共查询到20条相似文献，搜索用时 31 毫秒
1.
对植物叶片含水量进行快速、准确和无损检测有助于诊断植物缺水程度。以10种植物叶片为研究对象,自行设计平行板电容传感器,改进电阻测量方法,对叶片电容和电阻进行检测。采用SPSS 19.0软件对测量数据进行组内相关系数分析,验证数据的可靠性。将叶片分成训练集和测试集,用Excel软件对训练集进行回归分析,建立叶片含水量与电容、电阻的拟合模型,并利用拟合模型对测试集叶片含水量进行预测。结果表明,10种植物叶片电容测量值可靠性良好,红叶石楠和杨梅叶片电阻测量值可靠性良好,女贞、无患子、紫荆和桂花叶片电阻测量值可靠性一般,珊瑚树叶片电阻测量值可靠性较差。经Excel回归分析,决定系数R2为0.978 8,调整R2为0.977 4,P=7.85×10-37,拟合方程为Z=86.0897-628.471X-1-11.1753Y+117.2954Y·X-1,模型拟合效果良好。利用该模型对测试集叶片含水量进行预测,与烘干法比较误差值为-2.53%~1.46%。因此,该模型可以作为该10种植物叶片含水量预测的通用模型。 相似文献
2.
为建立准确高效的黄瓜病斑叶片的检测与识别算法提供参考,针对黄瓜叶片常见病斑检测与识别时存在的环境适应性差、识别精度低等问题,提出基于改进的SVM（支持向量机）和CNN（卷积神经网络）组合模型的黄瓜病斑叶片检测与识别算法。依据黄瓜设施场景特征,首先对病斑图像进行色彩增强,通过直方图均衡化对图像进行再处理,利用优化的HOG+SVM分类器对黄瓜叶片进行提取;通过稀疏滤波器及增加偏置对CNN算法进行改进,识别出叶片的病斑类别。结果表明,在黄瓜设施场景下,改进SVM和CNN组合模型的黄瓜病斑叶片检测与识别算法对叶片提取的查准率及差全率分别达87.21%和88.77%,对病斑的整体识别精准率为91.9%,算法实时性强,具有实际推广应用前景。 相似文献
3.
《南京农业大学学报》2021,44(3)
[目的]本文旨在快速测定植物体内叶绿素含量,以提高无损测定叶绿素的准确性。[方法]以绿萝叶片为研究对象,提出一种串联融合高光谱特征与纹理特征的叶绿素SPAD值的无损检测方法。采集320片绿萝叶片样本在400～900 nm波段的光谱信息,使用Savitzky-Golay卷积平滑对原始高光谱图像进行预处理,利用连续投影算法(successive projections algorithm, SPA)选取出10个特征波段,对绿萝叶片高光谱图像中的RGB图像采用灰度共生矩阵算法(gray-level co-occurrence matrix, GLCM)提取其纹理特征,采用串联方法融合高光谱特征与纹理特征得到融合特征,分别建立单一特征和融合特征的误差反向传输人工神经网络(back propagation artificial neural network, BPANN)和支持向量机回归(support vector machine regression, SVR)模型。[结果]单一使用特征光谱数据或图像纹理数据作为特征值建立的预测模型,综合性能不稳定;基于串联融合特征的预测模型准确率有明显提升。基于串联融合特征的SVR模型具有最佳的预测结果,校正集决定系数R~2为0.961 2,预测集决定系数R~2为0.957 1。[结论]高光谱特征与纹理特征的融合特征可以提高叶绿素回归预测模型的准确性,为叶绿素含量无损检测提供了重要参考。 相似文献
4.
[目的]建立南疆骏枣叶片含水量的快速、无损的检测模型。[方法]选取73片完好、无损的骏枣叶片,运用NIR检测骏枣叶片含水量的重要指标。通过3种不同的光谱预处理方法进行预处理,建立骏枣叶片含水量的PLS检测模型。[结果]在预测骏枣叶片含水量的PLS模型中,最好的组合是原始光谱+MSC+PLS,相关系数(R)由原始的0.673 1提高到0.874 6,预测精度(Precision)由0.950 7提高到0.957 8,预测残差平方和(PRESS)由0.028 4降低到0.017 7,预测标准偏差(RMSEP)由0.037 7降低到0.029 7。[结论]应用NIR技术不仅对南疆骏枣叶片含水量的快速、无损检测具有可行性,同时还对其他农作物叶片水分、叶绿素、氮含量光谱预处理检测具有一定的借鉴意义。 相似文献
5.
利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(RP)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。 相似文献
6.
7.
《湖北农业科学》2018,(24)
通过测定盆栽试验条件下不同微生物作用的玉米植株叶片高光谱反射率并对其叶片含水量进行差异分析,探讨不同微生物作用对植被叶片含水量的影响及其光谱特征变化,并尝试利用高光谱遥感技术对不同处理条件下玉米叶片含水量进行监测识别。结果表明,叶片含水量最佳估测模型中,CK处理预测模型Y=0.839×[exp(0.006 t)]预测精度最高,决定系数(R2)达0.851,RMSE为0.018,G.m处理预测模型Y=0.84-100.128 t-166 349.654 t2预测精度最低,决定系数(R2)为0.638,RMSE为0.013。不同处理所建模型均可实现相应叶片含水量的有效预测,为微生物复垦领域对不同微生物作用下植被叶片含水量的快速高效无损监测与评价提供了信息支持。 相似文献
8.
【目的】探讨龙眼Dimocarpus longan Lour.叶片发育过程中叶绿素含量二维分布变化规律,实现无损检测病虫害对叶片叶绿素含量分布的影响,为评估嫩叶抗寒能力、龙眼结果期的施肥量和老熟叶的修剪提供参考。【方法】利用高光谱成像仪采集龙眼叶片在369~988 nm区间的高光谱图像,自动提取感兴趣区域,利用分光光度法测定叶片叶绿素含量。基于皮尔森相关系数(r)分析了龙眼叶片生长过程中各波段光谱响应与叶绿素含量之间相关性,建立偏最小二乘回归模型。分析了特征波段图像纹理特征与叶绿素含量相关性,将光谱特征和纹理特征结合导入深度学习中的稀疏自编码(SAE)模型预测龙眼叶片叶绿素含量,结合"图谱信息"的SAE模型预测龙眼叶片叶绿素含量的分布情况。【结果】龙眼叶片3个生长发育期相关系数的曲线均在700 nm附近出现波峰,嫩叶、成熟叶和老熟叶3个阶段相关性最高的波长分别为692、698和705 nm;全发育期的最敏感波段相关性远高于3个生长发育期,r达到0.890 3。回归模型中,吸收带最小反射率位置和吸收带反射率总和建立的最小二乘回归模型预测效果最好(R_c~2=0.856 8,RMSEc=0.219 5;R_v~2=0.771 2,RMSEv=0.286 2),其校正集和验证集的决定系数均高于单一参数建立的预测模型。在所有预测模型中,结合"图谱信息"的SAE模型预测效果最好(R_c~2=0.979 6,RMSEc=0.171 2;R_v~2=0.911 2,RMSEv=0.211 5),且预测性能受叶片成熟度影响相对较小,3个生长阶段R_v~2的标准偏差仅为最小二乘回归模型标准偏差的29.9%。【结论】提出了一种自动提取感兴趣区域的方法,成功率为100%。基于光谱特征的回归模型对不同生长阶段的叶片预测效果变化较大,而基于"图谱信息"融合的SAE模型预测性能受叶片成熟度影响相对较小且预测精度较高,SAE模型适用于不同成熟度的龙眼叶片叶绿素含量分布预测。 相似文献
9.
【目的】以高光谱技术为核心,结合理化数据,建立快速、无损的冬小麦冠层水分含量估算模型,为利用高光谱技术进行小麦水分含量的无损检测提供参考。【方法】测定两种冬小麦的叶片、植株含水量,采集其光谱数据作SG平滑、一阶导数和二阶导数处理,分析其相关关系,构建冬小麦叶片和植株含水量的多种估算模型,进行精度评价。【结果】不同光谱数据处理中一阶导数变换能够显著增加与小麦含水量的相关性,叶片含水量在456 nm波长处达到了最大负相关,相关系数为0.87,植株含水量在457 nm波长处达到了最大负相关,相关系数为0.890 9;偏最小二乘回归构建的水分含量估测模型拟合精度优于线性和多元回归模型,线性模型采用R650、SG1944、R′456、R″681构建的模型估测叶片含水量较好,估测植株含水量R664、SG663、R′457、R″ 681精度较高; 多元线性回归和偏最小二乘回归都是采用一阶导数变换构建的模型拟合精度最高,叶片和植株水分含量估测模型的外部检验R2分别达到0.803 2、0.867 0、0.854 0、0.885 6。【结论】小麦原始光谱一阶导数变换后能够显著提高与水分含量的相关性,利用PLSR方法构建的小麦水分含量估测模型拟合精度最高。 相似文献
10.
日光温室黄瓜叶片和果实相关参数的模拟 总被引：8，自引：0，他引：8
为建立黄瓜叶面积和果实干鲜重的模拟模型,采用定株非破坏性观测和随机取样方法,系统观测了日光温室内黄瓜不同播期整个生育期的叶长、叶宽、叶面积及果长、果径、果实体积和干鲜重.运用几何解析方法,建立了与黄瓜叶片特征相适应的叶面积模拟模型,其结果对实测值有很好的拟合性;比叶重模拟结果表明,叶片比叶重随叶面积的增加趋于减小,在叶片充分展开后其值稳定在0.31 mg*cm2左右;以黄瓜果长、果径为参数建立的果实体积和鲜重模拟模型的结果与实际值相当一致,相关系数达R2=0.996;果实干物质含量的模拟结果受采收期果实含水量的影响较大.所建模型与待建的黄瓜光合作用模拟模型相联接,可实现对黄瓜群体结构和果实产量的预测,是日光温室黄瓜生长发育系统模型的子模型之一. 相似文献
11.
为探究快速无损获取大田哈密瓜完整冠层相对叶绿素含量的可行性,首先,利用自制的图像采集小车搭载面阵相机,获取不同水肥处理下大田哈密瓜伸蔓期、开花期、膨果期的378张完整冠层图像;然后,对图像进行处理后,提取32种颜色特征和6种纹理特征,分析图像特征与冠层相对叶绿素含量的相关性;接着,对图像特征进行预处理后,选取相应的主成分作为模型输入,分别建立用于预测不同时期冠层相对叶绿素含量的多元线性回归(MLR)、支持向量机回归(SVR)、随机森林(RF)模型。对比建模效果发现,SVR模型的效果最好,在伸蔓期、开花期、膨果期,该模型预测值与实测值回归的决定系数分别为0.73、0.73、0.83,均方根误差分别为0.90、0.91、0.76。研究表明,利用数字图像技术能实现对大田哈密瓜不同时期冠层相对叶绿素含量的快速无损检测,可为大田哈密瓜田间管理提供技术参考。 相似文献
12.
《南京农业大学学报》2020,(1)
[目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400～1 000 nm波段的苹果样本的高光谱反射图像并使用S-G平滑法对原始图像进行去噪处理,在此基础上,对采集到的高光谱图像通过多感兴趣位置的选取以及间隔波段抽取重组的方法进行样本扩充,再利用三维卷积神经网络建立样本扩充后的苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,通过该模型实现对苹果的糖度、硬度、含水量等品质参数的无损检测。[结果]采集245个苹果的高光谱图像及其对应的品质参数信息,通过样本扩充的方法将原始数据集扩充至9 800个样本后进行建模和验证。结果表明:本算法建立的苹果糖度、硬度、水分的分类模型,在糖度类间隔为1°Brix、硬度类间隔为0.5 kg·cm~(-2)、含水量类间隔为10%的情况下,糖度、硬度、水分的预测准确率分别为93.97%、92.29%和93.36%,回归模型糖度、硬度和水分的相关系数最高分别达到0.827、0.775和0.862,比最优的传统算法分别提高15.0%、17.0%和17.2%。[结论]本算法能够较准确实现苹果高光谱多品质参数同时检测,且相对传统方法预测精度有较大提升。 相似文献
13.
为了无损、简单、快速、准确估测辣椒叶片叶绿素含量和组成,提升作物的精细管理水平.本文基于辣椒叶片对光的吸收特性,利用光谱透过率通过计算得到叶片的吸光度,使用四阶导数法在640～690 nm波段找到与叶片中叶绿素a和叶绿素b的吸收波峰:649、668、681nm.参照化学法检测植物叶绿素含量和组成的吸光度法,使用多元线性回归分别建立叶绿素a和叶绿素b含量的检测模型并对比.其中以649、668、681nm处吸光度建立的模型检测叶绿素a含量的结果最好,测试结果的相对误差(RE)为8.86％,决定系数(R2)为0.879;以649、681 nm处吸光度建立的模型检测叶绿素b含量的结果最好,测试结果的相对误差(RE)为9.84％,决定系数(R2)为0.878. 相似文献
14.
通过提取霜霉病和炭疽病危害后黄瓜叶片图像的颜色和纹理特征,建立了识别这2种病害的判别模型,并进行了验证。结果表明,所建模型对病害的识别正确率均在95%以上,可用于诊断黄瓜霜霉病和炭疽病。 相似文献
15.
通过提取霜霉病和炭疽病危害后黄瓜叶片图像的颜色和纹理特征,建立了识别这2种病害的判别模型,并进行了验证。结果表明,所建模型对病害的识别正确率均在95%以上,可用于诊断黄瓜霜霉病和炭疽病。 相似文献
16.
17.
黄瓜光合特征及水分利用效率对土壤含水量的响应 总被引：2，自引：1，他引：1
【目的】采用新型负压灌溉系统,研究不同系统供水负压控制下的土壤含水量对黄瓜叶片碳同化和蒸腾耗水协同作用的影响,旨在分析与确定黄瓜适宜土壤含水量范围,为黄瓜的节水生理研究提供参考依据。【方法】通过遮雨网室盆栽试验,设4个系统供水负压水平(W1:0,W2:-5 k Pa,W3:-10 k Pa,W4:-15 k Pa),研究不同土壤含水量对黄瓜光合特征、产量和水分利用效率的影响。【结果】同一系统供水负压下,黄瓜整个生育期土壤含水量基本保持稳定,W1、W2、W3和W4处理下控制的土壤相对含水量(RSWC)分别为(103.8±1.2)%、(88.7±3.7)%、(77.4±4.5)%和(61.8±3.2)%。RSWC在61.8%-88.7%范围,黄瓜叶片气孔导度(Gs)和蒸腾速率(Tr)日均值均随着土壤含水量降低而下降。黄瓜叶片净光合速率(Pn)和LWUE在同一生育时期的日均值与土壤相对含水量(RSWC)均呈极显著抛物线型关系(P0.01),且不同生育时期Pn和LWUE的最高值对应的RSWC不相同。黄瓜植株干物质量和产量均以W2(RSWC为88.7%)处理最高,黄瓜经济水分利用效率以W3(RSWC为77.4%)处理最高。【结论】负压灌溉条件下,达到黄瓜叶片碳同化和蒸腾耗水之间协同平衡关系的适宜土壤相对含水量为:开花期RSWC为70%—93%、盛瓜期RSWC为78%—103%、末瓜期RSWC为73%—104%。在此范围内,黄瓜能够获得较大的叶面积、蒸腾速率、光合速率和水分利用效率,从而获得较高的干物质量和黄瓜产量。 相似文献
18.
目的 基于近红外光谱技术的红枣水分无损检测,为红枣水分含量模型建立提供科学依据。方法 以塔里木大学园艺试验站红枣资源圃中的脆熟期馒馒枣和保德油枣的果实为试材,采用传统烘干法测定枣果实水分含量,并通过近红外光谱分析仪进行枣水分无损检测。对2个品种样本光谱进行样本集划分并使用预处理的方法Savitzky-Golay平滑法和偏最小二乘回归分析法(PLS)。结果 建立了含水量定量检测分析模型。共获得212个样本,馒馒枣和保德油枣分别为100和112个,2个品种随机校正模型为75和84个,验证模型分别为25和28个,用外部证实法建立样品校正模型和验证模型。建立光谱模型将试验组分别分为红枣含水量校正模型和验证模型。所建2种红枣水分检测模型中SEC(校正集标准偏差)值分别为1.01%和1.29%;SEP(预测标准偏差)值为1.65%和1.41%,2种红枣的校正集与验证集交互相关系数分别为0.878和0.883。结论 以S-G平滑法对光谱数据预处理,以偏最小二乘进行回归分析(PLS)。建立含水量定量检测分析模型对红枣进行水分检测,水分真实值和预测值的交互相关系数均高于0.850。2个品种校正模型和验证模型差异较小均在0.5%左右,建立了红枣近红外光谱和水分含量之间的对应关系。 相似文献
19.
进行作物水分快速诊断从而提高水分管理精度是实现工厂化绿叶菜高产、优质、低耗的关键。通过测定植物的叶片温度、空气温度、空气湿度等参数,构建缺水胁迫指数(CWSI,crop water stress index)模型,能模拟植物的水分状况,为作物的适时精确诊断提供依据。本试验以‘华王’小白菜(Brassica rapa L.ssp.chinensis cv.Huawang)为材料,使用红外技术测定不同灌溉量下小白菜叶温,建立收获期小白菜的CWSI模型,其中CWSI是基于空气湿度这一参数提出的作物的水分胁迫指数,CWSI模型与小白菜含水量显著相关。研究结果表明通过红外技术获取小白菜冠层温度进行水分状况的快速无损检测具可行性。 相似文献
20.
基于高光谱成像技术的生菜叶片水分检测研究 总被引：1，自引：0，他引：1
[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。 相似文献