江苏大学物理与电子工程学院,江苏 镇江 212013
果蔬品质检测在其生长、储存各环节都具有重要意义,同时也是栽培、保存方案制订的依据。针对果蔬种植过程中对样本全域生理信息定量实时获取的需求以及现有检测技术的不足,本文从宏观生长的微观物质基础和相位成像机理出发,以番茄果实糖度检测为例,提出了一种果蔬生理信息的相位检测方法,基于细胞相位图像提取两个相位参量并联合宏观糖度值构建数据立方体对番茄糖度分布进行了表征。该方法可根据需要对任意局部区域进行采样检测,无须对细胞样本进行预处理,只需要采集任意角度下的一幅相位图即可,具有数据量小、计算简便的优势,整个分析过程只需要0.5 s左右。与现有成熟检测方法的对照实验表明,细胞相位参量与糖度值表现出了明显的正相关性,且对局部糖度差异敏感。所提方法与高光谱成像检测结果具有良好的一致性。该相位检测表征方法操作简便,运算速度快,可为番茄糖度乃至其他果蔬的多种生理特性快速检测提供参考。
生物光学 番茄果实 糖度 品质检测 相位成像 相位参量
1 吉林农业大学资源与环境学院, 吉林 长春 130118 吉林省商品粮基地土壤资源可持续利用重点实验室, 吉林 长春 130118秸秆综合利用与黑土地保护教育部重点实验室, 吉林 长春 130118
2 松辽水利委员会松辽流域水土保持监测中心站, 吉林 长春 130021
3 中国农业大学资源与环境学院, 北京 100083
土壤有机质(SOM)作为土壤的重要组成部分, 其含量高低能够反映土壤的肥力和质量状况。 相较于传统SOM的测定方法, 利用无人机高光谱影像可快速、 精准获取田块尺度的SOM含量。 为探究基于高光谱数据建立的线性和非线性模型对作物覆盖下土壤有机质估算精度的差异, 以东北黑土区的玉米试验田为研究区, 分别采集了拔节期和吐丝期的土壤样本及同时期无人机高光谱影像作为数据源, 分析作物覆盖条件下土壤光谱反射率与有机质含量的相关关系, 并根据其响应波段构建光谱指数。 以施肥量和光谱指数作为自变量, 通过特征变量的筛选分别建立多元逐步线性回归模型(SMLR)、 支持向量机(SVM)、 随机森林(RF)和eXtreme gradient boosting(XGBoost)模型, 并验证比较各模型的精度(选用R2和RMSE为评价指标)。 结果表明, 作物覆盖条件下土壤有机质含量的响应波段为450~640 nm。 多年长期施用化肥对SOM含量有着显著影响, 将其作为协变量引入模型明显提高了对SOM的估算精度。 4种模型检验精度的对比结果为: XGBoost>RF>SMLR>SVM, 其中以拔节期XGBoost的估算结果最好(建模集和验证集的R2、 RMSE分别为0.516、 0.253和0.590、 0.222)。 可以利用无人机高光谱技术快速估算田块尺度玉米农田的土壤有机质含量, 且XGBoost模型是估算作物覆盖条件下土壤有机质含量的较优选择。
无人机 高光谱 土壤有机质 多元逐步线性回归 机器学习 UAV Hyperspectral Soil organic matter Stepwise multiple linear regression Machine learning 光谱学与光谱分析
2023, 43(8): 2617
世界各国目标信息获取与应用需求日益迫切,各国纷纷着力开展新型的目标信息获取技术研究,针对各类目标,尤其是对空中目标进行高效信息获取。在现今的信息化社会中,新型信息获取技术意义重大,可以促进社会发展、提升人民生活水平,同时在完善**体系,保障国民安全方面也作用显著。因此,对新型目标信息获取技术的研究十分必要。基于大气扰动的目标探测技术作为一种新型的信息获取技术体制,利用目标飞行时形成的大气扰动进行目标探测具有不受目标自身性能影响的显著优势,应用潜力巨大。此篇综述基于大气扰动的目标探测技术,对目标大气扰动检测中图像处理方法进行研究,主要分为互相关方法、光流方法、帧间差分法、背景减除法四个方面,阐述其国内外研究进展,分析其技术优劣势及发展技术途径,最后对四种方法以及目标大气扰动图像处理方法未来的发展方向进行展望与总结。
大气扰动 图像处理方法 目标探测 atmospheric disturbance image processing methods target detection 红外与激光工程
2023, 52(10): 20230044
红外与毫米波学报
2022, 41(6): 1062
1 北京空间机电研究所,北京 100094
2 中国工程物理研究院流体物理研究所,四川 绵阳 621000
利用运动物体高精度大气扰流检出方法,以散斑图像及多类卫星图像为背景,对高压气流冲击下飞机缩比模型形成的大气扰流情况开展了实验研究。验证了不同背景图像分辨率、不同背景类型条件下,大气扰流可视化光学监测方法可检出大气扰流折射率梯度为10−6。并通过可直接显示大气扰流信息的传统纹影成像实验,获得相同工况条件下大气扰流信息,通过对比分析,得出利用大气扰流可视化方法获取的大气扰流信息与直接显示的大气扰流信息分布及细节都相同,从而直接验证了卫星图像背景条件下大气扰流可视化光学监测方法检出大气扰流结果的正确性。文中成果验证了实验室条件下运动物体大气扰流可视化光学监测方法的正确性及大气扰流的检出精度。
扰流检出 光线偏折 背景纹影 检出精度 disturbance monitoring light deflection background-oriented schlieren monitoring accuracy 红外与激光工程
2022, 51(8): 20210793
红外与激光工程
2022, 51(9): 20210843
1 北京市农林科学院信息技术研究中心, 北京 100097
3 北京交通大学计算机与信息技术学院, 北京 100044
植物病害的自动早期检测对于作物精确保护至关重要。 提出了一种基于多维光谱序列(multi-dimensional spectral series, MDSS)和加权随机森林(weighted random forest, WRF)的番茄灰霉病早期诊断与鉴别方法。 目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型, 以期在肉眼明显可见叶面病斑前对作物病害实现诊断。 将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天。 试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像, 提取感兴趣区域并计算平均光谱作为初始光谱数据, 经筛选共得到(156×7)组有效样本。 将样本数据按时间顺序拆分成分别包含1~7个维度的光谱数据形成多维原始光谱序列, 为增加维度间差异性, 相邻原始光谱序列相减构成多维关联光谱序列。 分别采用符号聚合近似估计(symbolic aggregate approximation, SAX)和符号傅里叶近似估计(symbolic Fourier approximation, SFA)两种符号化方法将光谱序列离散成局部辨别性特征。 基于多维光谱序列的局部辨别性特征建立加权随机森林(MDSS-SAX-SFA-WRF)分类模型, 实现病害早期检测。 相应地, 基于单维光谱序列(single-dimensional spectral series, SDSS)的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较。 试验结果显示, MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90%以上识别准确率, 在包含5个光谱序列维度测试集中得到最高99%的识别准确率, 较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点。 另外受随机干扰的影响, SDSS-SAX-SFA-MRF模型准确率在染病5~7 d出现大幅度回落至最低84%, MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98%的较高检测水准, 未过度回落。 因此, 提出的基于多维光谱曲线整体变化趋势和加权随机森林(MDSS-SAX-SFA-WRF)的分类模型能够有效实现番茄灰霉病早期检测, 并具有较强的鲁棒性, 为染病初期的番茄灰霉病鉴别提供新思路。
早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列 Early disease detection Hyperspectral imaging Tomato gray mold Random forest Multi-dimensional times series 光谱学与光谱分析
2022, 42(10): 3226
中国人民解放军63869部队, 吉林 白城 137001
针对大场景、大视场图像应用和一般图像拼接算法速度慢的问题, 采用了基于离线标定的快速图像拼接算法。在实际应用中多台相机位置固定, 采用离线标定计算出图像拼接的单应性矩阵, 实时拼接中直接加载该矩阵进行计算, 从而省去了大量的特征提取和配准时间。在快速图像对齐的基础上, 提出了一种基于YUV色彩空间的拉普拉斯金字塔的快速图像融合算法, 相对传统拉普拉斯金字塔融合算法有更好的融合效果和更快的速度。实验结果表明, 本文算法的图像融合速度是传统传统拉普拉斯图像融合的3倍, 满足应用场景中实时图像拼接速度需求, 具有良好的图像拼接效果。
图像拼接 全景监控 特征提取 图像融合 image stitching Laplacian pyramid feature extraction fast fusion