科研产出
利用无人机激光雷达提取玉米叶面积密度
《武汉大学学报(信息科学版) 》 2021 EI 北大核心 CSCD
摘要：叶面积密度可以表征冠层内部叶面积的垂直分布,是作物生长发育、营养诊断和育种研究的重要结构参数。激光雷达通过发射多脉冲和接收多回波信号可以探测到作物冠层内部信息。首先基于无人机激光雷达获取60个小区多航线的玉米点云数据,采用基于接触频率的体素法对叶面积密度进行估算,再对多个体素大小进行分析得到最优体素大小（0.2 m）;其次对各航线以及航线叠加效果进行对比,得到无人机激光雷达获取点云数据的最优激光脉冲入射角（-30°～52°）;然后结合玉米叶倾角和激光脉冲入射角对叶面积密度估算模型进行校正,从而提高叶面积密度估算精度;最后通过对不同种植密度和不同品种的玉米叶面积密度分布进行分析,得到不同品种玉米的发育快慢、株型特点以及最合理的种植密度。以上结果可为基于无人机激光雷达数据估算叶面积密度提供指导,并为玉米育种和科学管理提供参考。
关键词： 叶面积密度分布 基于接触频率的体素法 叶倾角 脉冲入射角 无人机激光雷达
全文链接
请求原文
秸秆-牛粪发酵过程中溶解性有机质的荧光光谱特征
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：溶解性有机质（DOM）在自然生态系统有机物向无机物的转换过程中起重要作用。DOM在发酵过程中为微生物提供营养和能量,同时对腐殖质的迁移和转化具有重要的指示作用。牛粪有助于提高玉米秸秆腐殖化效率,使农业废弃物得以更好的利用。为探讨玉米秸秆-牛粪体积比2∶8（T1）、 4∶6（T2）、 6∶4（T3）和8∶2（T4）处理发酵过程中DOM的特征,采用三维荧光光谱-平行因子分析法,分析发酵底物中DOM的荧光组分;通过荧光指数（FI）和自生源指数（BIX）来表征DOM的来源,用腐殖化指数（HIX）分析发酵物料的腐殖化程度,并分析DOM各组分间最大荧光强度的相关性。结果表明:4个处理过程中DOM来源受自生源和外生源的共同影响（FI>1.4, 0.8
全文链接
请求原文
数字果树及其技术体系研究进展
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：果树是重要的农林植物。在万物智联时代,利用数字化、智能化、网络化技术建立数字果树技术体系,实现对果树生命、生产和生态复杂系统的高效感知、认知和智慧管控,对于果业实现数字化转型具有重要意义。该研究在数字植物技术范畴下,系统论述了数字果树的概念和内涵,提出了数字果树技术体系框架。重点在果树表型信息获取、环境数据获取、三维模型计算、数字育种、果树大数据和虚拟现实技术等方面综述了数字果树研究进展。从产业应用角度,综述了数字果树技术在树形管理、生长监测、种植管理、农技培训、品牌营销等方面应用效果和挑战。最后,展望了数字果树发展趋势、研究热点和技术突破方向,以期为数字果树的进一步发展提供思路与借鉴。
关键词： 植物 表型 三维 数字果树 果园 信息感知 智能决策 产业应用
全文链接
请求原文
近紫外-可见-短波近红外多光谱成像数据的糯玉米种子热损伤粒的无损快速鉴别
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：为对糯玉米种子热损伤粒进行无损快速鉴别并探索热损伤过程对糯玉米种子的影响,以糯玉米种子"京科糯2000"为例,用Videometer近紫外-可见-短波近红外多光谱成像仪分别以胚面向上和胚面向下方式采集糯玉米种子对照组及热损伤组多光谱成像数据,分别提取胚面向上胚部、胚面向上胚乳部、胚面向下胚乳部单点多光谱数据,并对胚面向上胚部和胚面向上胚乳部多光谱数据做初级融合;对多光谱数据进行基线校正预处理后计算各光谱数据样本标准差,进而通过光谱数据样本标准差的变化分析热损伤对糯玉米种子各部位的影响;基于多光谱数据采用偏最小二乘-判别分析算法建立糯玉米种子热损伤粒无损鉴别模型,对所建模型进行全交互验证,并与近红外光谱数据模型比较。结果表明,热损伤对糯玉米种子胚、胚乳有不同的影响,多光谱数据和近红外光谱数据表现出一致的变化趋势。采用多光谱数据建立热损伤粒鉴别模型,各模型前3主成分得分3D散点图中,对照组和热损伤组样品表现出一定的分离趋势,校正数据正确率在96%～100%之间,交互验证数据正确率在92%～100%之间,其中,糯玉米种子胚面向上胚部光谱和胚乳部光谱初级融合数据建模效果最好,校正数据正确率100%,交互验证数据正确率在98%～100%之间。作为对比,采用近红外光谱数据建立糯玉米种子热损伤粒偏最小二乘-判别分析模型,胚面向上、胚面向下以及二者初级融合数据模型的前3主成分得分3D散点图中,对照组和热损伤组样品表现出较好的分离趋势,各模型校正数据、交互验证数据正确率皆为100%。本研究表明,采用近紫外-可见-短波近红外多光谱成像对糯玉米种子的热损伤粒进行无损快速识别具有较好的可行性,多光谱成像数据各变量样本标准差和近红外光谱数据各变量样本标准差呈现一致的规律;采用胚和胚乳融合多光谱数据所建模型在各模型中具有更高的正确率。
关键词： 多光谱成像 数据融合 近红外光谱 热损伤粒 糯玉米种子
全文链接
请求原文
基于高斯回归分析的水稻氮素敏感波段筛选及含量估算
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一.以2018年—2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归(GPR)等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段.针对敏感波段,利用单波段回归分析、随机森林(RF)、支持向量回归(SVR)、高斯过程回归-随机森林(GPR-RF)、高斯过程回归-支持向量回归(GPR-SVR)和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型.结果表明:GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律.相同条件下,叶片模型精度整体高于冠层模型.相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响.其中,叶片最佳模型建模集R2为0.79,验证集R2为0.84;冠层最佳模型建模集R2为0.80,验证集R2为0.77.与相关性回归分析模型相比,机器学习模型受生育期影响小(R2>0.80,NRMSE<10%).其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5% 左右的波段达到RF模型使用全部波段的精度.五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R2>0.94,NRMSE<6%).且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性(R2增加0.02,NRMSE降低1.2%).GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考.
关键词： 敏感波段;氮素;高斯过程回归;随机森林;支持向量回归;高光谱
全文链接
请求原文
无人机成像高光谱的马铃薯地上生物量估算
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：地上生物量（AGB）的精准监测是农田生产管理的重要环节,因此快速准确地估算AGB,对于精准农业的发展十分重要。传统上,获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变得困难。无人机高光谱遥感因具有机动性强、光谱分辨率高和图谱合一的优势,成为当前估算大面积作物AGB最有效的技术手段。该研究通过无人机平台搭载成像高光谱传感器分别获取马铃薯块茎形成期、块茎增长期、淀粉积累期的冠层高光谱影像以及利用烘干称重法获取相应生育期实测AGB数据。然后,采用相关性分析法（CAM）、随机蛙跳算法（RFM）和高斯过程回归波长分析工具（GPR-BAT）分别筛选冠层原始光谱（COS）和一阶导数光谱（FDS）的敏感波长,结合偏最小二乘回归（PLSR）和高斯过程回归（GPR）构建各生育期的AGB估算模型,并对比不同模型的估测效果。结果显示:（1）基于同种方法分别筛选COS和FDS的特征波长,结合2种回归技术估算AGB的效果均从块茎形成期到淀粉积累期由好变差。（2）基于FDS分别通过3种方法筛选的特征波长,通过同种回归技术构建的模型效果要优于基于COS的相应效果。（3）基于COS和FDS使用CAM, RFM和GPR-BAT方法筛选的特征波长个数在块茎形成期分别为28, 12, 6个和12, 23, 10个,在块茎增长期分别为32, 8, 2个和18, 28, 4个,在淀粉积累期分别为30, 15, 3个和21, 33, 5个。（4）各生育期基于COS和FDS通过3种方法筛选的敏感波长估算AGB效果由高到低依次均为GPR-BAT, RFM和CAM。（5）各生育期基于FDS通过GPR-BAT方法筛选的敏感波长,结合PLSR建立的模型精度更高、稳定性更强,R2分别为0.67, 0.73和0.65, NRMSE分别为16.63%, 15.84%和20.81%。研究表明利用无人机高光谱成像技术可以准确地估算AGB,这为实现马铃薯作物长势动态监测,提供科学指导和参考。
关键词： 马铃薯 无人机 成像高光谱 随机蛙跳 高斯过程回归 地上生物量
全文链接
请求原文
基于免疫传感器和激光诱导击穿光谱的痕量农药测量方法
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：农药在农作物病虫害及农作物高产稳产等方面起到了相当重要的作用,但是农药的长期大量使用,对生态和人类健康造成了极大的危害。根据相关文献查阅,基于免疫传感器和激光诱导击穿光谱的分析方法对农药残留的检测未见相关报道。提出了激光诱导击穿光谱对免疫传感器捕获待测目标物的探针进行检测,从而间接计算出待测目标物的浓度。使用免疫层析试纸条对痕量农药进行检测,虽然免疫层析试纸条可以实现对痕量农药的测量,但是仅能定性且检测的范围很窄,为了拓宽免疫层析试纸条对痕量农药的测量范围,运用激光诱导击穿光谱（laser induced breakdown spectroscopy, LIBS）对免疫层析试纸条上捕获痕量农药的金属纳米颗粒进行光谱测量,构建免疫层析试纸条与LIBS的检测方法。以毒死蜱农药为研究对象,因农药残留属于小分子抗原检测,所以免疫层析试纸条运用竞争法对毒死蜱进行检测。滴加了低浓度毒死蜱的免疫层析试纸条上控制线和检测线的颜色差异不明显,难以用人眼分辨出是否检测到了毒死蜱。对添加了毒死蜱的免疫层析试纸条的控制线和检测线分别选取点,测量AuⅠ242.733 nm处的光谱,用控制线的平均光谱强度减去检测线的平均光谱强度即为毒死蜱的信号,此方法可以检测出免疫层析试纸条观察不到的信号,还规避了LIBS检测限高的问题。随着毒死蜱浓度从0增加到106 ng·mL-1, LIBS光谱数据差值逐渐增大。为了消除随机误差的影响,使用ΔLIBS强度（测量样品强度减去空白样品强度）与毒死蜱浓度取Lg绘制校准曲线。ΔLIBS强度与毒死蜱浓度在10～106 ng·mL-1范围内呈线性相关,Y=6.14X+31.85,R2=0.969,毒死蜱的检测限为0.39 ng·mL-1。研究表明,免疫层析试纸条与LIBS结合实现了对痕量农药的测量,能有效的扩宽毒死蜱的检测范围。同时,免疫层析试纸条与LIBS的结合对其他物质的检测也值得进一步研究。
全文链接
请求原文
水果糖度可见-近红外光谱手持式检测装置开发与试验
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置,并用于水果糖度的现场实时分析.硬件系统主要包括微型光谱仪、卤素灯、O L ED显示屏、单片机及驱动电路等.采用K eil 5开发工具,用C语言开发单片机程序.配合上位机以LabView编写的光谱采集程序,实现光谱信息的采集.以苹果和大桃作为检测对象,对装置的检测精度和模型在2台装置(主机、从机)间的传递效果进行了探讨.在实验室和果园环境下,分别获取了苹果、大桃样本在600~950 nm范围的可见-近红外光谱.对实验室条件下采集的主机校正集光谱进行分析,经过平滑、最大值归一化、二阶导数等预处理后,利用偏最小二乘算法分别建立了苹果、大桃的糖度检测模型.模型导入主机装置后,对预测集样本进行检验.对苹果、大桃的预测集相关系数和预测均方根误差分别为0.925,0.587% 和0.821,0.613%.采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机.对比后发现,基于典型相关分析算法取得了更好的模型传递结果.从机对苹果、大桃糖度的预测集相关系数和预测均方根误差分别为0.883,0.641% 和0.805,0.626%.将实验室条件下建立的模型用于树上采集到的水果光谱数据分析,得到预测集相关系数和预测均方根误差分别为0.866,0.741% 和0.816,0.627%.整体检测结果表明,该装置可以满足对苹果、大桃糖度的有效检测,借助模型传递算法,实现了模型在不同装置间的共享和有效传递,且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测,该装置具有较大的经济价值和应用前景.
关键词： 无损检测;水果;可见-近红外光谱;光谱分析;糖度;模型传递
全文链接
请求原文
红蓝光交替照射下生菜能量利用与光合性能分析
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：针对植物工厂中人工光源能耗大的问题,进行了交替供光模式提高生菜能量利用率、降低光源能耗的研究。试验在全人工光型植物工厂中进行,采用供光模式可调的红蓝LED光源,以不同间隔（5、10、15、30、60 min）的红蓝光交替照射生菜,并以纯红光、纯蓝光以及红蓝光同时照射作为对照,分析了红蓝光交替照射对生菜能量利用及光合性能的影响。结果表明:与红蓝光同时供光的处理相比,所有交替光处理下的生菜地上部鲜质量、LUE、EUE均有所提高,提高幅度分别为18.6%～53.6%、34.3%～78.6%、34.6%～79.4%,其中红蓝光30 min间隔交替照射下生菜鲜质量、LUE、EUE均最高,分别为115.50 g、5.84%、1.92%;交替光照射的处理之间,随着交替时间间隔的延长,叶片净光合速率有逐渐提高的趋势;红蓝光30 min间隔交替照射下生菜叶片净光合速率、水分利用效率、Ψo、RC/CSo、PⅠabs、ABS/CS、TRo/CS、ETo/CS均得到显著提高,该处理下PSⅡ光合机构的比活性整体最高。纯红光下,生菜地上部生物量最大,但LUE和EUE均显著小于红蓝光30 min间隔交替照射处理;纯蓝光下,PⅠabs表现为所有处理间的最大值,但LUE和EUE在处理间最低或与最低值无显著性差异,纯蓝光下总叶面积及整体光合能力受到限制;红蓝光5 min间隔交替照射更有利于刺激生菜叶片中类胡萝卜素的合成和积累,进而有利于对光合器官的保护。
关键词： 生菜 植物工厂 能量利用率 红蓝光 交替照射 光合
全文链接
请求原文
采用双模态联合表征学习方法识别作物病害
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点.但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量.构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广.该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet).该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习.最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%.该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法.
关键词： 模型;病害;双模态;联合表征学习;少样本;开放环境;病害识别
全文链接
请求原文
