武陵山区旱地烟田土壤水分的时空分布特征

[目的]探讨武陵山区旱地烟田土壤水分的时空分布特征,为烟田抗旱栽培技术研究提供理论支撑.[方法]2018年5-9月,利用等值线图、时间稳定性分析和相关性分析等方法开展研究.[结果]1)垄体表层土壤水分含量较低,等值线破碎化程度较弱;而底层土壤水分含量较高,等值线破碎化程度较强.与垄体土壤相比,垄沟各层土壤均具有较高的水...     

长期定位不同施肥类型对烟田土壤nifH细菌群落结构的影响

[目的]解析长期施肥对烟田土壤中含nifH细菌群落结构和丰度的影响.[方法]通过田间定位试验,研究了长期单一施用化肥(T1)、化肥+稻草回田(T2)和化肥+稻草回田+饼肥(T3)3个处理对烟田土壤无机氮及烟株根际土壤nifH细菌多样性的影响.[结果]①长期采用稻草回田并施用饼肥有利于提高植烟土壤无机氮含量;②稻草回田或...     

“3S”技术在昭通市现代烟草农业示范区规划信息管理中的应用

应用高分辨率卫星遥感影像解译、地理信息系统和GPS定位技术,对昭通市昭阳区布嘎乡花鹿坪现代烟草示范区的土地利用、烟田分布、水利设施和烘烤配套设施等进行地理信息数字化和更新,创建了一个集基础地理信息、基本烟田及其附属设施分布等烟草农业规划综合信息为一体的地图信息查询系统.     

基于无人机低空遥感影像的烟田杂草精准识别方法研究撤回

为实现烟田中杂草的精准识别和防控,应用无人机多光谱影像构建光谱、植被、纹理特征等20个特征变量,按照特征重要性评分将特征变量数分为3组,分别添加到随机森林（RF）、支持向量机（SVM）、马氏距离（MD）和C5.0决策树（C5.0）中进行分类,并从分类正确率和时间两方面比较不同分类算法的优适性;通过PCA-ReliefF筛选重要特征信息,在保证较高分类精度的同时降低特征变量维度。结果表明,随着不同特征变量的加入,各分类算法的分类精度不同幅度地提升。其中,使用14个变量的RF模型的分类精度最高、耗时最短,总体精度94.06%,Kappa系数为0.90;MD算法分类精度最低、耗时最少;C5.0决策树耗时最长,总体精度比SVM和MD算法高1.37%、3.62%。综上,RF算法是烟田杂草识别中较合适的分类方法,可以有效实现烟田杂草的精准识别,进而为烟草生产管理提供技术支撑。     

基于宏基因组的烟田土壤细菌群落结构和功能分析

为探讨健康和易感病烟田土壤微生物群落结构及其功能,以凉山彝族自治州连作10年的1块健康和2块易感病（黑胫病、青枯病和根腐病）烟田为研究对象,利用宏基因组技术分析土壤细菌群落结构。结果表明：健康和易感病烟田的土壤细菌群落结构具有明显差异。烟田土壤中相对丰度大于4%的优势菌门有放线菌门（Actinobacteria）、变形菌门（Proteobacteria）、酸杆菌门（Acidobacteria）和绿弯菌门（Chloroflexi）。健康烟田土壤中优势有益菌属链霉菌属（Streptomyces）、慢生根瘤菌属（Bradyrhizobium）和分枝杆菌属（Mycobacterium）的相对丰度极显著高于易感病烟田。易感病烟田土壤中潜在病原菌罗思河小杆菌属（Rhodanobacter）的相对丰度极显著高于健康烟田。健康烟田土壤中蛋白酶活性显著高于易感病烟田。健康烟田土壤中碳代谢途径的关键酶基因丰度均高于易感病烟田;氮代谢途径中,健康烟田反硝化过程的酶基因丰度低于易感病烟田。因此,健康和易感病烟田土壤中细菌群落组成、酶活性及碳氮代谢过程中的关键酶基因丰度均存在不同程度的差异。     

湖北烟区烟草地下害虫的发生特点

湖北各烟区的烟草种类和植烟环境多样,地下害虫是烟草苗期的主要害虫。为了明确各烟区地下害虫的优势类群及其发生规律,于2011年4-8月对湖北咸丰、五峰、保康和郧西县烟田的地下害虫进行了系统调查。结果表明,湖北省4个烟区的地下害虫结构存在明显差异。恩施烟区以金针虫为优势类群,以蛴螬和蝼蛄为次优势类群;襄阳烟区以地老虎、蛴螬和金针虫发生为主;宜昌烟区以蛴螬和地老虎为主;而十堰烟区以金针虫和地老虎发生为主。烤烟、马里兰烟和香料烟地下害虫发生偏重,而白肋烟和晒烟发生偏轻。烟叶收获期的地下害虫结构与烟叶苗期不同,收获期烟田蛴螬和金针虫密度明显增加。烟草地下害虫的发生程度与烟田海拔高度相关,海拔1200 m左右的烟区,地下害虫发生程度加重。     

拟地甲幼虫防治试验简报

近几年我们县的烟田常有蒙古拟地甲为害烟苗,被为害的烟苗轻者发黄,生长缓慢;重者则造成死亡,致使烟田缺苗。据1982年和1983年在辛寨镇、蒋峪镇、盘阳乡烟田调查,有15-20%的烟田发生拟地甲,轻重程度不一,烟苗被害株率有的高达30%左右。1986年1-5月份气候干旱,拟地甲发生较为普遍,全县10万亩春烟均不同程度地遭受拟地甲为害。一般被害株率为15-20%,个别地块为害较重。如蒲沟乡南上峪村和大关乡下付峪村的烟田,个别地块被害株率高达50%,死苗率为30%,拟地甲幼虫给烟田造成了严重损失。据观察,当地发生的拟地甲为蒙古拟地甲,     

基于近红外光谱相似的烟叶替代与卷烟配方维护

为辅助卷烟配方设计与维护,改善传统配方维护模式完全依赖人的问题,以近红外光谱信息为基础,通过一种局部校正的光谱预处理方法及集成的光谱相似度算法,排除了光谱中的基线、散射等干扰因素,形成基于光谱相似表征烟叶相似的技术,实现辅助卷烟配方的维护。结果表明:通过光谱相似筛选出的相似片烟与目标片烟在产地、部位的符合度分别为82.0%、75.7%,总糖、烟碱等主要化学成分的平均差异小于5%。采用片烟相似+片烟组合相似的方式,模拟计算出的替代配方在化学成分、感官指标等方面与原配方无显著差异。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

套种大蒜对烟田土壤微生物群落及烟叶品质的影响

为探明烟田套种大蒜后土壤微生物群落变化,特别是烟田土壤中烟草根茎病菌的数量及对烟叶内在品质影响,在龙岩烟区开展了套种大蒜对烟田土壤微生物及烟叶品质影响试验。结果表明,烟田套种大蒜能明显减少烟田土壤中细菌、真菌数量,特别是减少烟草青枯菌和黑胫病菌数量,而增加烟田放线菌数量。套种大蒜对烟叶内在化学成分及烟叶评吸质量无明显负面影响。在烟草根茎病严重的局部烟田可通过套种大蒜控制该类病害的发生与危害,从而减少化学农药的使用,提高烟叶安全性,减少环境污染。     

基于高光谱与纹理融合的烤烟分类方法研究

  目的  为提高烤烟的分类正确率。  方法  利用高光谱成像系统采集烤烟样本,采用Savitzky-Golay卷积平滑法（SG）、多元散射校正（MSC）、一阶导数法（FD）的组合方法对数据进行预处理。通过连续投影算法（SPA）选择特征波长,利用灰度共生矩阵（GLCM）选择烤烟的纹理特征,将纹理特征与光谱特征归一化处理后进行融合,利用邻近算法(KNN)、随机森林(RF)、支持向量机(SVM)、朴素贝叶斯（NB）验证烤烟分类效果。  结果  预处理后的全波长数据分类正确率较预处理前有所提升;利用SPA选择特征波段进行分类,正确率下降;高光谱融合纹理特征后进行分类,分类效果显著提升。  结论  基于高光谱与纹理融合可准确、有效地对烤烟进行无损分类,为量化烤烟分类提供了可行方法。      

不同施肥条件下烟草冠层光谱特征与叶绿素、叶面积指数的关系

为快速、无损、准确地估测烟草叶绿素含量和叶面积指数,获取烟草长势信息,通过不同条件施氮试验,采用ASD Field HH光谱仪,分析不同处理烤烟冠层光谱特征,同时运用相关、回归等统计方法,研究了不同施氮条件下冠层高光谱遥感特征与叶绿素含量和叶面积指数的相关性.结果表明,不同施肥条件下烟草冠层光谱反射率差异显著,经筛选,绿波段植被指数(GNDVI)与叶绿素含量和叶面积指数关系显著,建立的回归方程的R²分别为0.436和0.568,均达到显著水平.因此,可利用建立的估测模型对烟草生长状况进行快速测定,及时指导烟田施肥和采取合适的栽培管理措施.     

基于高光谱成像技术的烟叶田间成熟度判别模型

为探索基于高光谱技术的烟叶田间成熟度判别方法,使用高光谱成像仪采集不同田间成熟度档次烟叶的高光谱信息,比较5种数据预处理方法[一阶导数（1stD）、多元散射校正（MSC）、标准正态变量变换（SNV）、Savitzky-Golay（SG）平滑、一阶导数+SG平滑]和两种建模算法[支持向量机（SVM）和BP神经网络（BPNN）]在建立烟叶田间成熟度判别模型中的适用性,并利用遗传算法（GA）优选出反映鲜烟叶成熟差异的最佳特征变量用于建立判别模型。结果表明:①不同田间成熟度烟叶的高光谱反射率差异明显,且在550 ~ 675 nm波长范围内最突出,其反射率随烟叶田间成熟度的增加而增大;②在10种光谱数据预处理方法与建模算法的组合中,SNV+SVM组合的预测性能最佳;③使用GA在400 ~ 1 000 nm间优选出了可反映烟叶田间成熟度差异的19个特征光谱波段,其中大多与烟叶质体色素的特征光谱有关;④以特征波段为输入变量建立了烟叶田间成熟度的SVM判别模型,预测准确率达95%,F1分数达0.95,平均精确率、召回率也均大于95%。高光谱信息可敏锐地反映烟叶田间成熟度的差异,采用SNV数据预处理方法与SVM算法组合可建立性能优异的烟叶田间成熟度判别模型。      

Identification of <Emphasis Type="Italic">Staphylococcus</Emphasis> species with hyperspectral microscope imaging and classification algorithms

Hyperspectral microscope imaging method was presented as a rapid and efficient tool to classify gram-positive bacteria species. The datacube (1024 × 1024 × 89) were obtained by hyperspectral microscope imaging system, which provided cell images between 450 and 800 nm wavelengths with 4-nm resolution, resulting in 89 contiguous spectral images that were acquired with an acousto-optic tunable filters (AOTF) hyperspectral imaging platform. Spectral information of bacteria were extracted from region-of-interest (ROI) in the cell, which were approximately between 140 and 380 pixels depending on the size of the cells. Using a Mahalanobis distance algorithm, the outliers beyond 99 % confidence of data were eliminated and classified five species with classification methods including partial least square discriminant analysis (PLS-DA) and support vector machine (SVM) for linear and non-linear classification algorithms to differentiate Staphylococcus species. PLS-DA classified five species with 89.8 % accuracy and 0.87 kappa coefficient; whereas, SVM had much higher classification accuracy of 97.8 % with 0.97 kappa coefficient. To reduce the number of wavelengths for fast data processing, thirty-one spectral bands out of 89 contiguous bands were selected using the correlation of each band. When SVM classification method with selected bands were used, the classification accuracy and kappa coefficient were 93.9 % and 0.92, respectively.     

高光谱成像技术检测油茶果成熟度

为解决油茶果采摘期判断不准确可能导致的茶油产量降低问题,应用高光谱成像技术结合化学计量法对油茶果成熟度进行定性判别。完成了高光谱图像的曲率校正,分析不同成熟阶段油茶果的光谱特征和理化特征的变化情况。使用4 种不同的分类算法建立基于全波段光谱数据的油茶果成熟度判别模型,发现支持向量机（support vector machine,SVM）模型的分类正确率最高为97%。结合5 种特征变量选择方法对全波段光谱数据进行降维,发现经过竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）选择的特征波长建立的模型正确率最高为82%。提取高光谱图像中的颜色特征和纹理特征建立SVM模型后发现,融合颜色特征和光谱特征建立的SVM模型的正确率高于使用单一的光谱特征（经CARS降维）建立的模型正确率：训练集分类正确率为95%,测试集正确率为93%。结果表明,利用高光谱成像技术能够对不同成熟度的油茶果进行较准确的分类,为茶农对油茶果最佳采摘期的判断提供科学依据,在保障茶籽产量最大化、油质最优化等方面具有重要意义。     

多毛刺小样本高光谱数据下鹰嘴蜜桃含水率的预估

目的：提出并解决鹰嘴蜜桃高光谱测量数据多毛刺和小样本问题。方法：基于高光谱成像技术，使用图像处理方法识别高光谱图像中鹰嘴蜜桃所在区域，计算该区域内的光谱图像从而得到平均光谱反射率数据，形成高光谱曲线图像。对于存在抖动和毛刺的高光谱图像数据，比较多项式平滑算法（SG）、多元散射矫正算法（MSC）、标准正态变量算法（SNV）、一阶导数算子（D1）、二阶导数算子（D2）等数据预处理方法对模型预测精度的影响；针对数据维度高且样本量少的特点，使用主成分分析算法（PCA）对数据进行降维，再对降维后的数据应用马氏距离测度方法（MD）进行异常值剔除；最终利用Kennard-Stone算法（KS）划分出训练集和测试集，并选取小样本场景下表现较好的偏最小二乘回归（PLSR）模型对鹰嘴蜜桃的含水率进行估计和分析。结果：SG-PCA-MD-KS-PLSR模型在高光谱曲线存在抖动和毛刺情况时对鹰嘴蜜桃含水率估计的效果最好，训练集下决定系数（R²）达到0.928，均方根误差（RMSE）为0.008 4，测试集下R²达到0.926，RMSE为0.009 2。在进一步对鹰嘴蜜桃以含水率为指标进行分级试验时，该模型的预测结果可以较好地对鹰嘴蜜桃含水状况进行分级，训练集下分级正确率为0.956，测试集下分级正确率为0.923。结论：利用高光谱成像技术建立SG-PCA-MD-KS-PLSR模型，在高光谱样本数较小且存在毛刺的情况下，仍能对鹰嘴蜜桃含水率进行无损估计。     

玉米籽粒霉变等级高光谱图像检测方法研究

为了快速、无损检测出储藏玉米籽粒不同霉变状况,提升玉米收储环节质检效率,尝试利用高光谱成像技术结合机器学习算法构建玉米籽粒霉变等级分类模型。采集400～1 000 nm波段范围内玉米籽粒高光谱图像,以测定的真菌孢子数为依据,将籽粒霉变状态划分为健康、轻度霉变、中度霉变和重度霉变4个等级,采用随机蛙跳(RF)算法优选出7个光谱特征变量,针对特征波段图像,利用Tamura算法共提取出21个纹理特征变量,基于颜色矩阵提取出21个颜色特征变量。进一步结合支持向量机(SVM)、极限学习机(ELM)和偏最小二乘回归(PLSR)3种算法分别建立基于光谱、图像和图谱特征融合的玉米籽粒霉变等级分类模型。经分析比较,融合光谱和图像特征并结合ELM算法建立的分类模型用于玉米籽粒霉变等级识别效果最优,训练集和测试集分类准确率(Acc)分别为94.21%和93.86%,并将玉米籽粒霉变等级进行可视化表达。     

基于不同预处理高光谱信息的鸡肉滴水损失率快速预测研究

本文旨在通过挖掘不同预处理高光谱(900~1700 nm)信息构建鸡肉滴水损失率的快速预测模型。首先采集每个鸡肉样本高光谱图像并提取图像感兴趣区域内的平均光谱信息,经基线校正(BC)、标准正态变量校正(SNV)、多元散射校正(MSC)、高斯滤波平滑(GFS)、归一化校正(NC)等五种光谱不同预处理,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法构建光谱信息与鸡肉滴水损失率之间的定量关系。然后分别基于回归系数法(Regression Coefficient,RC)、连续投影算法(Successive Projections Algorithm,SPA)和逐步回归算法(Stepwise)筛选出对模型精度影响较大的最优波长优化全波段PLS模型。结果显示,基于BC光谱的全波段PLSR模型(BC-PLSR)预测鸡肉滴水损失率效果更好(r_P=0.95,RMSEP=0.29%,RPD=3.07,ΔE=0.0024%)。利用Stepwise法从BC光谱中选取的14个最优波长(900.6、903.8、905.5、907.1、917.0、997.7、1162.2、1272.4、1354.8、1369.6、1410.8、1425.6、1584.1和1695.1 nm)建立的SW-BC-PLSR模型(r_P=0.97,RMSEP=0.24%,RPD=3.82,ΔE=0.0012%)和多元线性回归(Multiple Linear Regression,MLR)模型SW-BC-MLR(r_P=0.97、RMSEP=0.22%、RPD=4.19,ΔE=0.0036%)预测鸡肉滴水损失率效果均良好。本试验表明,基于近红外高光谱信息可潜在实现鸡肉滴水损失率的快速预测。     

基于高光谱成像技术无损检测芒果轻微损伤

目的 使用高光谱成像技术实现对芒果轻微损伤的无损识别。方法 在可见光-近红外波长范围内采集完好芒果和损伤芒果的高光谱图像,并提取相应的感兴趣区域(regions of interest, ROI)获得样本高光谱数据。经过多种预处理方法比较,选择光谱预处理方法。使用竞争性自适应重加权算法(competitiveadaptivereweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)分别对预处理后的光谱提取特征波长,并分别建立了多元线型回归(multiplelinearregression,MLR)模型和偏最小二乘回归(partialleastsquaresregression,PLSR)模型。结果 选择多元散射校正(multiplicative scatter correction, MSC)作为光谱预处理方法。针对芒果轻微损伤识别,CARS-MLR模型识别效果最好,其校正集相关系数为0.881,预测集相关系数为0.821,校正集均方根误差(calibration set root mean squa...     

Visual detection of apple bruises using AdaBoost algorithm and hyperspectral imaging

Hyperspectral imaging technique (400–1000 nm) was used for rapid and nondestructive recognition of bruises of apples. A total of 324 hyperspectral images were collected from 108 Fuji apples and the average spectral reflectance was extracted from the region of interest (ROI) of each image. The classification results of AdaBoost for the data pretreated by various existing methods were compared. Then, the correlation-based feature selection (CFS) algorithm was used to obtain characteristic wavelengths for reducing data redundancy. After pretreating with multiplicative scatter correction (MSC) and CFS, the average accuracy of the selected wavelengths was 97.63%. Then, an image processing algorithm based on the characteristic wavelengths selected before was proposed for the visual discrimination of bruises. This algorithm performed independent component analysis (ICA) transformation of the selected wavelengths, and chose the third component image of the ICA transform, then used adaptive threshold segmentation to obtain the bruise region of apples. The results showed that hyperspectral imaging technology could discriminate apple bruise, and this study can help to develop an online apple bruises detection system.