国家自然科学基金(31101087)
- 作品数：4 被引量：108H指数：4
- 相关作者：齐龙马旭汪文娟郑志雄朱小源更多>>
- 相关机构：华南农业大学广东省农业科学院江门市农业科学研究所更多>>
- 发文基金：国家自然科学基金国家现代农业产业技术体系建设项目国家教育部博士点基金更多>>
- 相关领域：农业科学理学机械工程更多>>
- 基于高光谱成像技术的水稻叶瘟病病害程度分级方法被引量：41
- 2013年
- 为了快速、准确地对水稻叶瘟病病害程度进行分级评估,结合定性分析与定量估算,提出了一种基于高光谱成像技术的水稻叶瘟病病害程度分级方法。利用HyperSIS高光谱成像系统采集了受稻瘟病侵染后不同病害等级的水稻叶片高光谱图像,通过分析叶瘟病斑区域与正常叶片部位的光谱特征,对差异较大的550和680 nm波段进行二维散点图分析,提取只含病斑的高光谱图像;然后通过主成分分析(principal component analysis,PCA)方法得到利于褐色病斑和灰色病斑分割的第2主成分图像,采用最大类间方差法(Otsu)分割出灰色病斑;最后结合延伸率和受害率2个参数对水稻叶瘟病病害程度进行分级。试验结果表明:测试的166个不同稻叶瘟病害等级的叶片样本中,其中160个样本可被准确分级,分级准确率为96.39%。该研究为稻叶瘟病田间病害程度评估提供了基础,也为稻瘟病抗性鉴定方法提供了新思路。
- 郑志雄齐龙马旭朱小源汪文娟
- 关键词：主成分分析病害高光谱成像最大类间方差法
- 稻瘟病监测预测方法研究现状及流行风险评估体系构建初探被引量：19
- 2011年
- 稻瘟病是水稻生产上最主要的病害之一,对稻瘟病的发生流行状况进行准确的监测预测是有效防治病害的前提和基础。分析了应用菌源信息、气象因子信息和水稻冠层光谱信息3个方面对稻瘟病监测预测的国内外研究现状,总结了现有监测预测方法存在的主要问题和技术难点,从系统研究的角度出发,提出了应用与稻瘟病发生相关多源信息构建病害流行风险评估体系的研究思路。提出的稻瘟病监测预测方法可提高病害的监测预测精度,同时也对其他病害监测预测的理论和方法具有重要的借鉴作用。
- 齐龙马旭梁柏张稳成傅荣富谭永炘
- 关键词：稻瘟病多源信息风险评估体系
- 基于高光谱成像技术的水稻叶瘟病斑分割方法及其光谱特性分析
- 利用HyperSIS高光谱成像系统采集了受稻瘟病侵染的水稻叶片的高光谱图像,通过主成分分析方法得到了利于病斑识别的第2主成分图像。在此基础上,采用密度分割法对其进行图像分割,有效地识别了病斑,并分析了叶瘟病斑区域与正常叶...
- 郑志雄齐龙马旭吴露露谢俊锋陈国锐
- 关键词：高光谱成像主成分分析图像分割光谱分析
- 文献传递
- 基于显微图像处理的稻瘟病菌孢子自动检测与计数方法被引量：29
- 2015年
- 稻瘟病菌孢子的检测通常在显微镜下由人工目测完成,该方法费时、费力、自动化程度低。因此,该研究提出了一种基于显微图像处理技术的稻瘟病菌孢子自动检测和计数方法。首先,采用显微图像系统获取稻瘟病菌孢子图像;然后提出一种分块背景提取法对其进行光照校正;根据显微图像中孢子的边缘特征,利用Canny算子进行边缘检测,其中Canny边缘检测过程中的阈值应用模糊C均值算法在梯度图上自动确定;接着对边缘检测后的二值图像进行数学形态学闭开运算处理。根据孢子和主要杂质的形态特征,利用椭圆度、复杂度和最小外接矩形宽度等形态特征参数对目标物进行分类,提取只含孢子的二值图像。最后,提出了基于距离变换和高斯滤波的改进分水岭算法对粘连孢子进行分离。测试结果表明:在100幅测试的显微图像样本中,孢子检测的平均准确率为98.5%,满足稻瘟病菌孢子自动检测和计数要求。
- 齐龙蒋郁李泽华马旭郑志雄汪文娟
- 关键词：图像处理改进分水岭算法
- 基于高光谱成像的水稻穗瘟病害程度分级方法被引量：32
- 2015年
- 为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。
- 黄双萍齐龙马旭薛昆南汪文娟
- 关键词：病害高光谱成像穗瘟
