摘要：针对中小农场对作物长势快速监测与精确诊断的需求,本研究设计了作物长势监测仪(CropSense)数据采集与分析系统,该系统实现了数据采集、处理、分析和管理的一体化集成。系统通过蓝牙技术连接智能手机和作物长势监测仪获取作物采样数据,经服务器中内置光谱模型计算得到地块的作物生长参数分布专题图。依据地块预期产量指标,可提供可视化的专家决策处方。用户只需点击一次按钮,即可实时获取田间作物的监测诊断信息和专业的田间管理指导方案。目前系统已在多个研究机构实验农场试用,其中在小汤山基地的应用示例结果显示:在玉米大喇叭口期使用该系统进行作物诊断和指导施肥,比传统的施肥方案减少约16.67%施肥量。该系统具有采集分析数据高效便利、推荐施肥方案优化合理等特点,在中国家庭农场快速增长的背景下,具有广阔的应用前景。

摘要：灌浆期是水稻的重要生育期之一,为精准分割灌浆期水稻稻穗,探究稻穗特征与水稻长势之间的关系,提出了一种基于神经架构搜索的灌浆期水稻稻穗分割及特征分析方法。以DeepLabV3Plus网络模型为基础框架,基于神经架构搜索算法自动设计主干网络,修改空洞空间卷积池化金字塔(ASPP),搭建语义分割网络Rice-DeepLab。通过田间摄像头采集4种水稻的灌浆期图像并经Rice-DeepLab分割后,计算稻穗面积占比、离散程度、图像平均曲率和颜色特征等参数并分析。实验结果显示:改进后的语义分割网络Rice-DeepLab的平均交并比(mIoU)为85.74%,准确率(Acc)为92.61%,与原网络模型相比mIoU、Acc分别提高了6.5%、2.97%;由图像的稻穗面积占比、离散程度、图像平均曲率、颜色特征可大致判别稻穗稀疏或稠密,稻穗是否饱满,色泽青绿、金黄或灰白等长势。本研究表明,可以利用田间摄像头便捷地开展灌浆期水稻监测工作,通过稻穗分割及其特征分析初步判断水稻的长势,为田间管理提供支持。