1 中国农业大学信息与电气工程学院, 北京 100083
2 河南农业大学信息与管理科学学院, 河南 郑州 450018
3 中国农业科学院农业环境与可持续发展研究所, 北京 100081
病害严重影响作物品质, 并造成经济损失。 病斑分割是病害定量诊断的重要过程, 其分割结果可为后续的识别和严重度估算提供有效依据。 由于病斑具有不规则性和复杂性, 且自然环境下病斑可见光谱图像易受光照变化等影响, 传统的图像处理方法对病斑图像分割存在准确率低、 普适性低和鲁棒性不高等问题。 该工作提出了基于语义分割和可见光谱图像的作物叶部病害病斑分割方法。 首先, 以花生褐斑病、 烟草赤星病为研究对象, 使用尼康D300s单反相机共采集到165张可见光谱图像。 通过Matlab Image Labeler APP对病害可见光谱图像进行像素标记, 分别标记出褐斑病病斑、 赤星病病斑和背景区域。 其次, 对标记后的数据采用水平翻转、 垂直翻转、 改变亮度等图像扩充方式, 获得1 850份增强后样本数据集。 为了节约计算成本, 将数据集的像素分辨率调整为300×300。 最后, 基于FCN, SegNet和U-Net 3种语义分割网络, 构建4 种作物叶部病害病斑分割模型, 探索了数据增强、 病害类别对病斑分割模型的影响, 并采用4种分割指标评价模型效果。 结果表明: 仅对于病斑分割, 图像增强能够提高模型的分割精度, 增强后FCN模型的平均精度(MP)和平均交并比(MIoU)分别为95.71%和93.36%。 4个语义分割模型显著优于支持向量机(SVM), 其中FCN与U-Net, SegNet-2和SegNet-4分割模型相比, 能够有效避免光线变化等影响, 病斑分割精度(P)和交并比(IoU)分别达到99.25%和97.55%。 对于病斑分类分割实验, FCN对两种病害的分割精度Pd分别达到97.54%和90.41%, 对两种病害的交并比IOUd分别为95.61%和70.30%, 均优于其他3种分割模型。 FCN能够在分割病斑的同时也准确地识别病害类别, 有较好的泛化性和鲁棒性, 实现了自然场景下作物叶部病害病斑的识别与分割, 为计算混合病害严重度提供了技术参考。
可见光光谱 作物 病斑分割 语义分割 全卷积神经网络 Visible spectrum Crops Spot segmentation Semantic segmentation Full convolutional network 光谱学与光谱分析
2023, 43(4): 1248
1 中国农业大学农学院, 北京 100094
2 中国农业科学院农业环境与可持续发展研究所, 北京 100081
作物残茬还田对农业绿色发展和地力提升意义重大。 我国作物残茬产量大, 种类多, 研究典型作物残茬中磷的赋存形态是预测其还田后作物有效性的前提。 目前, 液相磷-31核磁共振(31P-NMR)是可在分子水平上表征磷素形态的主流分析技术。 而利用该技术表征作物残茬磷素形态的已有研究有限, 且主要采用不同磷化合物的化学位移进行图谱解析。 由于某些有机磷的峰位置相邻, 其化学位移受样品pH等化学条件影响较大, 导致单纯依靠文献报道进行图谱解析存在较大不确定性, 并且识别出的有机磷种类偏少。 该研究进行加标实验, 选取典型作物残茬(玉米、 小麦、 水稻、 大豆、 花生、 棉花), 利用液相31P-NMR技术表征了不同部位(茎叶、 谷壳和种子)磷的分子形态及其含量。 研究发现, 所有供试作物残茬中总磷含量均为种子>谷壳>茎叶。 NaOH-EDTA前处理对供试作物残茬总磷有较高的提取率(73%~139%), 平均105%。 根据加标试验的31P-NMR图谱, 供试样品中检测出的无机磷形态包括正磷酸盐、 焦磷酸盐、 三聚磷酸盐, 有机磷包括植酸、 α/β-甘油磷酸盐、 单核苷酸, 首次在作物残茬的正磷酸二酯组分中检测到脱氧核糖核酸; 供试茎叶和谷壳中磷均以正磷酸盐为主, 大约占NaOH-EDTA可提取磷的49.3%~71.6%, 种子以植酸为主, 占比达48.5%~82.9%; 将正磷酸单酯和正磷酸二酯含量针对正磷酸二酯的降解产物进行矫正, 发现作物茎叶中正磷酸二酯(17.1%~33.5%)高于正磷酸单酯(9%~13.5%), 谷壳中正磷酸单酯和正磷酸二酯的百分含量分别为8.8%~23.2%及8.8%~24.6%, 种子中则以正磷酸单酯为主(57.6%~82.9%)。 研究结果表明, 供试作物残茬尤其茎叶秸秆还田后可能释放正磷酸盐和正磷酸二酯, 作为有效磷源供给后茬作物吸收。 该研究为作物残茬还田及农田磷肥管理提供重要科学依据。
磷 分子形态 液相磷-31核磁共振 作物残茬 Phosphorus Molecular speciation Solution P-31 NMR Crop residues 光谱学与光谱分析
2022, 42(7): 2304
1 安徽大学 农业生态大数据分析与应用技术国家地方联合工程技术研究中心，安徽 合肥 230601
2 北京农业信息技术研究中心，北京 100097
3 宿州学院 信息工程学院，安徽 宿州 234000
快速、准确地掌握作物空间分布，估算不同作物种植面积及范围，这对制定宏观农业政策并指导农民进行农业生产具有重要意义。以我国内蒙古自治区扎赉特旗现代农业示范园区为研究区域，基于2019年5月至10月共9景多时相Sentinel-2卫星遥感影像，通过计算并分析不同作物归一化差值植被指数（NDVI）、比值植被指数（RVI）、增强型植被指数（EVI）等多种典型植被指数和近红外波段Ref(NIR)的时序变化特征，采用随机森林（Random Forest, RF）、决策树（Decision Tree, DT）、支持向量机（Support Vector Machine, SVM）和最大似然法（Maximum Likelihood, ML）4种分类方法对研究区多种作物进行分类识别，成功提取园区内主要作物（水稻、玉米、甜叶菊、旱稻和大豆等）空间分布情况。将RF结果与DT、SVM和ML分类结果对比，结果显示，RF总体分类精度最高，达到95.8%，Kappa系数为0.944；DT、SVM和ML分类精度分别为92.2%、91.6%和86.5%。上述研究结果表明，多时相Sentinel-2遥感影像经过光谱指数时序变化特征提取后，利用随机森林算法进行作物分类可得到精度较高的结果，这为精细指导规模化园区农业生产提供了有效的技术支持。
随机森林算法 近红外波段 时间序列 Sentinel-2 作物分类 random forest Ref (NIR) time-series Sentinel-2 crop classification 红外与激光工程
2021, 50(5): 20200318
河南科技大学农业装备工程学院, 河南 洛阳 471000
为了揭示荧光分析技术在作物响应镉胁迫研究中的应用, 以大豆幼苗为材料, 对镉胁迫条件下叶片镉离子含量、 叶绿素荧光参数、 及荧光光响应曲线的变化进行了分析, 并进一步探讨了叶绿素荧光参数与叶片镉离子含量的关系。 结果表明: 在试验过程中, 伴随着镉胁迫时间的延长, 叶片镉离子含量呈现出逐步升高的趋势, 并在镉胁迫9 d后达到最大值。 镉胁迫1 d后, 大豆幼苗PSⅡ反应中心能够通过升高NPQ、 降低ФPSⅡ与ETR来耗散过量激发能, 避免能量过激发对它的生理伤害, 进而维持Fv/Fm的稳定。 这表明此时的镉胁迫对大豆造成了动态光抑制。 镉胁迫6 d后, 虽然NPQ继续升高, 但光保护机制已不足以避免能量过激发造成的生理伤害, 大豆幼苗Fv/Fm呈现出降低趋势。 这表明此时大豆幼苗受到了慢光抑制的影响。 进一步对叶绿素荧光参数与叶片镉离子含量进行相关及回归分析发现: Fv/Fm与镉离子含量呈非线性相关(R2=0.842, p<0.01), ΦPSⅡ(R2=0.959, p<0.01), ETR(R2=0.945, p<0.01)与镉离子含量呈线性负相关, 而NPQ(R2=0.959, p<0.01)与镉离子含量呈线性正相关。 这表明Fv/Fm能够在一定程度的镉胁迫下维持稳定, 而ΦPSⅡ, ETR与NPQ均随着镉离子含量的升高而迅速发生变化。 对镉胁迫下叶绿素荧光的光响应曲线变化进行分析发现, 胁迫叶片ФPSⅡ与NPQ光响应曲线呈现出与未胁迫叶片相似的变化趋势; 但在一定光强条件下, 胁迫叶片ФPSⅡ较未胁迫叶片降低, 而NPQ较未胁迫叶片升高。 这表明镉胁迫导致叶片光化学活性降低, 激发能更多地以热的形式耗散。 以上研究证实, 荧光分析技术能够为深入研究作物响应镉胁迫的生理机制提供指导。
作物 镉胁迫 荧光分析 荧光参数 荧光曲线 Crops Cadmium stress Fluorescence analysis Fluorescence parameters Fluorescence curves 光谱学与光谱分析
2020, 40(10): 3118
中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
病害作为影响农作物生长的主要因素之一, 平均每年造成农作物产量损失高达12%以上。 病害不仅直接导致农作物产量减少, 而且也严重降低了农产品的品质, 甚至引发食品安全事故。 光谱成像作为一种融合图像处理和光谱学的信息获取技术, 能同时获取目标的图像信息和光谱信息, 从而更直观表达目标的特征。 光谱成像技术可以获得图像上每个点的光谱数据, 从而实现对作物病害的颜色、 形状和纹理特征及光谱特征的分析, 具有快速、 直观和无损等特点, 近些年在作物病害检测领域的应用取得了较大研究进展。 综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献, 分析了光谱成像技术的优势和局限性, 重点阐述了光谱成像作物病害检测中关键的第三个技术： (1）光谱图像分割技术, 重点分析了四种常见分割算法的优点和适用范围； (2）光谱特征和空间特征提取技术, 重点对比了空间特征、 光谱特征和二者加权组合对病害信息表达的准确性； (3）检测模型, 重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。 最后, 根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势, 为相关研究提供全面且系统的参考。
光谱成像技术 作物病害检测 光谱特征分析 模式识别 Spectral imaging technology Crop diseases detection Spectral characteristic analysis Pattern recognition
1 中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083
2 Center for Precision & Automated Agricultural System, Washington State University, Prosser, WA 99350, USA
叶绿素含量是作物光合能力与营养评价的重要指标, 因此快速检测作物叶绿素含量与分布可为作物营养动态分析与长势评估提供支持。 基于RGB(Red, Green, Blue)和NIR(Near Infrared)多光谱图像的获取, 开展玉米作物营养状态分布光谱学成像检测。 构建了多光谱图像采集平台获取RGB和NIR图像, 研究了基于光饱和校正算法的RGB图像的光饱和校正与NIR图像去噪方法, 通过图像的匹配分割, 冠层的提取校正, 建立了基于冠层图像的作物SPAD值检测模型与分布成图。 采集15株玉米植株RGB-NIR图像, 并同步获取不同植株, 不同位置共68个叶绿素含量指标SPAD值。 首先对RGB图像进行光饱和校正, 再对NIR图像进行滤波和图像增强, 其次对RGB和NIR图像进行了SURF(speeded-up robust features)和RANSAC(random sample consensus)图像匹配, 利用RGB图像的颜色特征, 采用ExG(Extra Green)和OTSU算法生成分割掩模, 对RGB图像和NIR图像进行分割提取, 提取图像的R, G, B和NIR分量, 利用4阶灰度板进行反射率校正, 然后计算作物图像中像素级PSPAD值, 并建立图像PSPAD值与叶绿素仪SPAD值的拟合模型, 最后绘制作物SPAD分布图。 通过HSI(Hue, Saturation, Intensity)彩色模型中的I分量直方图对比去饱和前后光分布范围, 以作物SPAD值分布图验证光饱和校正算法对作物叶绿素含量分布检测提升的效果。 RGB图像光饱和校正前I分量集中在［140～180］之间, 光饱和校正后的RGB图像I分量集中在［85～130］之间, 校正了相机成像时产生模糊和RGB图像饱和。 对分割后的RGB图像和NIR图像提取R, G, B, NIR分量进行4阶灰度板校正, 相关系数分别为0.829, 0.828, 0.745和0.994, 进而生成R, G, B和NIR四波段的反射率伪彩色图像, 反射率ＲNIR＞ＲＧ＞ＲＲ＞ＲＢ。 体现了作物的在蓝光和红光区域吸收光, 在绿光区域和近红外区域反射光的光谱特性。 校正前后的R和NIR分量反射率计算图像PSPAD值拟合叶绿素含量指标SPAD值的模型结果显示, 校正前R2为0.332 6, 校正后R2为0.619 3, 绘制作物的SPAD特征分布图, 可为作物的营养动态快速分析与分布检测提供技术支持。
光饱和校正 多光谱分析 作物检测 叶绿素分布 图像处理 Light saturation correction Multispectral analysis Crop detection Chlorophyll distribution Image processing 光谱学与光谱分析
2019, 39(12): 3897
1 中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083
2 北京工商大学, 食品安全大数据技术北京市重点实验室, 北京 100048
快速判别马铃薯作物的生长进程是指导田间关键生长期科学水肥管理的重要依据。 研究在马铃薯发棵期（M1）、 块茎形成期（M2）、 块茎膨大期（M3）和淀粉积累期（M4）四个关键生长期, 利用ASD便携式光谱仪采集80个样本区的314组作物冠层反射率数据, 并同步采集叶片测定叶绿素含量。 在光谱数据预处理后, 分析了马铃薯不同生长期的光谱反射率变化特征, 并初步选取了光谱“峰谷”响应参数, 提出了一种基于方差分析与变量减少组合的光谱参数筛选算法（variance analysis combined with variable reduction, VACVR）用于明确光谱学响应的优化指标, 采用Kennard-Stone(K-S)法划分样本集, 最终基于支持向量机（support vector machine, SVM）方法建立马铃薯关键生长期判别模型。 针对光谱数据, 首先使用变量标准化(standard normalized variable, SNV)进行光谱预处理, 在定性分析了随着生长期的推进马铃薯冠层反射特征的变化趋势的基础上, 基于作物生长期动态光谱学响应与峰谷特性选取14个参数, 包括: 8个位置参数、 2个面积参数、 4个植被指数参数。 采用K-S算法将样本按照3∶1划分为训练集（240个样本）和测试集（74个样本）。 分析马铃薯不同生长期冠层反射光谱发现, 随生长期的推进冠层光谱存在差异性: 即在400~500和740~880 nm范围内, 光谱反射率呈降低趋势; 在530~640和910~960 nm范围内, 反射率呈升高趋势; 在530~640 nm范围内, M2和M3生长期的平均光谱非常接近, M4生长期的平均光谱与其他三个生长期的差别较大。 叶绿素平均含量随生长期的进程, 从M1（28.12 mg·L-1）到M2（31.04 mg·L-1）增加, 在M2生长期达到最大值, 之后M3（22.00 mg·L-1）和M4（15.36 mg·L-1）依次减少。 光谱响应参数随着生长期的进程, 绿峰位置Lg和红谷位置Lr逐渐红移, 红边位置Lre逐渐蓝移; 蓝边面积Abe逐渐增大, 红边面积Are逐渐减小; 红边面积与蓝边面积比值依次呈现减小趋势。 根据VACVR算法筛选10个敏感光谱响应参数, 建立SVM判别模型, 训练集判别率为100%, 测试集判别率为94.59%, 该模型可在判别马铃薯的生长期的基础上为田间管理决策提供支持。
马铃薯作物 光谱特征 参数优化 生长期判别 Potato crop Spectral characteristics Parameters optimization Growth stage identification 光谱学与光谱分析
2019, 39(6): 1870
1 北华航天工业学院，河北 廊坊 065000
2 河北省航天遥感信息处理与应用协同创新中心，河北 廊坊 065000
3 中国地质大学(北京)，北京 100083
以河北省廊坊市永清县整个县域为研究区，以GF1-WFV 16 m分辨率影像为数据源，选取覆盖作物完整生长期多个时相的影像数据，构建作物归一化植被指数(Normalized Difference Vegetation Index，NDVI)时间序列。通过对研究区NDVI曲线的分析，发现利用该数据构建的NDVI时间序列可描述研究区作物的生长特性，体现当地不同作物的物候差异，能有效地区分出当地的种植模式。选取NDVI曲线上最大值、最小值、峰值的出现时间、峰值数量和阈值等特征参数构建决策树。根据研究区的物候历和对当地种植结构的调查，利用最佳时相的影像，针对某一种或特定几种作物进行分类提取。分别采用决策树分类、神经网络分类等方法进行精度验证，综合比较得出最佳的作物分类方法。研究结果表明，在永清县这一县域研究区，利用GF1-WFV 16 m分辨率多时相遥感数据进行作物分类，采用决策树分类、神经网络分类两种方法的精度分别为72.0729%、87.3%。利用决策树分类的效果最优。
多时相 NDVI时间序列 决策树 神经网络 作物分类 multi-temporal NDVI time series decision tree neural network crop classification
1 中国科学院光电研究院 中国科学院定量遥感信息技术重点实验室, 北京 100094
2 中国科学院大学, 北京 100049
3 内蒙古北方重工业集团有限公司, 内蒙古 包头 014033
热辐射方向性是热红外遥感反演和产品真实性检验中的关键问题之一.针对行播作物, 构建了一个综合考虑光照植被/阴影植被、光照土壤/阴影土壤、植被-土壤多次散射和观测视场多影响因素的行播作物热辐射方向性模型, 并详细分析模型精度以及模型对LAI、冠层结构等参数的敏感性.结果表明, 该模型不仅能够很好体现出行播结构热辐射特性和热点效应, 而且适用于连续作物热辐射特性模拟; 与现有FRA97模型和FovMod模型对比一致性良好, 均方根误差分别为0.18 K和0.36 K.
观测视场 行播作物 热辐射 方向性 sensor footprint row crop thermal radiance directionality
1 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
2 农业农村部光谱检测重点实验室, 浙江 杭州 310058
作物优良品种选育是实现作物优质高产的关键。 现代育种方法需要获取植株的大量表型信息, 最终选育出性状稳定的优良品种。 近年来, 高通量植物表型分析技术因其快速、 无损、 高效等优势, 为筛选优良作物品种提供了技术保障, 已成为农学、 工程、 计算机科学等多学科交叉研究的热点。 其中, 叶绿素荧光技术作为植物光合作用的探针, 是研究植物逆境胁迫表型的有力工具之一, 能够实现植物生物与非生物胁迫的高效分析, 加快作物优良性状的筛选。 该文旨在阐述叶绿素荧光技术的研究进展和发展趋势, 主要介绍了叶绿素荧光技术的基本原理和成像系统、 叶绿素荧光参数的分析和处理方法, 总结了在植物表型分析研究中的应用情况, 探讨了该技术目前存在的问题和改进的方法, 进一步展望了叶绿素荧光技术在植物表型分析中的应用前景。
叶绿素荧光技术 植物表型分析 生物胁迫 非生物胁迫 作物育种 Chlorophyll fluorescence technique Plant phenotyping Biotic stress Abiotic stress Plant breeding 光谱学与光谱分析
2018, 38(12): 3773
