基于冠层图像处理的小麦茎蘖数快速诊断技术

刘家欢; 郑成娟; 李云; 李增源; 付浩然; 张卫峰

doi:10.15933/j.cnki.1004-3268.2019.11.024

河南农业科学 >

2019 , Vol. 48 >Issue 11: 174 - 180

DOI: https://doi.org/10.15933/j.cnki.1004-3268.2019.11.024

农业信息与工程·农产品加工

基于冠层图像处理的小麦茎蘖数快速诊断技术

刘家欢 ,
郑成娟 ,
李云 ,
李增源 ,
付浩然 ,
张卫峰

展开

（1.中国农业大学资源与环境学院，北京 100094;2.北京兴农丰华科技有限公司,北京 100094）

刘家欢（1993-），男，湖北宜昌人，在读硕士研究生，研究方向：小麦技术集成与小麦信息化服务系统建设。E-mail:liu_jiahuan@qq.com

收稿日期: 2018-12-23

网络出版日期: 2019-11-15

基金资助

国家重点研发计划项目（2016YFD0201303）

收起

Ｒapid Diagnosis Technology of Wheat Stem Number Based on Canopy Image Processing

Expand

( 1.College of Ｒesources and Environmental Sciences,China Agricultural University,Beijing 100094,China; 2.Beijing Xingnong Fenghua Technology Co.,Ltd.,Beijing 100094,China)

Received date: 2018-12-23

Online published: 2019-11-15

Fold

摘要

为提高小麦群体诊断效率，研究利用图像识别替代人工抽样计数的可行性。分别以智能手机、无人机获取小麦冠层图像以及人工抽样计数方法，于2016—2017年，在山东阳信县105个规模不同的小麦地块，对苗期、冬前、返青期和拔节期4个时期小麦茎糵数进行诊断。结果表明，4个生育时期采用智能手机图像识别诊断小麦茎蘖数，与人工抽样计数相关性强弱依次为冬前（R²=0.900,P<0.001 0）>拔节期（R²=0.240,P<0.001 0）>返青期（R²=0.130，P<0.001 0）>苗期（R²=0.010，P<0.290 0）；3个生育时期采用无人机图像识别诊断小麦茎蘖数，与人工抽样计数相关性强弱依次为冬前（R²=0.760，P<0.001 0）>返青期（R²=0.320,P<0.010 0）>苗期（R²=0.005，P<0.880 0）。从诊断效率而言，人工抽样计数单位耗时约100.0 min/hm²，智能手机图像识别单位耗时约5 min/hm^2，无人机图像识别单位耗时约为1.5 min/hm²。说明在冬前—拔节期借助智能手机采集图像替代茎蘖数人工抽样计数并估测小麦群体大小的方法是可行的，尤其是冬前估测效果较好。对于大面积种植的麦田，以无人机为工具在冬前、返青期识别图像，可以作为小麦群体诊断工具。

关键词： 小麦茎蘖数；冠层图像；快速诊断; 群体；智能手机；无人机

本文引用格式

刘家欢 , 郑成娟 , 李云 , 李增源 , 付浩然 , 张卫峰 . 基于冠层图像处理的小麦茎蘖数快速诊断技术[J]. 河南农业科学, 2019 , 48(11) : 174 -180 . DOI: 10.15933/j.cnki.1004-3268.2019.11.024

Abstract

In order to improve the diagnostic efficiency of wheat population,the feasibility of using image recognition instead of manual sampling counting was studied.The number of stems in the four stages of seedling,pre-wintering,reviving and jointing at 105 wheat fields in Yangxin County,Shandong Province were diagnosed from 2016 to 2017 by smart phone,UAV and manual sampling counting,respectively.The results showed that,the correlations of smart phone image recognition and manual sampling counting in the four growth stages were pre-wintering stage(^Ｒ2=0.900，P＜0.001 0)＞jointing stage (Ｒ²=0. 240,P＜0.001 0)＞reviving stage (Ｒ²=0.130，P＜0.001 0)＞seedling stage (Ｒ²=0.010,P＜0.290 0);The correlations of UAV image recognition and manual sampling counting in the three growth stages were pre-wintering stage(Ｒ²=0.760,P＜0.001 0)reviving stage(Ｒ²=0.320,P＜0.010 0)＞seedling stage (Ｒ²=0.005，P＜0.880 0).In terms of diagnostic efficiency,manual sampling counting unit took about 100.0 min/ha,smart phone image recognition unit took about 5.0 min/ha,while UAV image recognition took about 1.5 min/ha.The results show that smart phone image recognition can be used for wheat population size diagnosis in pre-wintering to jointing stage,and the diagnosis accuracy is highest in the pre-wintering stage.For large-area wheat fields，the method of UAV image recognition can be used for wheat population size diagnosis in pre-winterring and reviving stage．

Key words： Wheat stems number; Canopy image; Ｒapid diagnosis; Population; Smart phone; UAV

参考文献

［1］于振文,田奇卓,潘庆民,等.黄淮麦区冬小麦超高产栽培的理论与实践［J］.作物学报,2002,28(5):577-585.

［2］张福锁,陈新平,陈清.中国主要作物施肥指南［M］.北京:中国农业大学出版社,2009:10-11.

［3］夏于,孙忠富,杜克明,等.基于物联网的小麦苗情诊断管理系统设计与实现［J］.农业工程学报,2013,29(5):117-124.

［4］夏于.基于物联网的小麦苗情远程诊断管理系统设计与实现［D］.北京:中国农业科学院,2013.

［5］于振文.冬小麦超高产栽培技术［J］.中国农技推广,1998(5):27.

［6］于振文.早春依据苗情管小麦［J］.麦类文摘(种业导报),2007(2):21.

［7］刘涛.基于图像分析技术的小麦群体农学参数获取与群体质量评价研究［D］.扬州:扬州大学,2016.

［8］索兴梅,肖波,白中英,等.基于BP神经网络解决小麦群体特征的图像理解问题［J］.中央民族大学学报(自然科学版),2003,12(1):53-60.［9］单成钢,廖树华,梁振兴,等.小麦群体图像特征识别方法的研究：小麦群体总茎数的估测［J］.作物学报,2004,30(12):1281-1283.

［10］单成钢,廖树华,龚宇,等.冬小麦田间图像的群体纹理性研究［J］.麦类作物学报,2006,26(5):88-91.

［11］TAO L,WEI W,WEN C,et al.Automated imageprocessing for counting seedlings in a wheat field［J］.Precision Agriculture,2016,17(4):392-406.

［12］李少昆,索兴梅,白中英,等.基于BP神经网络的小麦群体图像特征识别［J］.中国农业科学,2002,35(6):616-620.

［13］JAMES W,JAMES E,GLENN M,et al.Photogrammetry for the estimation of wheat biomass and harvest index［J］.Field Crops Research,2018,216:165-174.

［14］刘涛,孙成明,王力坚,等.基于图像处理技术的大田麦穗计数［J］.农业机械学报,2014,45(2):282-290.

［15］COINTAULT F,GOUTON P.Texture or color analysis in agronomic images for wheat ear counting［C］.IEEE Computer Society.Third International IEEE Conference on Signalimage Technologies & Internetbased System.［S.l.］：IEEE Computer Society,2007.

［16］COINTAULT F,JOURNAUX L,MITERAN J,et al.Improvements of image processing for wheat ear counting［C］.International Conference on Agricultural Engineering.Agricultural & Biosystems Engineering for A Sustainable World.［S.l.］：International Conference on Agricultural Engineering,2008.

［17］李冰,刘镕源,刘素红,等.基于低空无人机遥感的冬小麦覆盖度变化监测［J］.农业工程学报,2012,28(13):160-165.

［18］CNNIC.第41次《中国互联网络发展状况统计报告》［R］.北京:中国互联网信息中心,2018.

［19］张自清.“渤海粮仓”小麦生产信息管理系统研发［D］.山东:山东农业大学,2015.

［20］陈广锋.华北平原小农户小麦/玉米高产高效限制因素及优化体系设计研究［D］.北京:中国农业大学,2018.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

参考文献