CN112330694A - 一种植物萎蔫程度计算方法及系统 - Google Patents
一种植物萎蔫程度计算方法及系统 Download PDFInfo
- Publication number
- CN112330694A CN112330694A CN202011275984.6A CN202011275984A CN112330694A CN 112330694 A CN112330694 A CN 112330694A CN 202011275984 A CN202011275984 A CN 202011275984A CN 112330694 A CN112330694 A CN 112330694A
- Authority
- CN
- China
- Prior art keywords
- plant
- image
- green
- analyzed
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种植物萎蔫程度计算方法及系统,方法包括:获取植物不同时刻的生长图像;对所述生长图像分割处理,获取待分析图像;获取所述待分析图像中所述植物绿色部分的像素数量;根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。本发明根据不同时刻的生长图像中植物绿色部分的像素数量来计算植物萎蔫程度,可以使得计算过程更方便,结果更准确。
Description
技术领域
本发明涉及植物萎蔫程度计算技术领域,特别是涉及一种植物萎蔫程度计算方法及系统。
背景技术
俗语中“萝卜蔫了”、“韭菜蔫了”其实就是萎蔫。萎蔫的书面用词“Wilting”最早出现在1810-1820年。当干旱、淹水、高温、冻害乃至强力辐射引发植物细胞组织内外压差变化和伤害时,植物的器官均会发生萎蔫。萎蔫可以发生在任何逆境受害之际。
当逆境胁迫逐渐加重时,最早出现萎蔫,然后才是植物内部生理机制的改变、紊乱,最终才是植物的死亡。“旱不旱看长相”,因为萎蔫是植物逆境胁迫中最直观的形态表现,又出现在植物永久伤害之前,因此萎蔫对于植物耐旱、耐盐碱、耐热、耐冷等抗性领域具有重要的利用价值。
尽管萎蔫极为重要,但萎蔫的测定却有两个难点。第一个难点是萎蔫没有明确的科学定义,这导致了萎蔫无法测定。就干旱胁迫方面,当土壤水分减少到植物萎蔫不可恢复(永久萎蔫)时的土壤含水百分数,定义为“萎蔫系数”(The level of soil moisture aswhich water becomes unavailable to plants and permanent wilting ensues)。在此,“萎蔫系数”表示的是土壤湿度,还不是植物的萎蔫表型。而且,永久萎蔫之外的其它程度的萎蔫没有定义。第二个难点是,萎蔫的目测评级需要仔细观察和判断叶片的蜷曲程度,这种方法依赖经验,结果粗糙,缺乏准确性和可比性。
发明内容
本发明的目的是提供一种植物萎蔫程度计算方法及系统,以更方便、准确的计算植物萎蔫程度。
为实现上述目的,本发明提供了如下方案:
一种植物萎蔫程度计算方法,包括:
获取植物不同时刻的生长图像;
对所述生长图像分割处理,获取待分析图像;
获取所述待分析图像中所述植物绿色部分的像素数量;
根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;
根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
可选地,所述不同时刻为一天的早晨、中午和傍晚。
可选地,所述生长图像是在所述植物上方向下垂直拍摄的。
可选地,所述获取所述待分析图像中所述植物绿色部分的像素数量,具体包括:
对比所述待分析图像中每个像素的红绿蓝三基色值;
将所述三基色值中最大值为绿基色值的像素作为所述植物绿色部分的像素,得到所述植物绿色部分的像素数量。
可选地,所述根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例,具体包括:
获取所述待分析图像的总像素数量;
根据所述绿色部分的像素数量和所述总像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。
一种植物萎蔫程度计算系统,包括:
图像获取模块,用于获取植物不同时刻的生长图像;
图像处理模块,用于对所述生长图像分割处理,获取待分析图像;
像素数量获取模块,用于获取所述待分析图像中所述植物绿色部分的像素数量;
第一计算模块,用于根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;
第二计算模块,用于根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
可选地,所述像素数量获取模块具体包括:
对比单元,用于对比所述待分析图像中每个像素的红绿蓝三基色值;
像素数量获取单元,用于将所述三基色值中最大值为绿基色值的像素作为所述植物绿色部分的像素,得到所述植物绿色部分的像素数量。
可选地,所述第一计算模块具体包括:
总像素数量获取单元,用于获取所述待分析图像的总像素数量;
计算单元,用于根据所述绿色部分的像素数量和所述总像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种植物萎蔫程度计算方法及系统,方法包括:获取植物不同时刻的生长图像;对所述生长图像分割处理,获取待分析图像;获取所述待分析图像中所述植物绿色部分的像素数量;根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
本发明根据不同时刻的生长图像中植物绿色部分的像素数量来计算植物萎蔫程度,可以使得计算过程更方便,结果更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的植物萎蔫程度计算方法流程图;
图2为本发明实施例2提供的获取生长图像时的现场图;
图3为本发明实施例2提供的可视面积的图像分析界面图;
图4为本发明实施例2提供的萎蔫(WT)和恢复(Rc)计算原理图;
图5为本发明实施例2提供的不同时期早中晚的实际萎蔫和萎蔫计算值对应图;
图6为本发明实施例2提供的实验结果示意图;
图7为本发明实施例2提供的可视面积示意图;
图8为本发明实施例2提供的萎蔫和恢复的趋势图;
图9为本发明实施例2提供的第一栽培应用图;
图10为本发明实施例2提供的第二栽培应用图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种植物萎蔫程度计算方法及系统,以更方便、准确的计算植物萎蔫程度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
图1为本发明实施例1提供的植物萎蔫程度计算方法流程图,如图1所示,方法包括:
步骤101:获取植物不同时刻的生长图像。优选地,所述不同时刻为一天的早晨、中午和傍晚。
步骤102:对所述生长图像分割处理,获取待分析图像。优选地,所述生长图像是在所述植物上方向下垂直拍摄的。
步骤103:获取所述待分析图像中所述植物绿色部分的像素数量。具体包括:
步骤1031:对比所述待分析图像中每个像素的红绿蓝三基色值。
步骤1032:将所述三基色值中最大值为绿基色值的像素作为所述植物绿色部分的像素,得到所述植物绿色部分的像素数量。
步骤104:根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。具体包括:
步骤1041:获取所述待分析图像的总像素数量;
步骤1042:根据所述绿色部分的像素数量和所述总像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。
步骤105:根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
实施例2
本实施例提供了一个具体的植物萎蔫程度计算方法。植物来源为任何来源的玉米品系或品种,测定环境为田间或室内,所用设备为相机、手机和电脑,相机可采用任何能与手机、平板无线连接的型号,本实施例中相机采用索尼WB500。方法包括:
S1:拍照。具体为:
S11:选择日出、中午和日落三个时段作为拍照时间。本实施例中拍照时间为8:00、16:00和20:00。
S12:打开相机的电源和无线通讯功能,用手机的蓝牙连接到相机。
S13:将相机架空于玉米上方,向下垂直拍照,避免玉米相互遮挡。
S14:调整并固定支架竖杆高度,使要拍照的区域刚好处于照相机视野中。
S15:调整并固定支架横杆长度,使相机处于拍照区域的上方正中间。
S16:移动和水平转动测定小车和支架,使画面中的玉米种植行处于正中央和平行位置。
S17:拍照,将照片存放在相机中。
S18:重复步骤S16和S17,对下一行玉米进行拍照。拍照须在1小时内完成,以确保结果的同时性和可比性。每张图片拍完需要调整小车和角度,大约需要10-12秒时间。每小时可拍300-350张。图2为本发明实施例2提供的获取生长图像时的现场图。
S2:对图片进行处理,计算可视面积百分比。具体为:
S21:打开计算机,建立一个文件夹,将拍照的早中晚时间段的图片复制到文件夹内。
S22:打开图像批处理软件,处理照片。对于任何一张照片,处理过程是:
分割图片,剔除邻近的干扰区域,保留需要分析的区域,得到处理区域。
在处理区域,对比每个像素的红绿蓝三基色值(RGB,数值0—255)。其中,绿基色(G)值大于红基色(R)和蓝基色(B)的像素是玉米的绿色区域的像素,否则是土壤和其它杂物的像素。将获得的玉米的绿色区域总像素数量除以处理区域的总像素数,再乘以100,便得到该张图片中玉米的可视面积百分比。将每张图片中玉米的可视面积百分比保存为Excel文件。图3为本发明实施例2提供的可视面积的图像分析界面图。本发明中软件处理300份玉米照片不超过20秒时间,所需时间可忽略不计。
S3:进行萎蔫计算。具体为:
S31:打开软件保存的Excel文件,将早中晚拍照的软件处理结果即可视面积百分比汇集在一张表。
S32:早晨、中午和傍晚的可视面积分别记为maxA、minA和finalA,然后计算萎蔫量Wt和恢复量Rc。图4为本发明实施例2提供的萎蔫(WT)和恢复(Rc)计算原理图。
萎蔫Wt=早晨到中午玉米可视面积下降量=maxA-minA,数值0—100%
恢复Rc=中午到傍晚玉米可视面积的增长量=finalA-minA,数值0—100%本发明制定了萎蔫量和恢复量的计算方法,萎蔫量和恢复量是连续变量(0—100%以内),不再是非连续的等级区段,从而提高了结果精细度。另外本发明只需简单地拍照和软件操作即可完成玉米萎蔫量和恢复量的测定,遵从测定流程,任何人均会得到一致的结果,测定的准确性和重复性与专业经验无关。
本实施例中,对本发明做了进一步验证:
玉米在受旱后,早晨叶片基本全展,中午叶片的蜷曲最为严重,下午有所恢复性展开。图5为本发明实施例2提供的不同时期早中晚的实际萎蔫和萎蔫计算值对应图。将本发明分别用于2019—2020年新疆高旱、新疆基金和国家良种攻关三个项目的玉米研究,共计960份玉米的可视面积百分比,可视面积全部为早晨最大、中午最小和傍晚居中,如图6所示。这与玉米叶片早晨基本全展和在中午蜷曲最多的实际相吻合,表明本发明计算的结果符合实际情况。
另外分10次测定了不同生育阶段的100份玉米品系可视面积百分比的一天内的变化,基本趋势是逐渐下降再上升,这与田间观察结果相吻合,如图7所示。最小的可视面积百分比出现在16:00(乌鲁木齐新市区农科院试验场),因为时差与内地其它省区相差2小时,内地省区预计最低点在14:00左右。
萎蔫和恢复与需水量有关,此100份玉米在迅速生长的喇叭口期、容易受旱减产的开花期,以及果穗膨大需水多的灌浆中期,均表现出叶片萎蔫后恢复少的趋势,如图8所示。这表明,本发明中萎蔫量Wt和恢复量Rc的计算方法能够用于玉米缺水诊断和玉米抗旱性研究。图9为本发明实施例2提供的第一栽培应用图,图10为本发明实施例2提供的第二栽培应用图。
实施例3
本实施例提供了一种植物萎蔫程度计算系统,包括:
图像获取模块,用于获取植物不同时刻的生长图像;
图像处理模块,用于对所述生长图像分割处理,获取待分析图像;
像素数量获取模块,用于获取所述待分析图像中所述植物绿色部分的像素数量;
第一计算模块,用于根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;
第二计算模块,用于根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
在本实施例中,所述像素数量获取模块具体包括:
对比单元,用于对比所述待分析图像中每个像素的红绿蓝三基色值;
像素数量获取单元,用于将所述三基色值中最大值为绿基色值的像素作为所述植物绿色部分的像素,得到所述植物绿色部分的像素数量。
在本实施例中,所述第一计算模块具体包括:
总像素数量获取单元,用于获取所述待分析图像的总像素数量;
计算单元,用于根据所述绿色部分的像素数量和所述总像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
(1)本发明采用图像获取与软件分析的数字化技术对玉米萎蔫和恢复进行测定,具有设备低廉,测定速度快,结果细腻准确,可重复性好等系列优点,不仅适合室内盆栽玉米的测定,更适合田间高通量测定。
(2)常规测定中对蜷曲程度的目测判断完全依赖个人经验,不同的人将得到不同的结果,无法确保萎蔫和恢复测定结果的准确性。本发明采用相机拍照和软件自动分析,测定结果与个人经验无关,测定结果具有更高的准确性和一致性。
(3)常规的萎蔫测定,通过目测观察将萎蔫划分为5级。当叶片蜷曲76-100%、50-75%、25-50%、0-25%、0%时分别划分为1、2、3、4和5级。这种划分粗糙且有失科学性。最大的问题在于不能区分邻近级别的差异,比如蜷曲78%和蜷曲74%的两个玉米品系,蜷曲差别其实很小,但却分别被划分在了1级和2级中,结果相差了一个等级。本发明对萎蔫量和恢复量做了量化定义,萎蔫量Wt(Wilting amount)是早晨至中午可视面积百分比的下降量,恢复量Rc(Recovery amount)是中午到傍晚可视面积的回升量。萎蔫量Wt和恢复量Rc均为连续变化量,用于比较两个玉米的萎蔫差异不再出现上述问题。解决了萎蔫和恢复的定量比较问题。
(4)常规的目测评级方法,每份玉米要选取5株,要仔细的观察和判断玉米叶片的蜷曲程度。打分时要不断地与邻近玉米的得分做比较,以防止打分出现逐步走高或逐步走低的现象,因此对玉米叶片的萎蔫和恢复进行打分是一件相当耗时费脑的工作。而且萎蔫测定需要在1小时内完成,否则结果缺乏同时性。目测打分评级每分钟1份(测定5株),每小时最多可测定60份。本发明采用普通相机、手机和电脑,设备低廉,便于携带,采用集中时间拍照而后再用软件处理的快速策略,每小时可测定样品300份以上,是常规方法的5倍,测定效率大大提高,可作为高通量萎蔫测定的首选方法。解决了萎蔫和恢复的测定效率低的问题。
(5)本发明测定准确性好。常规的萎蔫目测评级法,测定人员站立在玉米旁边斜视玉米长势,观察结果受茎杆的遮挡影响很大,导致测定的准确性差;本发明相机架空在玉米顶部,从上向下对玉米拍照,对叶片的拍照不受临近玉米的遮挡,结果更加准确。
(6)本发明测定重复性好。常规的萎蔫测定的人工目测评级法,萎蔫评定等级完全依赖经验,结果因人而异,结果没有可比性。本发明采用照相和数字图像处理,与经验无关,任何人遵循本测定方法均可得到误差在3%以下的一致性结果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种植物萎蔫程度计算方法,其特征在于,包括:
获取植物不同时刻的生长图像;
对所述生长图像分割处理,获取待分析图像;
获取所述待分析图像中所述植物绿色部分的像素数量;
根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;
根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
2.根据权利要求1所述的植物萎蔫程度计算方法,其特征在于,所述不同时刻为一天的早晨、中午和傍晚。
3.根据权利要求1所述的植物萎蔫程度计算方法,其特征在于,所述生长图像是在所述植物上方向下垂直拍摄的。
4.根据权利要求1所述的植物萎蔫程度计算方法,其特征在于,所述获取所述待分析图像中所述植物绿色部分的像素数量,具体包括:
对比所述待分析图像中每个像素的红绿蓝三基色值;
将所述三基色值中最大值为绿基色值的像素作为所述植物绿色部分的像素,得到所述植物绿色部分的像素数量。
5.根据权利要求1所述的植物萎蔫程度计算方法,其特征在于,所述根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例,具体包括:
获取所述待分析图像的总像素数量;
根据所述绿色部分的像素数量和所述总像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。
6.一种植物萎蔫程度计算系统,其特征在于,包括:
图像获取模块,用于获取植物不同时刻的生长图像;
图像处理模块,用于对所述生长图像分割处理,获取待分析图像;
像素数量获取模块,用于获取所述待分析图像中所述植物绿色部分的像素数量;
第一计算模块,用于根据所述绿色部分的像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例;
第二计算模块,用于根据所述不同时刻的生长图像的所述可视面积比例计算植物萎蔫程度。
7.根据权利要求6所述的植物萎蔫程度计算系统,其特征在于,所述像素数量获取模块具体包括:
对比单元,用于对比所述待分析图像中每个像素的红绿蓝三基色值;
像素数量获取单元,用于将所述三基色值中最大值为绿基色值的像素作为所述植物绿色部分的像素,得到所述植物绿色部分的像素数量。
8.根据权利要求6所述的植物萎蔫程度计算系统,其特征在于,所述第一计算模块具体包括:
总像素数量获取单元,用于获取所述待分析图像的总像素数量;
计算单元,用于根据所述绿色部分的像素数量和所述总像素数量计算所述植物绿色部分在所述待分析图像中的可视面积比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011275984.6A CN112330694A (zh) | 2020-11-16 | 2020-11-16 | 一种植物萎蔫程度计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011275984.6A CN112330694A (zh) | 2020-11-16 | 2020-11-16 | 一种植物萎蔫程度计算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330694A true CN112330694A (zh) | 2021-02-05 |
Family
ID=74318199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011275984.6A Pending CN112330694A (zh) | 2020-11-16 | 2020-11-16 | 一种植物萎蔫程度计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330694A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113545280A (zh) * | 2021-08-23 | 2021-10-26 | 中国农业科学院蔬菜花卉研究所 | 一种基于植株萎蔫程度进行精准灌溉的系统及方法 |
CN114586560A (zh) * | 2022-04-25 | 2022-06-07 | 贵州省园艺研究所(贵州省园艺工程技术研究中心) | 一种度量火龙果干旱胁迫程度的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324427A (zh) * | 2008-07-31 | 2008-12-17 | 华中科技大学 | 绿叶面积自动测量装置及方法 |
CN104182757A (zh) * | 2013-05-22 | 2014-12-03 | 内蒙古大学 | 获取被测目标实际覆盖面积的方法及装置 |
CN106097372A (zh) * | 2016-06-23 | 2016-11-09 | 北京农业信息技术研究中心 | 基于图像处理的农作物植株水分胁迫表型检测方法 |
CN106570898A (zh) * | 2016-10-11 | 2017-04-19 | 浙江大学 | 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 |
JP2018161058A (ja) * | 2017-03-24 | 2018-10-18 | キッセイコムテック株式会社 | 植物の生育状態評価方法、植物生育状態評価プログラム、植物生育状態評価装置ならびに植物モニタリングシステム |
CN109271919A (zh) * | 2018-09-12 | 2019-01-25 | 海南省海洋与渔业科学院(海南省海洋开发规划设计研究院) | 一种基于grb和网格模式的植被覆盖度测定方法 |
CN111855653A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
-
2020
- 2020-11-16 CN CN202011275984.6A patent/CN112330694A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324427A (zh) * | 2008-07-31 | 2008-12-17 | 华中科技大学 | 绿叶面积自动测量装置及方法 |
CN104182757A (zh) * | 2013-05-22 | 2014-12-03 | 内蒙古大学 | 获取被测目标实际覆盖面积的方法及装置 |
CN106097372A (zh) * | 2016-06-23 | 2016-11-09 | 北京农业信息技术研究中心 | 基于图像处理的农作物植株水分胁迫表型检测方法 |
CN106570898A (zh) * | 2016-10-11 | 2017-04-19 | 浙江大学 | 基于hsv色彩空间快速进行草本植物绿叶率定量测量的方法 |
JP2018161058A (ja) * | 2017-03-24 | 2018-10-18 | キッセイコムテック株式会社 | 植物の生育状態評価方法、植物生育状態評価プログラム、植物生育状態評価装置ならびに植物モニタリングシステム |
CN109271919A (zh) * | 2018-09-12 | 2019-01-25 | 海南省海洋与渔业科学院(海南省海洋开发规划设计研究院) | 一种基于grb和网格模式的植被覆盖度测定方法 |
CN111855653A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
Non-Patent Citations (1)
Title |
---|
毛自朝等: "《中国农村实用科技百科全书》", 华中科技大学出版社, pages: 293 - 295 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113545280A (zh) * | 2021-08-23 | 2021-10-26 | 中国农业科学院蔬菜花卉研究所 | 一种基于植株萎蔫程度进行精准灌溉的系统及方法 |
CN113545280B (zh) * | 2021-08-23 | 2022-01-25 | 中国农业科学院蔬菜花卉研究所 | 一种基于植株萎蔫程度进行精准灌溉的系统及方法 |
CN114586560A (zh) * | 2022-04-25 | 2022-06-07 | 贵州省园艺研究所(贵州省园艺工程技术研究中心) | 一种度量火龙果干旱胁迫程度的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Exploring the relationships between climatic variables and climate-induced yield of spring maize in Northeast China | |
CN112330694A (zh) | 一种植物萎蔫程度计算方法及系统 | |
CN108984803B (zh) | 一种农作物产量空间化的方法及系统 | |
CN103971176B (zh) | 一种柑橘果实优质化采收决策的方法及系统 | |
CN111241912A (zh) | 一种基于机器学习算法的多植被指数的水稻产量估测方法 | |
CN104077725A (zh) | 马铃薯种植物联网监测、控制及信息服务云平台综合系统 | |
CN116108318B (zh) | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 | |
Ren et al. | Enhanced spatiotemporal heterogeneity and the climatic and biotic controls of autumn phenology in northern grasslands | |
CN102663396B (zh) | 一种水稻乳熟期自动检测的方法 | |
CN110245444A (zh) | 一种基于作物对环境的响应与适应机制的发育期模拟方法 | |
CN109540894A (zh) | 一种烤烟烟叶成熟度无损快速检测方法 | |
CN108205718B (zh) | 一种粮食作物抽样测产方法及系统 | |
Yang et al. | A VI-based phenology adaptation approach for rice crop monitoring using UAV multispectral images | |
CN108427862B (zh) | 基于图像分析的多品种全生育期棉花生物量无损测量方法 | |
CN116129260A (zh) | 基于深度学习的牧草图像识别方法 | |
CN113705937A (zh) | 联合机器视觉与作物模型的作物估产方法 | |
CN102239793B (zh) | 水稻害虫实时分类方法及系统 | |
CN106780502A (zh) | 基于图像的甘蔗出苗期自动检测方法 | |
Narayanan et al. | Improving soybean breeding using UAS measurements of physiological maturity | |
CN106446434A (zh) | 一种可种植植物确定方法及装置 | |
CN115147835A (zh) | 一种基于改进RetinaNet的自然果园场景下的凤梨成熟度检测方法 | |
CN112837301A (zh) | 一种茶叶干茶色泽花杂度的判断方法 | |
CN107045719A (zh) | 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法 | |
CN116156329B (zh) | 基于图像分析的黑土地退化快速监测方法、存储介质及设备 | |
CN112036022B (zh) | 一种秧苗需水定量方法、装置及灌溉系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |