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。

郑单958在东北春玉米区生态适应性研究

为研究郑单958在东北地区的生态适应性,确定其适宜的种植区域,充分发挥郑单958的生产潜力,本文以当地主栽品种为对照,在北纬40°～48°、≥10℃活动年积温在2916～4380℃的东北玉米产区开展了郑单958的多点联网试验。结果表明,在东北春玉米区,吐丝至完熟期热量和降水与纬度呈极显著负相关,郑单958的生育进程和产量因各地光热条件不同而表现出较大差异。其中,从播种到完熟/收获的全生育期天数、千粒重、产量均随纬度先增后减,出苗天数和出苗至吐丝天数随纬度北移而延长,吐丝至成熟天数随纬度升高而缩短。各试验点穗粒数与生态条件无显著关系,千粒重随纬度升高先增后减。郑单958高产主要出现在≥10℃活动年积温在3450～3700℃地区,当≥10℃活动年积温约低于3200℃时,不能正常生理成熟,千粒重明显下降。东北春玉米区气候条件差异显著,气象生态条件对郑单958千粒重的影响显著大于对穗粒数的影响,千粒重不同导致其在各地呈现不同的产量表现。在高纬度的低热量地区,造成郑单958减产的主要因素是吐丝至收获期的热量匮乏,依据郑单958对≥10℃活动年积温的响应制定了安全种植北界线,可为其安全推广提供参考。

小麦籽粒蛋白质含量遥感监测研究进展

遥感是实现农田作物快速、无损监测的重要手段,利用遥感技术在小麦生长的中后期对籽粒蛋白质含量进行预测对于指导小麦后期氮素调控、实现分类收获和按质收购具有重要意义。该文概述了小麦籽粒蛋白质含量检测方法的发展过程,对国内外运用遥感技术监测小麦籽粒蛋白质含量提出的敏感波段、光谱特征参量、反演模型及分析方法进行了综述,通过分析研究中存在的问题,明确了今后在利用遥感技术监测小麦籽粒蛋白质含量方面应重点解决的问题,并展望了该技术的发展前景。

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LANDSAT-5像元尺度的棉田生长密度遥感监测初步研究

【目的】基于LANDSAT-5像元尺度,分析棉田生长密度监测准确定性的影响因子,并提出改进方法,探索减弱非棉苗背景空间差异的遥感指数,确立棉田生长密度遥感监测的最佳时相,为棉花估产和棉田农作分区管理提供数据支持。【方法】实地调查13块棉田(630hm2),获取了棉田生长密度、经纬度以及播种时间、出苗时间所组成的60个样区数据,每样区3个样点;从播种期到盛花期5个时相的遥感影像提取EVI和DEVI,样本等分为建模数据和模型检验数据;采取分播期和不分播期两种方式分别使用EVI和DEVI建立棉田生长密度估算模型,其决定系数经过显著水平检验后,进行模型估算准确性检验,并将优势模型应用于县域范围的棉田生长密度监测。【结果】分析表明,出苗时间,大、小苗对棉田生长密度的监测影响较大,以中期播种数据为例所建立的分播期估算模型检验结果表明,在6月9日和6月25日每公顷棉田生长密度的估算误差分别为2.05×104株/hm2和2.07×104株/hm2,而采用不分播期估算方式时,两个时相模型的绝对估算误差为2.80×104株/hm2和2.53×104株/hm2。在5月24日,DEVI对土壤等背景的空间差异消除作用得到表现,与使用EVI相比,监测时间从6月9日提前到5月24日;兼顾模型监测的准确性和时相因素,棉花现蕾到开花期是棉田生长密度监测的最佳时段;以新疆建设兵团148团为例,使用优选出的6月9日I式估算方法进行示例监测,区域监测结果可以较好表明不同棉田生长密度的分配比例和空间分布特征。【结论】出苗时间和土壤等背景是影响棉田生长密度监测准确性的主要因素,分播期估算能显著提高监测准确性,DEVI遥感参数可以使监测时间提前,从现蕾期到开花期是棉田生长密度估算的最佳时段,优选模型可以在县级区域应用。

利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量

实时、无损监测棉花叶片的叶绿素和氮素含量对诊断棉花生理状况和氮肥精确管理具有重要意义。本研究基于MSI200成像光谱仪和数码相机2种可见光传感器,分析和比较了光谱和颜色参数与叶绿素、氮素浓度和SPAD读数的关系,并且确立了其定量预测模型。结果表明,不同传感器对叶绿素和氮素最敏感的波段分别为R710和R;光谱指数与叶绿素、氮素浓度和SPAD读数的相关性比原始光谱好,而且以蓝光和红光波段组成的差值指数(DI和R-B)的预测能力最佳;DI所建棉花叶片Chla+b、Chla、Chlb、N和SPAD读数的预测模型的预测误差分别为0.0058、0.0050、0.0018和2.3002mgg-1和4.9736(分别为均值的18.39%、19.47%、30.33%、11.69%和8.45%),预测精度R2分别为0.7965、0.7582、0.6608、0.7019和0.7338;R-B所建模型的预测性比DI差,对Chla+b的预测精度最高(R2=0.7400),而预测Chlb的精度最低(R2=0.5653)。基于CIE1976L*a*b*颜色模型的颜色参数b*和HSI颜色模型的S是2种传感器与叶绿素、氮素浓度和叶色关系较好的颜色参数;b*对叶绿素、氮素浓度和SPAD读数的预测能力稍逊于DI,预测误差和精度都与DI的比较接近;而饱和度S值的预测RRMSE最大,整体预测精度小于0.62。因此,可以利用可见光成像传感器的光谱和颜色参数估测棉花叶片叶绿素和氮素含量。

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。

利用数字图像估测棉花叶面积指数

通过3a不同种植密度、品种、施氮量和灌水量的田间试验,在棉花不同的生育期用数码相机、LAI-2000冠层仪和线性光量子传感器采集数据并进行破坏性取样测定,分析图像透光率的有效性和建立LAI估测模型,进而对图像方法、LAI-2000和破坏性取样方法进行比较和分析。结果表明:(1)在太阳高度角最大且变化最小的正午时段,数码相机测量的图像透光率与线性光量子传感器测量的冠层透光率较一致且相对稳定。(2)图像透光率能反映除吐絮期以外各时期的冠层透光状况,但是当LAI大于5时图像透光率出现饱和。(3)综合分析2009和2010年数据,建立了图像透光率估测LAI的模型(R2=0.8438,SE=0.5605);利用2007年独立试验资料检验估测模型的性能,模型检验的拟合度较高(R2=0.8767)且预测误差较小(RMSE=0.4305),当LAI>5时模型的预测能力降低。(4)数字图像、LAI-2000和破坏性取样3种方法测量的LAI值之间均呈现显著的线性相关(R2>0.85),但是图像透光率的饱和性致使当LAI>5时明显低估叶面积指数。

应用两种近地可见光成像传感器估测棉花冠层叶片氮素状况

作物叶片含氮量是作物长势监测、产量及品质估测的重要依据,实时、无损地监测植株体内氮素营养状况有助于棉花氮肥的正确施用。本研究比较2种近地可见光传感器的光谱和颜色信息用于监测棉花氮素营养的能力,确定MSI200成像光谱仪和数码相机监测棉花冠层叶片氮含量最佳的波段、光谱指数和颜色参数并建立估测模型。结果表明,在可见光波段,冠层反射率随着冠层叶片氮素含量的增加而降低,且叶片含氮量的光谱敏感波段主要位于绿光和红光区域;与棉花冠层叶片含氮量的拟合效果最好的2种传感器的光谱指数为差值指数DI(R580,R680)和G-R,而颜色参数则分别为b*和H,同一传感器以光谱指数的拟合效果优于颜色参数,不同传感器以MSI200数据的拟合效果优于数码相机;利用独立试验资料检验所建模型的估测性能表明,差值指数对棉花冠层叶片氮素的预测能力优于比值指数和归一化差值指数,DI(R580,R680)和G-R所建模型的估测精度最高,分别为0.8131和0.7636。因此,利用数码相机和MSI200型成像光谱仪可以定量估测棉花冠层叶片氮素营养状况。

棉花叶面积指数冠层反射率光谱响应及其反演

【目的】研究棉花冠层光谱对不同叶面积指数(LAI)的响应,建立棉花LAI光谱反演模型。【方法】利用2003～2004年采集的棉花光谱与LAI的246组数据,分析LAI与冠层反射率光谱和反射率一阶微分光谱间的定量关系。【结果】当LAI大于2.5后不同LAI棉花群体光谱反射率在可见光波段趋于饱和;LAI与可见光波段和短波红外波段(水分吸收带除外)光谱反射率呈显著负相关,与近红外波段高光谱反射率呈显著正相关;LAI与棉花反射率一阶微分光谱主要在蓝边(523～531nm)、黄边(570～576nm)、红边(700～755nm)形成3个相关系数高台区,均达极显著水平,其中红边区的相关性最高。棉花红边位置固定,分别在718nm和723nm,且以723nm处对LAI更敏感。在反演棉花LAI的高光谱参数中VI(660、800)、VI(550、800)、VI(500、800)、VI(670、800)、Sdy(570～573nm)、SDr(714～755nm)、D723、Dr估算LAI相对误差低于30%,RSME小于0.6,其中VI(600、800)、VI(550、800)两个参数估算水平最高,相对误差分别为21.7%与21.0%,RMSE分别为0.416与0.419;利用SDr与SDr/SDb分别对LAI大于1.0与小于1.0的棉花群体反演,能显著提高LAI的估算水平。【结论】应用高光谱分析方法能够提取棉花冠层特征光谱信息,构建LAI高光谱反演参数,建立估算模型,并且利用包含不同光谱参数的分段模型可以进一步提高LAI反演精度。

基于多时相棉花长势遥感的棉田质量诊断

【目的】研究多时相遥感信息对棉田质量进行诊断的技术和方法,为棉花生产提供具有针对性的管理方案,促进棉田均衡增产、增效。【方法】研究分析多时相遥感数据对地物信息的动态分析与评判能力,以及棉花长势指标动态变化与棉田质量的关系,对棉花生长盛期多时相的LANDSAT-5多时相遥感数据进行融合,将棉田质量状况划分为健康棉田、有障碍棉田和疑似有障碍棉田三类。【结果】数据分析结果表明,棉花生长盛期(花铃期)单时相的LANDSAT-5反射率数据可以作为棉田生长状况的判断指标,划分健康生长与生长障碍的阈值为0.820;利用多时相遥感数据的棉田质量划分方法,可以将棉田质量分为健康、有障碍和疑似有障碍三类。依据此方法对新疆建设兵团148团约11705.3ha的417块棉田进行分类,得出健康、有障碍和疑似有障碍三类棉田所占比例分别为36.4%、34.1%和29.5%;经过8块条田(426.5ha)的地面同步调查证实了这种方法的准确性,造成该区棉田质量障碍的主要因素为耕地盐渍化、不平整、土壤质地不匀。【结论】研究表明棉田多时相遥感数据进行棉田质量诊断是可行的。利用这种方法,结合不同质量棉田形成机理,能够得到棉田质量状况及影响因素精细分布的信息,为进一步进行的棉田土壤改良与生产管理采取针对性的措施提供数据支撑。