论文部分内容阅读
在人口剧增和作物增产发展不平衡的背景下,实现作物产量与田间种植密度优化的协同发展是提高作物产量的关键点。但是,目前大多数关于作物种植密度优化的研究涉及到的方法较为单一,并且模式化的方法对于作物最佳种植密度的优化结果精准度低。针对这一问题,本研究在结合目前农业领域蓬勃发展的三维重构技术的前提下,提出了一种基于低成本三维重构平台的普兰种业主栽大豆种植密度的优化方法。该方法主要是以低成本植株立体取样平台为基础,以机器视觉(图像处理和三维重构)作为技术手段,以数据挖掘作为研究方法对全生育期内的大豆植株进行了三维重构,进而实现了作物表型精准化提取及大豆产量-密度的优化模型。试验材料选择东农251(DN251)、东农252(DN252)、东农253(DN253)、黑农48(HN48)、黑农51(HN51)五个大豆品种,种植于东北农业大学大豆试验基地完成。试验结果表明,在三维重构精度分析中,人工测量值和模型提取值的各表型皮尔逊相关系数均高于0.98。基于大豆植株三维重构模型提取的表型参数,分别分析了植株全生育期内相关表型的“表型指纹”、逻辑斯蒂生长模型以及表型与产量的相关性。“表型指纹”可以精准地获得具有内在联系的表型变化规律。同时,“表型指纹”也成为了大豆种植密度优化的重要工具。大豆植株逻辑斯蒂生长模型能确定出五个品种在全生育期内达到最大生长速率的时间点,此时间点能够为大豆的水肥补给提供依据。通过全生育期内植株表型与产量(单株粒重)的相关性分析得出了株高、株长、株宽、冠高、冠幅、体积与产量最相关时期分别为R5、R7、R7、R5、R7、R7期。这为改善大豆冠层的光照条件,设置合理种植密度,提高大豆产量等方面的优化提供理论依据和明确方向。基于以上分析提出了大豆种植密度优化及产量的预测模型。通过该模型优化出了试验材料DN251、DN252、DN253、HN48、HN51在同区域内的种植密度分别为16千株/亩、24千株/亩、16千株/亩、19千株/亩、18千株/亩。此模型首次将三维重构技术和种植密度的优化问题联系起来,这无疑为实现农业精细化的优化管理开辟了新途径。通过该模型实现大豆种植密度的优化可以有效减小了目前种植密度研究领域的试验强度。本研究提出的方法不仅在农业上突破性的提高了自动化水平,而且也实现了工业工程在农业领域的优化推广。