基于茎直径和茎流复合测量的植物根压无损观测方法

植物夜间补水依靠根压。根压是研究植物水分生理的重要指标之一,但是根压测量是一个迄今尚未解决的技术难题,尤其是对草本植物,因不允许采用开窗式测量,所以具有更大的技术挑战性。为此探讨了在茎直径与茎流速率复合测量基础上,对Steppe水分存储和流动数学模型作算法换序,实现植物根压的无损动态观测。实验样本选取3株温室茄子,得到了2个独立的、连续5 d的实验数据。结果显示夜间及次日凌晨茄子样本的茎流速率为零,茎直径缓慢增长,此时间段内根压开始出现;晴天时,白天茄子样本蒸腾作用强烈,茎流速率大,茎秆收缩明显,夜间根压增幅较快;阴天时,情况恰好相反,夜间茄子样本根压幅值较小。可见,根压动态均满足茎流速率和茎直径变化的信息解译与气象数据的影响,完全符合已知的植物水分生理调节规律。因此,算法换序对无损观测茄子样本的根压是可行的,可将该方法应用于其他植物根压的无损检测。

基于树冠图像特征的苹果园神经网络估产模型

针对树上苹果产量的早期估测问题,提出了一种利用果树图像树冠树叶与果实的信息,通过BP(Back propagation)神经网络建立模型进行苹果估产的方法。首先在苹果园内分别获取果树在苹果半熟期、成熟期的数字图像,并在苹果收获时将每棵树上的苹果称量,得到实际产量;采用图像处理方法识别出树冠上的果实及树叶;提取果实区域及树叶区域与产量相关的信息为输入,以果树实际产量为输出,建立基于BP神经网络的半熟期与成熟期估产模型,拟合度R分别达到0.928 7、0.980 4。将模型用于待估产样本,得到半熟期样本估测产量与实际产量拟合度R为0.876 6,成熟期样本估测产量与实际产量拟合度R为0.960 6。结果表明该模型具有较好的预测精度与鲁棒性。

基于图像处理与支持向量机的树上苹果早期估产研究

为了实现果树挂果期的精准管理,针对树上苹果早期估产问题,以'Gala'苹果为研究对象,开展了对定果后的果树进行产量估测的研究,提出了一种图像处理结合支持向量机的树上苹果早期估产方法。首先在苹果园内获取定果后的果树树冠图像,此时的树上苹果颜色为绿色(本文称此时期为果树青果期);采用分析图像各颜色分量值分布图法,确定在YCb Cr颜色空间中,以Cb≤100与Cr≥120作为分割树冠图像中苹果的条件;从果树树冠图像中提取果实个数、果实面积、果实树叶比、受遮挡果实个数比例及受遮挡果实面积比例;以上述5个特征参数作为输入,实际产量为输出,利用支持向量机方法建立树上苹果早期估产模型。本文利用训练集(含50个样本)训练模型,预测产量与实际产量的决定系数R2达到了0.724 2,均方根误差RMSE为1.71 kg,平均绝对百分比误差MAPE为9%,平均预测误差MFE为0.21。利用测试集(含15个样本)测试模型,得到RMSE为2.45 kg,MAPE为13%。结果表明该模型不仅具有较好的预测精度与无偏性,且具有较好的鲁棒性,所采用的树上苹果早期估产方法可行。