典型文献
基于图像处理的苗期谷子地上部表型连续定量监测
文献摘要：
为提高农业生产的效率和产量,图像处理技术逐渐被应用于农作物的生长监测中.以苗期谷子为研究对象,在室内环境下,采用基于骨架提取算法和轮廓提取算法相结合的谷子地上部表型特征提取方法,对谷子地上部株高、叶片长度、叶片最大宽度、节长及茎粗进行提取及自动分析.结果表明,使用该方法求得的株高与真实值的平均相对误差为3.52％,决定系数为0.98;叶片长度与真实值的平均相对误差为7.01％,决定系数为0.97;叶片最大宽度与真实值的平均相对误差为5.30％,决定系数为0.97;节长与真实值的平均相对误差为7.91％,决定系数为0.95;茎粗与真实值的平均相对误差为7.07％,决定系数为0.91,算法测量值与真实值相关性较高.通过这种算法可以较准确地实现苗期谷子地上部表型特征参数的提取,初步实现苗期谷子地上部表型的连续定量检测,有效提高作物表型参数的无损测量效率.
文献关键词：
谷子;无损测量;作物表型;轮廓提取;骨架提取
中图分类号：
作者姓名：
梁靓;李富忠;张吴平;王思雨;肖奕同;侯晨连
作者机构：
山西农业大学 软件学院,山西 太谷 030801
文献出处：
引用格式：
[1]梁靓;李富忠;张吴平;王思雨;肖奕同;侯晨连-.基于图像处理的苗期谷子地上部表型连续定量监测)[J].山西农业科学,2022(05):728-736
A类：
B类：
苗期,谷子,地上部,图像处理技术,生长监测,室内环境,骨架提取,轮廓提取,表型特征,株高,叶片长度,节长,茎粗,自动分析,真实值,平均相对误差,决定系数,测量值,定量检测,高作,作物表型,表型参数,无损测量,测量效率
AB值：
0.25301
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
