为了快速、准确估测植物叶片干物质含量,为作物长势及健康状况监控提供数据支撑,利用光谱分析技术探讨了干物质含量敏感光谱波段提取方法及其估测建模方法。试验数据由叶片辐射传输模型PROSPECT在干物质含量(0.0010.02)g·cm(-2)范围内进行模拟,随机产生1000条4002500nm的光谱曲线,其中600条光谱曲线用于建模研究、400条光谱曲线作为模型验证数据,同时应用叶片光学特性数据库LOPEX93中325条叶片光谱-干物质含量数据进行进一步验证。首先应用试验数据进行局部敏感性分析,初步得到叶片干

【目的】针对卷积神经网络识别植物叶片过程中,叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题,提出了一种双路卷积神经网络的植物叶片识别模型。【方法】模型考虑了叶片信息的边缘形状与内部纹理特征,构建了双路卷积神经网路结构,其中形状特征路径运用7层卷积层的网络结构,前3层采用大尺寸11×11及5×5的卷积核提取大视野特征,完成叶片形状特征提取,另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征;纹理特征路径采用6个3×3卷积核的卷积层,提取叶片纹理图像细节特征;然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对植物叶片种类进行识别。【结果】实验结果表明,双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比,在Flavia叶片数据集与扩充植物叶片数据集上,Top-1识别准确率分别提高到了99. 28%、97. 31%,Top-3识别准确率分别提高到了99. 97%、99. 74%,标准差较其他识别与分类模型下降到0. 18、0. 20。【结论】本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题,可以提高植物叶片的识别准确率。

植物的数量分类的主要依据是植物的外观特征,通过提取大量特征数据进行聚类分析获得结果。传统做法都是手工测量采集原始数据,效率较低。由于外观特征都可以以数字图片方式获得,通过计算机图像处理分析等技术采集数据并做聚类分析将大大提高效率。关键问题在于特征自动分析和获取,以植物叶片为例,阐述了如何提取大小、叶形及叶缘特征的方法,改进了圆形度参数的定义。提出了计算机辅助植物识别(CAPI)的概念,并对其前景做了讨论和展望。图3参8

【目的】探究玉米叶片ＳＰＡＤ值与其高光谱特征之间的品种差异，构建不同玉米品种叶片ＳＰＡＤ值估测模型，并对模型应用范围进行验证。【方法】通过大田试验，测定多个玉米品种叶片的ＳＰＡＤ值及其高光谱数据，利用相关分析及逐步回归分析等方法，构建和筛选玉米叶片ＳＰＡＤ值与相关光谱参数的回归模型，并利用偏差率对模型精度进行检验。【结果】不同玉米品种叶片的ＳＰＡＤ值与其高光谱反射率及一阶导数的相关波段存在差异，但品种间差异较小，关系最密切的波段均处于５６０和７００ｎｍ附近。对不同玉米品种的光谱反射率一阶导数进行比较时，出现＂红移＂现象，＂红移＂规律与各品种叶片ＳＰＡＤ值大小表现一致；叶片ＳＰＡＤ值与光谱反射率．．．

【目的】传统植被生化组分化学分析法具有破坏性且耗费较多人力物力等缺点，高光谱技术可以为快速无损地估测植被生化组分含量提供有效手段。【方法】利用LOPEX’93数据集，对原始光谱进行了4种光谱变换（一阶微分DR、取倒数1/R、取对数log R、倒数的对数log(1/R)），提取了“三边”参数、光谱指数、全波段光谱指数，并分析它们与叶绿素含量（C＿ab）、干物质含量（LMA）、等效水厚度（EWT）的相关性，将提取的相关性高的光谱特征作为输入变量，分别采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）建立模型并进行预测，以模型的决定系数R~2和均方根误差RMSE作为判定模型优劣的指标。【结果】4种光谱变换中最有效的方式是一阶微分，其中，一阶微分波段D_(742)、D_(535)对C＿ab有较强的光谱响应；D_(1700)、D_(1229)、D_(2192)对LMA具有较高的响应；D_(1145)、D_(1302)、D_(955)对EWT具有较高的响应。“三边”参数虽然在一定程度上提高了与叶绿素的相关性，但是相关性不如一阶微分光谱与光谱指数。在光谱指数的分析方法中，对C＿ab响应较高的光谱指数有DD、NDVI_(842)，对LMA和EWT具有较高响应的光谱指数有ND_(LMA)、NDMI和Ratio975、Ratio1200。构建的4种全波段光谱指数中，RI、DI、NDVI、TVI与C＿ab相关性分别是0.64、0.66、0.64、0.67，与传统光谱指数相比相关性得到明显的增强。将以上关于C＿ab、LMA、EWT的光谱特征分别参与建模并估测，最佳估测模型分别为SVM、PLSR、RF,R~2分别为0.73、0.75、0.93,RMSE分别为9.62、0.001 274、0.000 971。【结论】一阶微分变换及全波段光谱指数可以提高光谱对生化组分的响应能力，构建的SVM、PLSR、RF模型总体上可以实现对植被叶片C＿ab、LMA、EWT的估测，为高光谱数据精细化反演植被生化组分提供了参考。

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。

【目的】快速、无损、准确地获取柑橘叶片营养信息。【方法】以盆栽蓬安100锦橙为试材,通过精确控制施肥处理(K0:0g,K1:30g,K2:75g,K3:90,K4:120gk2O/株/年),利用鲜叶进行光谱检测钾素营养状况分析。【结果】可见近红外波段范围内,各施钾处理蓬安100锦橙夏梢叶片光谱反射强度呈K3>K0>K1>K2>K4趋势。通过对反射光谱、一阶微分、二阶微分和倒数对数光谱进行多元散射(multiple scattering correction,MSC)校正处理,运用偏最小二乘法(partial least square method,PLS)与内部交叉验证建立了钾含量预测回归模型...

[目的]本文针对传统农作物叶片病虫害识别模型YOLOv3存在的检测实时性与鲁棒性差，漏检率高的问题，提出了一种改进的玉米叶片病虫害检测模型——YOLOv3-Corn。[方法]该模型采用Darknet-53作为特征提取网络，将网络输出的8倍特征图与新加入的4倍下采样特征图进行拼接，建立起104×104尺度的检测层；在前期构建的包含6个类别玉米常见病虫害数据集中，利用K-means++聚类算法选取12个先验框并分别匹配到4个不同尺度的检测层中进行目标识别。[结果]实验结果表明：在YOLOv3系列模型中，YOLOv3-Corn模型的检测精度均值（mAP）、召回率（Recall）达到了93.31%和93.08%，与YOLOv3模型相比分别提高了4.03%和9.78%。在非YOLO系列模型中，YOLOv3-Corn模型平衡了Faster R-CNN模型的检测速度的不足和RetinaNet模型的召回率，精确度不足的问题。[结论]在保证提取相同特征参数、检测时效性好的前提下，有效提高了识别精度。

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数(nitrogen nutrition index,NNI)的估算模型。【方法】2018—2019年开展2个水稻品种(徽两优898和Y两优900)及5个氮肥梯度(施氮量为0、75、150、225和300 kg·hm~(-2),分别记为N_0、N_1、N_2、N_3、N_4)的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR(R_(900),R_(540))可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶(L_3)预测精度最好(R~2=0.731,RMSE=0.130,RE=11.6%),顶2叶(L_2)次之(R~2=0.707,RMSE=0.136,RE=12.2%),顶1叶(L_1)最差(R~2=0.443,RMSE=0.187,RE=14.7%);顶2叶和顶3叶组合平均光谱(L_(23))的预测精度优于单叶水平和其他叶位组合(R~2=0.740,RMSE=0.128,RE=11.5%)。再将窄波段比值指数SR(R_(900),R_(540))近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_((900±50)),AR_((540±10))]模型精度较SR(R_(900),R_(540))未明显降低,且在L_(23)水平下2个模型的模型精度和预测精度基本一致(R~2=0.740,RMSE=0.128,RE=11.5%)。水稻NNI小于1时与产量呈线性的正相关关系(P<0.05),大于1时产量趋于平稳。【结论】L_2和L_3叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L_(23)可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数(SR(R_(900),R_(540))和SR[AR_((900±50)),AR_((540±10))])可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。

【目的】研究西北地区不同生育时期油菜叶片SPAD值与多种光谱参数之间的关系,并建立估测模型。【方法】以陕西省乾县齐南村施肥程度一致的大田种植的油菜为试验材料,分别在苗期、现蕾抽苔期和开花期测定叶片的光谱反射率和SPAD值,得到不同波段组合的光谱指数,计算其与SPAD值之间的相关性系数,并拟合以各种光谱指数预测SPAD值的模型,以均方根误差(RMSE)和相对误差(RE)作为模型的评价和检验指标。【结果】苗期SDr/SDy与叶片SPAD值相关性最高,为0.79,构造的最佳预测模型决定系数为0.67;现蕾抽苔期

[目的]以福建省顺昌县大干镇的毛竹为研究对象,研究毛竹叶片氮元素含量的最优估测模型,为毛竹生长状态分析与林地土壤肥力估测提供基础。[方法]通过对毛竹叶片原始光谱、一阶微分光谱及相关的植被指数与叶片氮元素含量进行相关性分析来筛选氮元素敏感特征参数,并构建了多元线性回归模型、随机森林模型以及支持向量机模型,利用决定系数最优原则筛选3个模型中的最优模型并进行精度验证。[结果]R_(387)、DR_(663)、NDVIg-b(R_(575)、R_(440))、SIPI、PRI和PPR 6个参数与毛竹叶片氮含量具有较为显著的相关性,基于这6个敏感参数所构建的3种模型中,多元线性回归模型与随机森林模型拟合效果较差,精度验证结果R~2分别为0.435 5、0.437 1,惩罚因子C和核参数Sigma分别设为3和0.1的支持向量机模型估测结果最好,其实测值与预测值拟合决定系数为0.803 1,总体精度为94.02%。[结论]基于R_(387)、DR_(663)、NDVIg-b(R_(575)、R_(440))、SIPI、PRI和PPR6个叶片光谱参数所构建的支持向量机模型能够较为准确地估测毛竹叶片氮元素含量。

深度学习已成为图像识别领域的研究热点。本文以植物叶片图像识别为研究对象，对单一背景和复杂背景图像分别给出了优化预处理方案；设计了一个８层卷积神经网络深度学习系统分别对Ｐｌ＠ａｎｔ ｎｅｔ叶片库和自扩展的叶片图库中３３ ２９３张简单背景和复杂背景叶片图像进行训练和识别，并与传统基于植物叶片多特征的识别方法进行了比较分析。实验证明：本文提供的Ｃｎｎ＋ＳＶＭ和Ｃｎｎ＋ＳｏｆｔＭａｘ分类器识别方法对单一背景叶片图像识别率高达９１．１１％和９０．９０％，识别复杂背景叶片图像的识别率也能高达３４．３８％，取得了较好的识别效果。利用本文实现的分层卷积深度学习识别系统在数据量大而无法做出更多优化的情况下，叶片．．．

为了实现温室病害的智能化防治,深入研究了植物病害图像处理中基于叶片纹理的特征值提取方法。通过对温室黄瓜斑疹病和角斑病的处理研究发现,利用灰度共生矩阵方法提取出来的惯性值是识别这两种病害较好的特征参量之一。

【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统...

以7种重庆市绿化基调树种为例,将滤膜过滤称质量优化为滤膜分级(10、2.5μm)过滤称质量,并与数学比例关系换算相结合,建立了一种新的测定植物叶片滞留细颗粒物(PM2.5,直径≤2.5μm)等大气颗粒物质量的方法。该方法不直接进行PM2.5的收集和称量,回避了单独采用滤膜过滤称质量时,由于PM10或PM2.5中粒径、质量极其微小的颗粒被滤掉而导致PM10或PM2.5不能完全被收集和准确称量的缺点。该方法所需仪器设备简单,普通实验室便具备,同时也克服了利用显微仪器观察并量算植物叶片滞留颗粒物的局限性。用通过120目筛的土壤样品进行准确性和稳定性检验,该方法准确可靠,具有可操作性。应用该方法测定了...