基于虚拟仪器技术的田间多光谱视觉系统设计

设计了一套田间多光谱虚拟仪器视觉系统。系统使用高分辨率的多光谱(近红外、红光和绿光)相机MS3100,拍摄作物生长期的多光谱图像,采用Labview及其视觉模块编写图像的采集、处理和分析程序,实时测取作物各个光谱波段的反射率。田间试验表明,该系统可以准确地对图像中的作物进行识别,求取作物的光谱反射特征,在2.4 m×1.8 m的视窗内,每组图像的采集和处理时间平均为311 ms,满足田间精准变量投入的在线工作要求。

基于多光谱视觉的稻瘟病抗病性分级检测技术

利用MS3100多光谱相机采集了受稻瘟病侵染的秧苗多光谱图像,通过图像分割、复原和分析,得到了在近红外、红光和绿光波段稻苗植株样本图像的灰度均值。将3个波段的图像灰度值作为特征参量,并采用支持向量机技术建立稻瘟病的抗病性分级检测模型。结果表明,模型具有较高的分类精度。抗性样本和感病样本的分类精度达到100%,抗性样本和中等感病样本的分类精度为96.8%。本研究为水稻品种抗病性鉴定调查提供了一种新的方法,同时也为稻瘟病早期检测提供了基础。