隨著農(nóng)業(yè)機械化及各種農(nóng)田現(xiàn)代栽培管理技術(shù)的發(fā)展,基于人工智能的機器視覺技術(shù)已廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域。在自然環(huán)境下快速、無損和高通量地獲取作物株型參數(shù)是選育高產(chǎn)且抗逆性強的優(yōu)良品種的關(guān)鍵。傳統(tǒng)表型測量方法具有破壞性、耗時費力且不能連續(xù)性的、大范圍的測量等不足,因此為克服傳統(tǒng)測量方法的低效性,本研究開展基于深度信息的大豆冠層株型參數(shù)計算方法研究,旨在株型參數(shù)獲取技術(shù)上取得突破性進展。本研究以寒地大豆為研究對象,在黑龍江八一農(nóng)墾大學(xué)農(nóng)學(xué)院卓越農(nóng)業(yè)人才創(chuàng)新創(chuàng)業(yè)訓(xùn)練園開展大豆種植及其冠層信息采集工作。采取理論研究和實驗分析相結(jié)合的方法,研究了大豆冠層株型參數(shù)計算方法,解析了基于時間序列的大豆冠層株型參數(shù)變化規(guī)律,同時實際測量大豆生殖生長期的冠層株型參數(shù),優(yōu)化了株型參數(shù)計算方法。主要包括四個方面工作:(1)設(shè)計了基于Kinect 2.0的大豆冠層圖像同步采集系統(tǒng),用于快速、精確、無損地獲取全生育時期大豆冠層彩色及深度圖像。分析了冠層三維結(jié)構(gòu)特征,優(yōu)化了設(shè)計圖像配準(zhǔn)參數(shù)及融合向量,精確地重構(gòu)了不同生長時期大豆冠層三維結(jié)構(gòu)形態(tài)。(2)標(biāo)定了彩色攝像機和深度攝像機的位置關(guān)系,對彩色圖像進行了顏色失真校正,有效避免了曝光、失真等對顏色表達的影響。三維重建了具有精確顏色信息的大豆冠層結(jié)構(gòu)形態(tài)。在Lab空間下采用K-means聚類算法對圖像分割,利用顏色及距離信息提取了有效的大豆冠層區(qū)域。(3)在重建冠層三維結(jié)構(gòu)形態(tài)基礎(chǔ)上,開展了大豆冠層株型參數(shù)提取方法研究。分析了不同生長階段大豆冠層空間中各器官表型參數(shù)隨時間變化的規(guī)律,分別建立了冠層三維空間內(nèi)植株高度、冠幅、葉面積指數(shù)等株型性狀參數(shù)計算方法。(4)實際測量了生殖生長期的單盆和群體大豆冠層株型參數(shù),用于驗證大豆冠層株型參數(shù)的計算方法的有效性。大豆冠層高度、冠幅、葉面積指數(shù)的計算值與實際測量值的決定系數(shù)R~2均在0.9左右。實驗結(jié)果表明:本研究提出的基于深度信息的大豆冠層株型參數(shù)計算方法研究,能夠快速、準(zhǔn)確地計算冠層株高、冠幅、葉面積指數(shù)。不僅為選育大豆優(yōu)良種質(zhì)資源提供理論依據(jù),而且為田間高通量地計算其他農(nóng)作物表型參數(shù)提供了一種現(xiàn)實可行的技術(shù)手段。
【學(xué)位單位】：黑龍江八一農(nóng)墾大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TP391.41;S565.1
【部分圖文】：

1430粒顆粒飽滿的豆籽，均勻、整齊的擺在放有兩層濕潤吸水紙的培養(yǎng)皿中進行發(fā)芽率測試。實驗土壤為非鹽堿質(zhì)地，PVC盆直徑×高為30.5cm×18.5cm，將普通土塊放入盆底，隨后添加篩好細(xì)土，當(dāng)盆重量達到4.0kg時均勻平鋪定量復(fù)合肥（氮磷鉀），最后加入細(xì)土至盆7.0kg。每個品種各11盆標(biāo)號：1-11，共計33盆。12穴/盆，穴距2~3cm，每穴2粒種子，埋于土中約3~4cm處。在種植完成的20d后，每個品種1-10號去除萎蔫、發(fā)育不良的，選取株型正常、長勢良好的大豆定苗5株/盆，11號1株/盆。25d后對每個品種6-10號盆的大豆進行第一次鹽堿脅迫，將3.78g碳酸氫鈉（NaHCO）和0.53g碳酸鈉（NaCO）混合粉末溶于1.0L水均勻澆入盆中。45d后進行二次脅迫。定期對所有大豆噴灑營養(yǎng)液（營養(yǎng)液：水=1:2000）。該年度進行大豆葉面積指數(shù)株型參數(shù)的計算。2.2實驗方法2.2.1株型參數(shù)測定方法為保證實驗圖像清晰、減少光照對大豆冠層圖像的影響，選擇垂直方式獲取大豆冠層圖像信息，基于彩色和深度信息開展大豆株高、株寬、葉面積指數(shù)計算方法研究。（1）將莖基部與土壤交界點到植株最高點的垂直距離定義為株高（H）[71]；（2）冠層寬度，包括兩個方面：橫排寬度(WAR)距離是沿x軸的最大距離，而橫排寬度(WIR)距離是沿y軸的最大距離[72]，如圖2-1所示。（3）葉面積指數(shù)（leafareaindex，LAI）的概念自20世紀(jì)40年代中期首次被英國農(nóng)業(yè)生態(tài)學(xué)家Watson[73]定義至今，國內(nèi)外學(xué)者提出了很多不同的定義和解釋[74]，目前較為常用的是指單位土地面積上植物葉片單面總面積與植株所占的土地面積的比值。（a）株高（b）冠幅圖2-1大豆株高和冠幅的測定Figure2-1Determinationofsoybeanplantheightandcrownwidth;(a)Plantheight(b)Crownwidth

15數(shù)據(jù)采集周期為7~10d。為保證深度信息的有效性，將Kinec2.0相機置于可調(diào)鐵架中央，通過調(diào)節(jié)鐵架高度尋找最佳拍攝高度。大豆株型參數(shù)實測值獲取方法如下：（1）大豆株高、株寬的人工測量時間在設(shè)備采集的前一天或后一天進行，測量工具為直尺或卷尺，單位為cm[70]。（2）葉面積指數(shù)的實測值由多光譜植物三維激光掃描測量儀（PlantEyeF500，荷蘭，海爾倫）掃描得到，每掃描一次時間為2min。實測值用于驗證本文計算方法的準(zhǔn)確性。獲取的參數(shù)利用無線數(shù)據(jù)傳輸?shù)诫娔X終端，分辨率50XZ-Profiles/s。2.2.2大豆冠層圖像同步獲取軟件Kinect自帶SDK軟件雖然能夠分別完成彩色圖像及深度圖像的顯示，但不帶有數(shù)據(jù)存儲功能，不能夠?qū)@取的圖像數(shù)據(jù)保存到硬盤上。此外，SDK軟件不能實現(xiàn)彩色圖像和深度圖像的同步采集。室外環(huán)境下，圖像采集過程中易受到自然環(huán)境中風(fēng)速變化的影響，異步采集冠層彩色和深度圖像不能反映某一時刻大豆冠層的生長狀態(tài)，因此開發(fā)同步采集軟件能夠精確獲取冠層同一時刻下的彩色和深度圖像，有利于提高后續(xù)冠層三維重構(gòu)的精確性。因此，本研究以VisualStudio2013為軟件平臺，開發(fā)大豆冠層圖像同步采集軟件（圖2-2），實時、同步地動態(tài)獲取大豆冠層不同生長階段內(nèi)的彩色及深度圖像，軟件界面如圖2-2所示。利用MATLAB2015b軟件實現(xiàn)具有顏色信息的大豆植株三維模型重建，大豆冠層提取以及株高、冠幅、葉面積指數(shù)計算方法研究。利用R語言完成相關(guān)數(shù)據(jù)分析及繪圖。圖2-2軟件界面圖Figure2-2Softwareinterface

Kinect2.0連接接口
【參考文獻】

相關(guān)期刊論文 前10條

1 余秀麗;王丹丹;牛磊磊;宋懷波;何東健;胡少軍;耿楠;;Kinect在現(xiàn)代農(nóng)業(yè)信息領(lǐng)域中的應(yīng)用與研究進展[J];農(nóng)機化研究;2015年11期

2 鄒秋霞;楊林楠;彭琳;鄭強;;基于Lab空間和K-Means聚類的葉片分割算法研究[J];農(nóng)機化研究;2015年09期

3 陳桂珍;龔聲蓉;;計算機視覺及模式識別技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域的應(yīng)用[J];江蘇農(nóng)業(yè)科學(xué);2015年08期

4 胡鵬程;郭焱;李保國;朱晉宇;馬韞韜;;基于多視角立體視覺的植株三維重建與精度評估[J];農(nóng)業(yè)工程學(xué)報;2015年11期

5 馬曉丹;郭彩玲;張雪;馬麗;張麗嬌;劉剛;;基于三維點云顏色特征的蘋果樹冠層光照分布計算方法[J];農(nóng)業(yè)機械學(xué)報;2015年06期

6 羊海龍;;一種基于基本色系的自動白平衡方法[J];浙江科技學(xué)院學(xué)報;2015年01期

7 李小琦;;基于Matlab的圖像閾值分割算法研究[J];軟件導(dǎo)刊;2014年12期

8 周薇;馬曉丹;張麗嬌;郭彩玲;劉剛;;基于多源信息融合的果樹冠層三維點云拼接方法研究[J];光學(xué)學(xué)報;2014年12期

9 朱大洲;王成;王曉冬;于春花;趙春江;;信息技術(shù)在作物育種中的應(yīng)用[J];中國稻米;2011年06期

10 埃里卡·諾恩;;給機器人裝上新眼睛[J];科技創(chuàng)業(yè);2011年09期

相關(guān)碩士學(xué)位論文 前7條

1 高寒;基于點云的大豆植株三維重建[D];黑龍江八一農(nóng)墾大學(xué);2018年

2 馮珂垚;基于機器視覺的運動目標(biāo)自主監(jiān)視技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所);2018年

3 巨建肖;基于Kinect傳感器的植物葉片表型測量方法研究[D];南京農(nóng)業(yè)大學(xué);2017年

4 徐慧;基于Kinect的植株特征檢測技術(shù)研究[D];江蘇大學(xué);2017年

5 李妍;玉米大豆水稻圖像識別方法研究[D];黑龍江八一農(nóng)墾大學(xué);2017年

6 李雅娜;Kinect深度相機標(biāo)定算法研究[D];西安電子科技大學(xué);2014年

7 王叢;自動圖像白平衡技術(shù)的研究[D];北京工業(yè)大學(xué);2012年

本文編號：2863570