小麦条锈病的高光谱检测与空气中夏孢子监测方法研究
发布时间：2021-03-09 20:45
小麦条锈病一直是威胁我国西北、西南、华北和淮北等冬麦区和西北春麦区的重要病害,是我国重要的农作物病害防控对象,农业农村部每年均投入大量的人力和物力用于病情调查和监测,但由于缺乏有效地对病害进行早期监测和预报的技术,造成条锈病易流行和暴发,给小麦生产带来了极大的损失。小麦条锈病是一种气传性真菌病害,真菌夏孢子菌源数通过气流传播是影响小麦条锈病发生和流行的主要原因,传统的小麦条锈病病情调查和条锈病菌夏孢子监测方法具有工作量大、效率低,且随工作时间准确性降低等缺点,导致难以把握大尺度农田病情和真菌孢子的实时和动态变化情况。为了快速、准确地对小麦条锈病病害程度进行分级评估以及实现田间空气中小麦条锈病夏孢子数量的远程实时监测,本文重点研究小麦条锈病病害程度分级方法、真菌夏孢子显微图像的分割和计数方法以及空气中的夏孢子捕捉和显微图像远程实时采集装置和软件系统方法,为最终实现基于物联网的广域范围内空气中小麦条锈病菌夏孢子数量的远程实时预测预报奠定基础。论文主要研究内容和结论如下:（1）为了快速、准确地对小麦条锈病病害程度进行分级评估,提出了一种基于高光谱成像的小麦条锈病病害程度分级方法。首先利用Hy...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：149 页
【学位级别】：博士
【部分图文】：
技术路线图
第 2 章 基于高光谱成像技术的小麦条锈病病害程度分级方法研究谱仪（ImSpector V10E，Spectra Imaging 公司，芬兰）、CC，Hamamastu 公司，日本）、4 个 100W 漫反射型卤素灯光源以及计算机等组成。采集高光谱图像数据时所用的软件为 otonics 公司，芬兰）。成像光谱仪波长范围为 400 ~ 1000nm，共辨率为 2.5nm；CCD 面阵探测器的分辨率为 320 像素×25图像清晰且不失真，经预备实验调整与校正后，最后确定电/s，物距为 65cm，曝光时间为 5ms。
维光谱信息和二维图像，完成对整个小麦叶片样本高光谱图像的采集。高光在 400~1000nm 波段内，采集 256 个波段的 320 像素×250 像素的高光谱图图像数据的采集过程通过 SpectralSENS 软件控制。小麦条锈病病害程度分级方法ENVI 是一套功能强大的遥感图像处理软件，能够快速、便捷、准确地从高光提取信息，并进行科学的高光谱图像分析。因此，本研究采集的高光谱图像I 4.8 和 Matlab R2014a 软件结合进行分析和处理。1 健康与条锈病斑区域光谱曲线分析首先，用 ENVI 对采集到的高光谱图像进行裁剪处理，得到 360 个不同病害片样本，选取 90 个样本进行分析（1～9 级样本各 10 个），其余 270 个样本用 ENVI 分别随机提取小麦叶片健康部位和条锈病病斑部位感兴趣区域（Reest，ROI）各 125 个用于光谱特性分析。分别计算出健康部位和条锈病斑部位域的平均光谱，其光谱曲线如图 2-2 所示。
【参考文献】：
期刊论文
[1]改进自适应分水岭方法分割棉花叶部粘连病斑[J]. 张建华,韩书庆,翟治芬,孔繁涛,冯鑫,吴建寨. 农业工程学报. 2018(24)
[2]基于热红外成像的小麦条锈病早期检测（英文）[J]. 姚志凤,何东健,雷雨. 光谱学与光谱分析. 2018(10)
[3]基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测[J]. 黄林生,阮超,黄文江,师越,彭代亮,丁文娟. 农业工程学报. 2018(15)
[4]基于深度卷积神经网络的水稻穗瘟病检测方法[J]. 黄双萍,孙超,齐龙,马旭,汪文娟. 农业工程学报. 2017(20)
[5]基于GF-1/WFV数据的冬小麦条锈病遥感监测[J]. 王利民,刘佳,杨福刚,杨玲波,姚保民,高建孟. 农业工程学报. 2017(20)
[6]基于无线图像传感器网络的农田远程监测系统[J]. 殷建军,潘春华,肖克辉,叶耀文,刘小平,肖德琴. 农业机械学报. 2017(07)
[7]面向田园监测的低成本多光谱图像远程采集节点设计[J]. 殷建军,张铁民,可欣荣,肖克辉,肖德琴. 农业工程学报. 2016(13)
[8]适应场景光照变化的桔小实蝇诱捕监测系统优化设计与试验[J]. 肖德琴,叶耀文,冯健昭,潘春华,陆永跃. 农业工程学报. 2016(11)
[9]植物病害监测预警新技术研究进展[J]. 曹学仁,周益林. 植物保护. 2016(03)
[10]遥感与气象数据结合预测小麦灌浆期白粉病[J]. 马慧琴,黄文江,景元书. 农业工程学报. 2016(09)
博士论文
[1]基于图像和光谱技术的果实识别与病害检测方法研究[D]. 赵川源.西北农林科技大学 2017
[2]小麦白粉病的遥感监测及捕捉器中孢子的Real-time PCR定量检测[D]. 曹学仁.中国农业科学院 2012
[3]基于机器视觉的家蚕微粒子图像识别方法的研究[D]. 胡新宇.武汉理工大学 2011
[4]四川省小麦条锈病流行规律及生态控制研究[D]. 沈丽.西南大学 2008
[5]小麦条锈病区域流行的相关性分析[D]. 陈刚.中国农业大学 2005
硕士论文
[1]小麦条锈病夏孢子显微图像采集装置设计及处理方法研究[D]. 焦林.西北农林科技大学 2018
[2]基于嵌入式技术的田间孢子数粒仪的设计及实现[D]. 李相.大连交通大学 2017
[3]小麦条锈菌孢子的在线图像获取与计数方法研究[D]. 牛磊磊.西北农林科技大学 2017
[4]移动式多节点葡萄田间图像获取及远程控制系统[D]. 颜仁喆.甘肃农业大学 2017
[5]重叠及遮挡影响下的苹果目标识别与定位方法研究[D]. 王丹丹.西北农林科技大学 2016
[6]基于4G网络的图像视频传输系统的研究与实现[D]. 彭柱菁.广西师范大学 2016
[7]田间植物真菌孢子显微图像采集处理系统研究[D]. 夏旭阳.河北农业大学 2015
[8]基于机器学习的真菌孢子显微图像的特征提取与识别[D]. 岳路路.西南大学 2015
[9]基于ARM的无透镜细胞显微图像采集处理系统[D]. 张德燕.重庆大学 2015
[10]桃流胶病病原菌孢子捕捉及分离鉴定[D]. 程玉芳.华中农业大学 2014
本文编号：3073449
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：149 页
【学位级别】：博士
【部分图文】：
技术路线图
第 2 章 基于高光谱成像技术的小麦条锈病病害程度分级方法研究谱仪（ImSpector V10E，Spectra Imaging 公司，芬兰）、CC，Hamamastu 公司，日本）、4 个 100W 漫反射型卤素灯光源以及计算机等组成。采集高光谱图像数据时所用的软件为 otonics 公司，芬兰）。成像光谱仪波长范围为 400 ~ 1000nm，共辨率为 2.5nm；CCD 面阵探测器的分辨率为 320 像素×25图像清晰且不失真，经预备实验调整与校正后，最后确定电/s，物距为 65cm，曝光时间为 5ms。
维光谱信息和二维图像，完成对整个小麦叶片样本高光谱图像的采集。高光在 400~1000nm 波段内，采集 256 个波段的 320 像素×250 像素的高光谱图图像数据的采集过程通过 SpectralSENS 软件控制。小麦条锈病病害程度分级方法ENVI 是一套功能强大的遥感图像处理软件，能够快速、便捷、准确地从高光提取信息，并进行科学的高光谱图像分析。因此，本研究采集的高光谱图像I 4.8 和 Matlab R2014a 软件结合进行分析和处理。1 健康与条锈病斑区域光谱曲线分析首先，用 ENVI 对采集到的高光谱图像进行裁剪处理，得到 360 个不同病害片样本，选取 90 个样本进行分析（1～9 级样本各 10 个），其余 270 个样本用 ENVI 分别随机提取小麦叶片健康部位和条锈病病斑部位感兴趣区域（Reest，ROI）各 125 个用于光谱特性分析。分别计算出健康部位和条锈病斑部位域的平均光谱，其光谱曲线如图 2-2 所示。
【参考文献】：
期刊论文
[1]改进自适应分水岭方法分割棉花叶部粘连病斑[J]. 张建华,韩书庆,翟治芬,孔繁涛,冯鑫,吴建寨. 农业工程学报. 2018(24)
[2]基于热红外成像的小麦条锈病早期检测（英文）[J]. 姚志凤,何东健,雷雨. 光谱学与光谱分析. 2018(10)
[3]基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测[J]. 黄林生,阮超,黄文江,师越,彭代亮,丁文娟. 农业工程学报. 2018(15)
[4]基于深度卷积神经网络的水稻穗瘟病检测方法[J]. 黄双萍,孙超,齐龙,马旭,汪文娟. 农业工程学报. 2017(20)
[5]基于GF-1/WFV数据的冬小麦条锈病遥感监测[J]. 王利民,刘佳,杨福刚,杨玲波,姚保民,高建孟. 农业工程学报. 2017(20)
[6]基于无线图像传感器网络的农田远程监测系统[J]. 殷建军,潘春华,肖克辉,叶耀文,刘小平,肖德琴. 农业机械学报. 2017(07)
[7]面向田园监测的低成本多光谱图像远程采集节点设计[J]. 殷建军,张铁民,可欣荣,肖克辉,肖德琴. 农业工程学报. 2016(13)
[8]适应场景光照变化的桔小实蝇诱捕监测系统优化设计与试验[J]. 肖德琴,叶耀文,冯健昭,潘春华,陆永跃. 农业工程学报. 2016(11)
[9]植物病害监测预警新技术研究进展[J]. 曹学仁,周益林. 植物保护. 2016(03)
[10]遥感与气象数据结合预测小麦灌浆期白粉病[J]. 马慧琴,黄文江,景元书. 农业工程学报. 2016(09)
博士论文
[1]基于图像和光谱技术的果实识别与病害检测方法研究[D]. 赵川源.西北农林科技大学 2017
[2]小麦白粉病的遥感监测及捕捉器中孢子的Real-time PCR定量检测[D]. 曹学仁.中国农业科学院 2012
[3]基于机器视觉的家蚕微粒子图像识别方法的研究[D]. 胡新宇.武汉理工大学 2011
[4]四川省小麦条锈病流行规律及生态控制研究[D]. 沈丽.西南大学 2008
[5]小麦条锈病区域流行的相关性分析[D]. 陈刚.中国农业大学 2005
硕士论文
[1]小麦条锈病夏孢子显微图像采集装置设计及处理方法研究[D]. 焦林.西北农林科技大学 2018
[2]基于嵌入式技术的田间孢子数粒仪的设计及实现[D]. 李相.大连交通大学 2017
[3]小麦条锈菌孢子的在线图像获取与计数方法研究[D]. 牛磊磊.西北农林科技大学 2017
[4]移动式多节点葡萄田间图像获取及远程控制系统[D]. 颜仁喆.甘肃农业大学 2017
[5]重叠及遮挡影响下的苹果目标识别与定位方法研究[D]. 王丹丹.西北农林科技大学 2016
[6]基于4G网络的图像视频传输系统的研究与实现[D]. 彭柱菁.广西师范大学 2016
[7]田间植物真菌孢子显微图像采集处理系统研究[D]. 夏旭阳.河北农业大学 2015
[8]基于机器学习的真菌孢子显微图像的特征提取与识别[D]. 岳路路.西南大学 2015
[9]基于ARM的无透镜细胞显微图像采集处理系统[D]. 张德燕.重庆大学 2015
[10]桃流胶病病原菌孢子捕捉及分离鉴定[D]. 程玉芳.华中农业大学 2014
本文编号：3073449
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/3073449.html
