2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩155頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、數(shù)字診斷技術(shù)是近年來(lái)水稻營(yíng)養(yǎng)診斷的主要發(fā)展方向,建立高效、快速、實(shí)用的水稻數(shù)字診斷技術(shù)體系具有十分重要的意義。本研究以?huà)呙鑳x和低空無(wú)人機(jī)機(jī)載數(shù)碼相機(jī)兩種數(shù)字圖像獲取方式,分別獲取水稻葉片掃描圖像和田間冠層圖像,分析葉片和冠層數(shù)字圖像特征與水稻氮磷鉀營(yíng)養(yǎng)狀況的關(guān)系,選擇圖像光譜敏感特征,建立營(yíng)養(yǎng)模式識(shí)別規(guī)則及定量化模型。同時(shí)將作物營(yíng)養(yǎng)專(zhuān)家的診斷經(jīng)驗(yàn)量化處理,以作為水稻營(yíng)養(yǎng)診斷的輔助因子。本研究的主要工作、認(rèn)識(shí)及結(jié)論如下:
   ⑴

2、兩種方式獲取的數(shù)字圖像對(duì)比。為了能夠快速、準(zhǔn)確的提取水稻葉片特征,本文利用掃描儀采集水稻葉片數(shù)字圖像,采集過(guò)程受環(huán)境影響小,方便快捷,掃描圖像的背景單一也為葉片特征的準(zhǔn)確提取提供了保證。為了對(duì)比掃描數(shù)字圖像和數(shù)碼相機(jī)獲取數(shù)字圖像之間的異同,本文根據(jù)數(shù)字圖像質(zhì)量評(píng)價(jià)方法,以?xún)煞N途徑獲取的水稻葉片數(shù)字圖像為對(duì)象,從彩色度、對(duì)比度和信息度三方面進(jìn)行對(duì)比分析。結(jié)果表明:兩種圖像在三項(xiàng)評(píng)價(jià)標(biāo)準(zhǔn)下,彩色度和信息度不存在顯著差異,掃描圖像保持?jǐn)?shù)字圖像

3、信息量豐富的優(yōu)點(diǎn);兩種圖像對(duì)比度差異較大,但掃描圖像的對(duì)比度的離散程度較小,數(shù)據(jù)表現(xiàn)出較強(qiáng)穩(wěn)定性。因此,利用掃描方式獲取的葉片數(shù)字圖像能夠保證顏色、紋理和形狀的準(zhǔn)確提取,對(duì)比度的穩(wěn)定性又進(jìn)一步證明,以?huà)呙铻槭侄潍@取圖像進(jìn)行圖像分析做理論性研究是有獨(dú)特優(yōu)勢(shì)的?;趯?duì)比分析的結(jié)果,同時(shí)考慮到掃描獲取日益普遍,本文對(duì)影響元素缺乏種類(lèi)及程度判斷的葉片局部關(guān)鍵信息量化獲取采用掃描方式,而對(duì)水稻冠層整體信息的采集選擇數(shù)碼相機(jī)。
   ⑵基于

4、葉片掃描圖像的氮磷鉀營(yíng)養(yǎng)診斷規(guī)則的建立。在不同氮磷鉀營(yíng)養(yǎng)狀態(tài)下,水稻植株會(huì)表現(xiàn)出不同差異,水稻葉片表現(xiàn)更加明顯。本文以氮磷鉀不同營(yíng)養(yǎng)水平處理的水培水稻為材料,利用掃描方式獲取葉片樣本數(shù)字圖像,采用數(shù)字圖像技術(shù)提取葉片顏色、紋理、形狀特征,并根據(jù)水稻葉片不同缺素種類(lèi)下的生理癥狀表現(xiàn),針對(duì)性的加入一些特異性的識(shí)別特征。單因素營(yíng)養(yǎng)水平間特征差異性對(duì)比和特征選擇出的最優(yōu)特征集合顯示,氮營(yíng)養(yǎng)診斷中,葉片顏色因子對(duì)結(jié)果的預(yù)測(cè)具有重要作用;磷營(yíng)養(yǎng)診斷

5、中,紋理特征問(wèn)差異性明顯,可用于磷營(yíng)養(yǎng)水平的區(qū)分;鉀營(yíng)養(yǎng)診斷中,葉片斑點(diǎn)面積比例特征可區(qū)分和識(shí)別鉀營(yíng)養(yǎng)水平。對(duì)缺素葉片樣本進(jìn)行分類(lèi)識(shí)別,獲取不同營(yíng)養(yǎng)水平的識(shí)別規(guī)則。結(jié)果表明,對(duì)氮、磷、鉀單一元素處理的樣本識(shí)別結(jié)果中,缺素樣本均能以高精度識(shí)別率被識(shí)別出,并且呈現(xiàn)出隨著營(yíng)養(yǎng)水平的升高,識(shí)別率降低,老葉識(shí)別效果好于新葉的規(guī)律。分別對(duì)兩年缺氮、缺磷、缺鉀和正常葉片樣本的診斷識(shí)別中,篩選出的特征對(duì)比表現(xiàn)出,缺磷對(duì)水稻葉片圖像直方圖均值和熵紋這兩個(gè)

6、紋理特征影響比較大;對(duì)缺鉀葉片易出現(xiàn)斑點(diǎn)的水稻品種,斑點(diǎn)比例對(duì)缺鉀樣本區(qū)分度較高。因此,紋理特征和斑點(diǎn)特征分別可以作為缺磷和缺鉀樣本的典型特征。缺磷和缺鉀樣本的典型特征使得兩種缺素種類(lèi)樣本識(shí)別率較高,分別為97.1%和100%。以2009年試驗(yàn)數(shù)據(jù)為訓(xùn)練樣本建立的規(guī)則對(duì)缺氮的樣本識(shí)別精度為77.8%,正常樣本的識(shí)別率為90.3%。以葉片圖像特征為依據(jù)對(duì)三種缺素樣本和正常樣本的區(qū)分結(jié)果表明,各類(lèi)缺素樣本能夠以高精度的識(shí)別率被區(qū)分出來(lái),以缺

7、素水稻葉片典型性特征作為依據(jù)進(jìn)行水稻缺素種類(lèi)的診斷識(shí)別是可行的。
   ⑶基于無(wú)人機(jī)冠層圖像的水稻氮素營(yíng)養(yǎng)診斷。以旋翼無(wú)人機(jī)為平臺(tái),獲取水稻冠層圖像具有快速,便捷、區(qū)域性強(qiáng)等優(yōu)點(diǎn),以水稻冠層圖像為研究對(duì)象進(jìn)行營(yíng)養(yǎng)診斷能夠達(dá)到實(shí)時(shí)、高效的目的。本文以旋翼無(wú)人機(jī)機(jī)載數(shù)碼相機(jī)獲取的不同氮肥處理水稻冠層圖像為對(duì)象,提取與地面取樣點(diǎn)對(duì)應(yīng)的圖像特征,分析圖像特征與地面測(cè)定值之間的關(guān)系,探求利用低空冠層圖像對(duì)水稻營(yíng)養(yǎng)狀況進(jìn)行監(jiān)測(cè)的可行性。結(jié)論

8、如下:冠層水稻高光譜曲線(xiàn)在可見(jiàn)光區(qū)域的趨勢(shì)和深綠色指數(shù)DGCI與葉片含氮量呈極顯著二次曲線(xiàn)關(guān)系表明,冠層圖像的RGB、HSI顏色空間特征與水稻氮營(yíng)養(yǎng)水平顯著相關(guān),可用于估測(cè)水稻氮肥營(yíng)養(yǎng)狀況,對(duì)冠層圖像的8個(gè)紋理特征值與對(duì)應(yīng)點(diǎn)的水稻葉片氮含量做相關(guān)分析,獲得5個(gè)相關(guān)性較高的紋理特征。通過(guò)RGB、HSI顏色空間特征和紋理特征三方面與不同水稻氮營(yíng)養(yǎng)水平冠層圖像綜合分析,說(shuō)明利用冠層圖像對(duì)水稻氮肥營(yíng)養(yǎng)狀況估測(cè)具有可行性。從六個(gè)不同施氮區(qū)域隨機(jī)提

9、取100個(gè)樣點(diǎn)的圖像特征,獲取每個(gè)樣點(diǎn)的特征值,并進(jìn)行施氮水平的識(shí)別。識(shí)別結(jié)果顯示不施氮肥的區(qū)域識(shí)別率最高,達(dá)100%,正常施氮水平的識(shí)別率最低為55.9%,50%正常施氮量田塊識(shí)別率為85.7%,75%正常施氮量田塊識(shí)別率為61.7%,150%正常施氮量田塊識(shí)別率為85.1%,習(xí)慣施肥田塊識(shí)別率為80%。
   ⑷葉片含氮量預(yù)測(cè)模型的建立。為了能更精確的衡量水稻氮營(yíng)養(yǎng)狀況,預(yù)測(cè)葉片氮含量,本文分別以不同氮處理葉片圖像特征和冠層

10、圖像特征選擇出的特征集合為依據(jù),利用因子分析的方法,將眾多特征轉(zhuǎn)化為少數(shù)幾個(gè)互不相關(guān)的綜合指標(biāo),解釋各因子含義,并構(gòu)建綜合預(yù)測(cè)因子。對(duì)水培葉片圖像和冠層圖像的分析結(jié)果表明:葉片特征組成的因子可以分為顏色因子、紋理因子、形狀因子,對(duì)結(jié)果貢獻(xiàn)率分別為40.04%、29.62%和26.44%。冠層圖像特征組成的因子分為顏色因子和紋理因子,各自貢獻(xiàn)率為85.55%和9.27%,對(duì)比單葉和冠層分析結(jié)果可知,利用葉片特征對(duì)葉片氮含量預(yù)測(cè)時(shí),顏色因子

11、的貢獻(xiàn)率雖然最高,但紋理和形狀因子的共同貢獻(xiàn)率較高,對(duì)結(jié)果的預(yù)測(cè)有不可忽視的作用;而冠層特征各因子中,顏色因子是對(duì)營(yíng)養(yǎng)狀態(tài)預(yù)測(cè)的主導(dǎo)因子,紋理因子貢獻(xiàn)率較低,這也是兩種診斷的差異之一。以綜合預(yù)測(cè)因子Fz值為自變量,葉片含氮量N為因變量,獲得水培氮水平處理葉片含氮量的預(yù)測(cè)模型N=2.8967e-0.3312Fz和大田不同施氮水平水稻葉片含氮量模型N=-0.01F2z-0.39Fz+2.315
   ⑸專(zhuān)家經(jīng)驗(yàn)的量化及對(duì)營(yíng)養(yǎng)診斷的輔

12、助作用。由于水稻品種多樣,而且生長(zhǎng)環(huán)境差別較大,品種間葉片特征的表達(dá)有很大差異,為了保證診斷結(jié)果的準(zhǔn)確性以及診斷規(guī)則的廣泛適用性,在研究過(guò)程中,收集大量水稻營(yíng)養(yǎng)診斷經(jīng)驗(yàn)知識(shí),從中篩選出便于獲取的一些經(jīng)驗(yàn)性特征為研究對(duì)象,這些特征能夠通過(guò)無(wú)損、方便、快捷的方法獲取或表達(dá),以水培模式培養(yǎng)的氮磷鉀缺素水平水稻植株為試驗(yàn)樣本,探討了水稻經(jīng)驗(yàn)性診斷經(jīng)驗(yàn)的量化方法,并利用這些量化的經(jīng)驗(yàn)性特征對(duì)不同樣本進(jìn)行分類(lèi)識(shí)別。結(jié)果表明:以篩選出的能夠判斷水稻氮

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論