农业机械学报

作者：何东健，熊虹婷，芦忠忠，刘建敏

单位：西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;农业农村部农业物联网重点实验室,西北农林科技大学;陕西省农业信息感知与智能服务重点实验室,西北农林科技大学;陕西省农业信息感知与智能服务重点实验室,

关键词：拔节期玉米; 水分胁迫; 立体视觉; 预测模型; 点云骨架

基金：国家重点研发计划项目（2016YFD020060101）和陕西省重点研发计划项目（2018NY-127）

针对现有采用生理特性指标的玉米水分胁迫检测方法影响玉米植株生长的问题，提出了一种基于多视角立体视觉的玉米水分胁迫预测模型。首先，利用RGB相机获取玉米拔节期-30°、0°（玉米叶片展开平面）和30°的?3视角?图像；然后，基于加速稳健特征点（Speeded up robust features，SURF）检测的双目立体视觉原理，建立-30°~0°、0°~30° 2个玉米点云模型，采用基于KD树（K-dimensional tree，Kd-tree）的最近迭代（Iterative closest point，ICP）点云配准算法，将2个玉米点云模型数据合并到同一坐标系下；最后，用L1中值法提取玉米点云骨架，在该玉米骨架基础上提取玉米节间高度、叶片长度及株高等参数，建立基于单一参数的玉米水分胁迫预测模型，并建立基于多参数纠错输出编码思想的支持向量机（Error correcting output codes-support vector machine, ECOC-SVM）水分胁迫预测模型。试验结果表明，玉米叶片长度、节间高度和玉米株高每日生长量与水分胁迫程度呈显著线性关系，〖JP2〗故分别以节间高度、株高每日生长量和全展叶叶长为自变量，以土壤含水率为因变量，建立水分胁迫预测模型，得到相关系数分别为0.892?2、0.892?8和0.817?6，RMSE分别为2.92%、2.53%和2.76%。为了准确判断玉米水分胁迫程度，以上述3个玉米参数为特征向量，建立ECOC-SVM水分胁迫预测模型，该模型测试集预测准确率为93.33%，具有较高的准确性。本研究可以快速检测拔节期玉米的水分胁迫情况，为农情信息精准获取提供技术支持。

来源：2020年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第6期