排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于光场相机的大豆冠层叶面积无损测量方法研究 总被引：1，自引：0，他引：1
大豆上、中、下冠层叶面积分布是大豆植株株型状况评价、产量预测的重要依据,而传统上、中、下冠层叶面积测量方法采用大田切片法,该方法过程繁琐,且会对叶片造成伤害。针对这一问题,引入光场相机重聚焦技术分别得到聚焦在上、中、下叶片的重聚焦图像,通过图像处理技术提取聚焦平面的叶片,去掉离焦平面的叶片,分别得到上、中、下层的投影面积。选用开花期103盆宏秋品种大豆植株作为校正集,根据光场相机的标定计算各冠层叶片的校正系数,获得修正后的各冠层叶片投影面积。建立大豆植株各冠层投影面积和真实叶面积的回归模型,并选20盆作为预测集来验证各回归模型。研究发现:上层叶面积模型的决定系数为0.945,预测集的最大误差为4.48%,均方根误差为4.376;中层叶面积模型的决定系数为0.796,预测集的最大误差为13.62%,均方根误差为7.273;下层叶面积模型的决定系数为0.914,预测集的最大误差为8.63%,均方根误差为1.529。上层和下层叶面积测量模型相关性高,由于上层叶片的遮挡,中层叶面积模型相关性略低。 相似文献
2.
为作物叶面积的无损测量提供理论依据,以开花期103盆大豆品种宏秋的植株作为校正集,通过图像处理建立大豆植株顶视投影面积(TA)、侧视投影面积(SA)和真实叶面积(y)的回归模型,并在大豆开花期选20盆作为预测集验证回归模型,为消除叶片倾角对测量结果的影响,将顶视和侧视投影面积作为预测模型自变量优化模型。结果表明:顶视投影面积和真实叶面积的回归模型中,幂函数模型y=2.04×10~(-4)×TA~(1.049)为最优模型,决定系数(R~2)=0.949,最大误差为8.71%,均方根误差为12.56;优化的多元幂函数模型为y=2.37×10~(-4)×TA~(0.908)×SA~(0.144),R~2=0.960,最大相对误差的绝对值为4.29%,均方根误差为8.77。计算机视觉系统无损测量单株大豆开花期叶片面积可行,且测量精度高,适用于不同地区和不同品种大豆的叶面积测量。 相似文献
1