發(fā)布時(shí)間：2020-12-15 16:52

　　油菜是我國重要的油料作物,經(jīng)濟(jì)價(jià)值高,發(fā)展?jié)摿Υ�。�?shí)現(xiàn)油菜植株表型參數(shù)的無損自動(dòng)測量還是亟待解決的問題。目前針對(duì)油菜的表型參數(shù)獲取主要停留在人工測量階段,存在依賴操作人員的主觀判斷、效率低下及缺乏實(shí)時(shí)性等缺點(diǎn),也難以滿足高通量測量的需求。隨著機(jī)器視覺技術(shù)的發(fā)展,其在農(nóng)業(yè)中得到了廣泛的應(yīng)用。本研究將針對(duì)油菜表型參數(shù)的自動(dòng)測量問題,采用圖像處理技術(shù)對(duì)油菜的主要表型參數(shù)的獲取進(jìn)行研究。主要研究內(nèi)容如下:（1）油菜冠層結(jié)構(gòu)表型參數(shù)測量。首先通過圖像幾何校正、連通區(qū)域標(biāo)記等處理,完成對(duì)油菜葉片面積的測量,實(shí)驗(yàn)表明該方法的葉片面積測量相對(duì)誤差低于3%。之后針對(duì)葉片中存在的邊緣破損情況下的形狀還原問題,本文提出利用主動(dòng)形狀模型（ASM）進(jìn)行模型訓(xùn)練與形狀擬合,取得了一定進(jìn)展,還原后的油菜葉片面積重疊度為0.923,破損面積重疊度為0.873。油菜花蕾部分主要解決其計(jì)數(shù)問題。利用油菜花蕾的立體形狀特征,在HSI顏色空間下進(jìn)行圖像增強(qiáng)算法以得到花蕾的數(shù)目,計(jì)數(shù)平均相對(duì)誤差為4.42%。并據(jù)此設(shè)計(jì)了一套花蕾計(jì)數(shù)的圖像拍攝便攜裝置。（2）油菜株型參數(shù)測量。本研究主要完成了油菜株高、分枝角度和角果著生角度的測... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

我國油菜播種面積、總產(chǎn)量及單位面積產(chǎn)量變化圖

對(duì)油菜苗期的主根提取分割算法進(jìn)行研究。介紹了全卷積神經(jīng)網(wǎng)絡(luò)（FCN）的發(fā)展、網(wǎng)絡(luò)結(jié)構(gòu)與特點(diǎn)。針對(duì)現(xiàn)有油菜苗期主根分割數(shù)據(jù)集的缺乏，介紹了本研究數(shù)據(jù)集的獲取與預(yù)處理，并闡述了本研究的實(shí)驗(yàn)環(huán)境與配置以及模型建構(gòu)、訓(xùn)練與測試過程。第五章，基于 Android 平臺(tái)開發(fā)了油菜籽千粒重測量系統(tǒng)。對(duì)系統(tǒng)的結(jié)構(gòu)與開發(fā)工具以及應(yīng)用軟件界面等進(jìn)行了描述，也對(duì)千粒重計(jì)算中所需要進(jìn)行的稱重與計(jì)數(shù)環(huán)節(jié)的實(shí)現(xiàn)進(jìn)行了闡述。重點(diǎn)針對(duì)在計(jì)數(shù)過程中出現(xiàn)的光照不均條件下的籽粒圖像分割和粘連籽粒計(jì)數(shù)等問題進(jìn)行了研究。實(shí)驗(yàn)表明本研究開發(fā)的千粒重系統(tǒng)也可以用于其他作物籽粒的千粒重測量中。第六章，對(duì)本研究工作進(jìn)行總結(jié)，并概括、闡述和分析了本研究的創(chuàng)新點(diǎn)與不足之處，并對(duì)進(jìn)一步的研究方向進(jìn)行了展望。1.3.3 技術(shù)路線

圖 2.1 葉面積測量樣本Figure 2.1 Samples for leaf area estimation法攝時(shí)較難保證手機(jī)與拍攝背景保持水測量誤差。為了更好地還原葉片的正處理。幾何校正的一般流程為獲取變圖像與校正后的圖像。幾何校正中的 A、B、C、D 四個(gè)頂點(diǎn)。然后通邊界，邊界交點(diǎn)即需要尋找的控制點(diǎn)

【參考文獻(xiàn)】：
期刊論文
[1]基于無人機(jī)遙感影像的玉米苗期株數(shù)信息提取[J]. 劉帥兵,楊貴軍,周成全,景海濤,馮海寬,徐波,楊浩.  農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[2]剔除土壤背景的棉花水分脅迫無人機(jī)熱紅外遙感診斷[J]. 張智韜,邊江,韓文霆,付秋萍,陳碩博,崔婷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(10)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的油茶病害圖像識(shí)別[J]. 龍滿生,歐陽春娟,劉歡,付青.  農(nóng)業(yè)工程學(xué)報(bào). 2018(18)
[4]高通量作物表型監(jiān)測:育種和精準(zhǔn)農(nóng)業(yè)發(fā)展的加速器[J]. 郭慶華,楊維才,吳芳芳,龐樹鑫,金時(shí)超,陳凡,王秀杰.  中國科學(xué)院院刊. 2018(09)
[5]基于無人機(jī)熱紅外與數(shù)碼影像的玉米冠層溫度監(jiān)測[J]. 楊文攀,李長春,楊浩,楊貴軍,馮海寬,韓亮,牛慶林,韓東.  農(nóng)業(yè)工程學(xué)報(bào). 2018(17)
[6]無人機(jī)多光譜遙感反演花蕾期棉花光合參數(shù)研究[J]. 陳俊英,陳碩博,張智韜,付秋萍,邊江,崔婷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(10)
[7]基于無人機(jī)遙感植被指數(shù)優(yōu)選的田塊尺度冬小麥估產(chǎn)[J]. 朱婉雪,李仕冀,張旭博,李洋,孫志剛.  農(nóng)業(yè)工程學(xué)報(bào). 2018(11)
[8]基于三維數(shù)字化的玉米株型參數(shù)提取方法研究[J]. 溫維亮,郭新宇,趙春江,肖伯祥,王勇健.  中國農(nóng)業(yè)科學(xué). 2018(06)
[9]基于無人機(jī)數(shù)碼影像的玉米育種材料株高和LAI監(jiān)測[J]. 牛慶林,馮海寬,楊貴軍,李長春,楊浩,徐波,趙衍鑫.  農(nóng)業(yè)工程學(xué)報(bào). 2018(05)
[10]高光譜圖像檢測馬鈴薯植株葉綠素含量垂直分布[J]. 孫紅,鄭濤,劉寧,程萌,李民贊,Zhang Qin.  農(nóng)業(yè)工程學(xué)報(bào). 2018(01)

博士論文
[1]基于無人機(jī)近感的高通量田間作物幾何表型研究[D]. 胡鵬程.中國農(nóng)業(yè)大學(xué) 2018
[2]玉米株型冠層三維數(shù)字化與結(jié)構(gòu)解析技術(shù)研究[D]. 溫維亮.北京工業(yè)大學(xué) 2017
[3]基于近感圖像的作物表型高通量測量方法研究[D]. 段濤.中國農(nóng)業(yè)大學(xué) 2017
[4]基于高光譜和圖像處理技術(shù)的油菜病蟲害早期監(jiān)測方法和機(jī)理研究[D]. 趙蕓.浙江大學(xué) 2013
[5]基于聚類分析的圖像分割方法研究[D]. 張新野.大連海事大學(xué) 2012

碩士論文
[1]基于圖像分割的道路裂紋檢測算法研究[D]. 盛鵬.武漢科技大學(xué) 2018
[2]基于高通量成像技術(shù)的重離子束輻射誘變擬南芥表型組學(xué)篩選研究[D]. 穆金虎.中國科學(xué)院大學(xué)(中國科學(xué)院近代物理研究所) 2017
[3]不同種植密度下油菜產(chǎn)量形成、葉片衰老及根系形態(tài)研究[D]. 李明.華中農(nóng)業(yè)大學(xué) 2015
[4]多源圖像的分割與識(shí)別算法研究[D]. 張巍.上海交通大學(xué) 2015
[5]氮肥和密度對(duì)直播冬油菜冠層結(jié)構(gòu)及群體特征的影響[D]. 楊士芬.華中農(nóng)業(yè)大學(xué) 2014
[6]甘藍(lán)型油菜主要株型性狀的遺傳分析和QTL初步定位[D]. 張倩.西南大學(xué) 2013
[7]基于邊緣檢測的圖像分割算法研究[D]. 唐闖.燕山大學(xué) 2012
[8]基于改進(jìn)遺傳算法的攝像機(jī)標(biāo)定技術(shù)的研究[D]. 劉俏.大連理工大學(xué) 2007
[9]攝像機(jī)標(biāo)定及相關(guān)技術(shù)研究[D]. 鄒鳳嬌.四川大學(xué) 2005
[10]計(jì)算機(jī)視覺技術(shù)在作物形態(tài)測量中的應(yīng)用[D]. 徐歆愷.首都師范大學(xué) 2005



本文編號(hào)：2918579