-out和CRFas RNN(conditional random fields as recurrent neural networks)分割方法进行对比,平均像素准确率分别提升了4.56和1.69个百分点,平均交并比分别提升了7.23和0.83个百分点;与逻辑回归方法和SVM(support vector machine)方法进行对比,平均像素准确率分别提升了3.29和4.01个百分点,平均交并比分别提升了2.69和3.55个百分点。该文方法在背景复杂、光照条件复杂等环境下可以准确分割出冠层目标区域,鲁棒性较好,可为棉花生长状态自动化监测提供参考。