论文部分内容阅读
农作物的田间耗水量包括蒸腾蒸发量(简称腾发量)和耕层渗漏量,其中蒸腾蒸发量被称为作物的需水量。作物腾发量是农田水分消耗的最主要形式,准确地估算作物腾发量,对研究作物的水分消耗规律、提高水分利用效率、发展节水农业具有重要的意义。本文以实时检测盆栽水稻的耕层渗漏、地表蒸发和植株蒸腾为目标,在综合分析国内外相关研究的基础上,设计开发了盆栽水稻水分消耗数据自动采集与处理系统,构建了该系统的硬件和软件平台。同时,针对检测植株蒸腾所需的水稻鲜生物量(鲜重)难以无损测量的问题,研究了水稻鲜生物量与株型参数的相关关系,探讨了基于图像处理技术的株型参数检测方法,建立了水稻鲜生物量预测模型。通过水稻盆栽试验,验证了系统的工作性能。主要研究内容如下:(1)设计开发了水分消耗数据自动采集与处理系统。在已有盆栽水稻水分消耗检测系统硬件平台的基础上,构建了传感器数据自动采集与处理的硬件和软件系统,硬件系统由盆栽试验台、动态电阻应变仪、数据采集卡和计算机组成,软件系统包括数据采集、数据处理、系统标定以及信息显示与回放模块,实现了多传感器信息的自动采集、处理和结果显示等功能。(2)利用计算机视觉技术对水稻的株型参数进行无损检测,研究了水稻植株鲜生物量与株型参数的相关关系。制定了株型参数的无损测量方案,分析了不同拍摄时间的植株图像处理效果和株型参数检测结果。试验研究了水稻鲜生物量与株型参数的相关关系,结果表明,水稻鲜生物量与各株型参数之间具有显著的线性相关关系,初步确定分蘖、像株高、正像面积、侧像面积和俯像面积为自变量,利用自变量建立鲜生物量预测模型,为植株鲜生物量的无损测量提供理论基础。(3)利用自动求取阈值法,实现了水稻植株图像与背景的分割。为实现水稻株型参数的无损检测,研究了水稻植株图像的分割算法,通过不同算法分割效果的对比分析,确定了图像处理的最优算法(即采用修正的超绿色法对图像进行灰度化,选用中值滤波法去除图像噪声,利用最大类间方差阈值分割法对图像进行二值化),实现了水稻植株图像与背景的分割。试验结果表明,该图像处理算法对光照变化的适应性较强,植株图像的分割效果满足试验要求。(4)构建了植株图像采集实验台,开发了图像采集与处理分析软件系统。在分析植株图像采集要求的基础上,根据需要测量的水稻株型参数,构建了图像采集实验台,以Matlab软件的GUIDE为开发工具,设计了具有人机交互式界面的图像采集与处理分析软件系统,实现了水稻像株高、正像面积、侧像面积和俯像面积等株型参数的自动化测量。(5)建立了水稻植株鲜生物量预测模型。利用SPSS软件建立了鲜生物量的经典线性回归模型和主成分线性回归模型(PCR),采用Matlab软件的神经网络分析法建立了鲜生物量的非线性模型,采用相关系数(R)、校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)对模型精度进行检验。将各阶段模型应用于盆栽水稻鲜生物量的预测,并对模型进行了修正。研究结果表明,分阶段的修正模型对盆栽水稻鲜生物量的预测精度最高。(6)通过对比试验验证了水分消耗自动检测系统的工作性能。利用蒸渗测筒和水分消耗系统分别检测盆栽水稻的水分消耗量,对比分析结果表明,两种方法对水稻地表蒸发、耕层渗漏和植株蒸腾的检测结果具有显著的线性相关关系。同时,对系统的连续检测和定点检测功能进行了试验研究,分析了盆栽水稻的水分消耗规律,试验结果与前人的研究结果一致,符合水稻生长和水分消耗的一般规律。通过整机工作性能检验,该检测系统能够满足水分消耗盆栽试验的要求,系统的工作性能稳定,故障率低。