2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩136頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、基于計算機視覺技術的作物長勢監(jiān)測與診斷是近年來農業(yè)信息技術研究的主要方向與發(fā)展趨勢。其快速、高效、實用的監(jiān)測方法為農作物精準監(jiān)測提供新的理論基礎和技術支撐,對于推動現(xiàn)代農業(yè)近地面遙感監(jiān)測技術的實際應用具有一定的學術價值與社會價值。因此,構建基于計算機視覺技術的作物長勢監(jiān)測與診斷系統(tǒng)具有極其深遠的意義。本研究采用數(shù)碼相機或CCD數(shù)字攝像頭在棉田進行實時跟蹤監(jiān)測,通過數(shù)字圖像分割技術對棉花群體冠層圖像進行分析,篩選棉花長勢監(jiān)測與N素營養(yǎng)診斷

2、反應敏感的特征顏色參數(shù),主要目的旨在構建不同特征顏色參數(shù)與棉花農學參數(shù)間的關系模型,并通過高產田獨立試驗對模型進行檢驗,力圖搭建基于計算機視覺技術的棉花長勢監(jiān)測與N素營養(yǎng)診斷遠程服務平臺,實現(xiàn)對棉花生長信息和氮素營養(yǎng)狀況進行快速準確的監(jiān)測與診斷。本研究主要內容包括:
 ?、挪煌靥幚砻藁ㄈ后w冠層圖像顏色特征動態(tài)變化規(guī)律。選用北疆2棉花主栽品種新陸早43號(XLZ43)和新陸早48號(XLZ48)為試驗材料,于2010年和2011

3、年開展5個N素水平的小區(qū)試驗,應用數(shù)碼相機獲取棉花群體冠層圖像,通過數(shù)字圖像識別系統(tǒng)(DIRS)提取各處理棉花群體冠層圖像的顏色特征參數(shù)R、G、B、H、I、S值,探討各顏色分量在棉花生育期內的動態(tài)變化。分析結果表明,基于RGB模型的R分量值、G分量值和基于HIS模型的亮度I值能充分反應棉花群體生長發(fā)育規(guī)律,且相關性好,其動態(tài)模擬曲線的函數(shù)通式為:y=a-b×ln(x+c),因此R、G和I能作為棉花群體監(jiān)測的量化指標;基于HIS模型的色度

4、H值,隨不同施N量的增加,擬合參數(shù)呈現(xiàn)規(guī)律性變化,且相關性顯著,其動態(tài)曲線滿足通式:y=a+bx+cx2。然而模型中藍色分量B值其動態(tài)變化雖然滿足二次函數(shù)關系,但不同N素水平間擬合參數(shù)值波動性大,規(guī)律不明顯;顏色分量S值動態(tài)模擬結果不理想,無規(guī)律可循。
 ?、苹诟采w度CC的棉花長勢監(jiān)測與氮素營養(yǎng)狀況診斷模型。通過數(shù)字圖像分割法提取各試驗中棉花全生育期內群體冠層圖像特征參數(shù)值,運用顏色特征法將棉花冠層圖像分割為冠層和土壤層,通過閾

5、值分割法和四分量分割法將棉花冠層圖像分為4層,即:冠層圖像分割為光照冠層(Sunlit canopy,SC)與陰影冠層(Shaded canopy,ShC);土壤層分割為光照土壤層(Sunlit soil,SS)和陰影土壤層(Shaded soil,ShS)。為了減小圖像處理誤差,采用MATLAB圖像處理軟件和VC++計算機程序語言以及2種方法求出棉花冠層覆蓋度CC。應用手持冠層光譜儀GreenSeekerTM測量棉花冠層的NDVI值與

6、RVI值,分析比較CC與NDVI和RVI之間的關系,研究結果表明,CC與NDVI具有顯著的線性正相關(R2>0.914,P<0.01),與RVI具有顯著的線性負相關(R2>0.826,P<0.05);這充分說明CC同NDVI有類似的光譜反射特性,能較好的診斷與評估棉花長勢信息和N素營養(yǎng)狀況;通過分析CC與棉花3農學參數(shù)(棉株地上部N累積量、LAI和地上部生物量)間的關系,建立了CC與3農學參數(shù)間動態(tài)模擬模型,研究結果表明,指數(shù)函數(shù)能準確

7、描述CC與棉花3農學參數(shù)間的動態(tài)變化規(guī)律,且CC與棉株地上部N累積量指數(shù)函數(shù)模型相關性最高。其決定系數(shù)R2=0.978,根均方差RMSE=1.479 g m-2;最后利用3個不同生態(tài)點高產棉田試驗數(shù)據(jù)對模型進行了檢驗,檢驗結果表明,CC與棉株地上部總N累積量間精確度R2值為0.926,準確度RMSE值為1.631 g m-2。因此可以推斷,CC可作為棉花長勢監(jiān)測與N素營養(yǎng)診斷的最佳參變量。
 ?、腔诓煌卣黝伾珔?shù)的棉花長勢監(jiān)測

8、與氮素營養(yǎng)評價模型。棉株地上部N累積量、LAI和地上部生物量是衡量棉花長勢狀況的主導因素和重要指標,不同N素水平棉花群體冠層圖像顏色特征不同,而不同的顏色特征反映出不同顏色參數(shù)值,針對棉花冠層顏色的這種特點和潛在規(guī)律,分析各顏色特征參數(shù)與3農學參數(shù)的相關性,結果表明,顏色參數(shù)G-R、2g-r-b和G/R與3個農學參數(shù)間相關性均達極顯著水平,其中G-R與3者之間相關系數(shù)依次分別為0.945**、0.968**、0.935**;2g-r-b

9、與者之間相關系數(shù)依次分別為0.906**、0.935**、0.898**;G/R與3者之間相關系數(shù)依次分別為0.859**、0.889**、0.892**。建立基于G-R、2g-r-b和G/R分別與3農學參數(shù)間的關系模型,結果表明,G-R、2g-r-b和G/R與3農學參數(shù)間的動態(tài)模型變化關系類似于CC與3農學參數(shù)間的動態(tài)關系,均滿足指數(shù)函數(shù)模型,其函數(shù)模型通式為:y=kebx。通過對3個不同特征的顏色參數(shù)與3農學屬性間模型的建立與檢驗,

10、結果表明,對于特征顏色參數(shù)G-R和2g-r-b對LAI監(jiān)測精度高于地上部N累積量和地上部生物量;對于特征顏色參數(shù)G/R來說,棉花地上部生物量的監(jiān)測精度高于其他2農學參數(shù)。
 ?、然谳棢岱eTEP的棉花地上部生物量累積模型。為進一步探討應用計算機視覺技術分析棉花群體冠層的空間分布、光輻射和熱量等環(huán)境生態(tài)因素對棉花群體的影響。本研究獲取2品種5氮素水平棉花各生育期地上部生物量,記錄并測量棉花全生育期的光合有效輻射PAR和溫度,計算棉花

11、各生育期與全生育期TEP值,運用歸一化分析方法,建立基于相對生物量累積(RAGBA)和相對輻熱積(RTEP)的棉花地上生物量累積動態(tài)模型,得到8個模擬精確度較高的模型,再通過求極限值法篩選出最優(yōu)模型。結果表明:棉花RAGBA和 RTEP間的動態(tài)關系最佳模型是Richards模型,其表達式為RABGA=1.024/(1+e6.646-10.115RTEP)1/1.417,(r=0.9813,s=0.0426);通過3個不同生態(tài)點獨立的高產

12、田試驗對模型檢驗,結果表明,RTEP所對應的RAGBA觀測值與模擬值之間的RMSE為0.659 t hm-2,相對誤差RE為5.34%,一致性系數(shù)COC為0.998,決定系數(shù)R2為0.996;最后定量分析了模型動態(tài)變化過程和模型各參數(shù)特征,根據(jù)模型生物量累積速率方程將其積累過程劃分為2個拐點3個階段,得出棉花地上生物量最大累積速率及其對應的相對輻熱積和相對地上生物量積累量分別為2.299、0.623和0.549。這說明變量參數(shù)TEP具有

13、很強的應用價值,能評價棉花地上部生物量累積過程,也能通過Richards模型反映棉花物質生產狀況和經濟產量,為數(shù)字化棉花生產提供理論依據(jù)。
  ⑸基于輻熱積TEP的棉花葉面積指數(shù)動態(tài)模擬模型。為凸顯計算機視覺技術對棉花生長監(jiān)測的實用性,分析輻熱積TEP與LAI之間動態(tài)變化規(guī)律尤為重要。本節(jié)研究增設了2品種(石雜2、新陸早43)4氮素水平小區(qū)試驗,通過歸一化處理,用Curve Expert軟件或Origin8.5軟件對相對葉面積指數(shù)

14、(RLAI)和相對輻熱積(RTEP)動態(tài)數(shù)據(jù)進行擬合,得出7個精度較高的模型,其中Rational function函數(shù)模型最能準確描述棉花LAI的動態(tài)變化規(guī)律,相關系數(shù)r=0.9459,反映出極強的生物學意義。利用本研究2品種5氮素水平的核心試驗數(shù)據(jù)和3個不同生態(tài)點獨立的高產田試驗對模型進行多重檢驗,其置信度(α)分別為0.1686、0.0771、0.1706;決定系數(shù)(R2)分別為0.9477、0.9640、0.9708;一致性系數(shù)

15、(COC)分別為0.9867、0.9908、0.9891;相對誤差(RE)分別為6.4928%、4.3709%、7.5403%;回歸估計標準誤差根均方差(RMSE)分別為0.1883、0.1425、0.2267。進一步證明Rational function函數(shù)模型能夠準確反映RTEP與RLAI間的動態(tài)變化規(guī)律。最后分析不同施N量對棉花全生育期的物質生產潛力,結果表明:不同施N量對棉花LAI動態(tài)具有調控作用,尤其平均葉面積指數(shù)(MLAI)

16、、最大葉面積指數(shù)(LAImax)和二者的比值等特征參數(shù),對N肥用量反映敏感,可作為改善棉花葉片光輻射特性的重要指標,從而提高產量。本研究對于棉花生長發(fā)育進程中TEP的定量計算具有重要意義,為進一步拓展數(shù)字圖像在棉花冠層光輻射與空間分布理論研究做鋪墊。
  ⑹基于計算機視覺技術的棉花長勢監(jiān)測與氮素診斷遠程服務平臺。本平臺集成了數(shù)碼相機和CCD數(shù)字攝像頭成像技術,融合了基于數(shù)字圖像識別分割處理技術、農業(yè)物聯(lián)網(wǎng)與Web遠程控制技術、信息

17、傳輸服務技術和數(shù)據(jù)庫管理技術于一體的遠程服務系統(tǒng)平臺,初步實現(xiàn)了對棉花群體長勢情況遠程監(jiān)測與N素營養(yǎng)狀況診斷。該平臺為了滿足用戶需求和方便使用,其客戶端為PC機用戶和智能手機(Android系統(tǒng))用戶,遠程終端采用B/S結構,該平臺由棉花長勢長相監(jiān)測中心(田間監(jiān)測)、網(wǎng)絡信息服務控制中心(服務器)、圖像分析與數(shù)據(jù)處理中心、決策診斷與評價中心以及用戶瀏覽中心構成。搭建了一個大型的環(huán)式的集棉花監(jiān)測管理于一體的“一網(wǎng)三層五中心”監(jiān)測診斷體系,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論