您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201403-189
论文题目 基于计算机视觉的棉花植株含水量的预测研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于计算机视觉的棉花植株含水量的预测研究

首发时间:2014-03-06

王娟 1   

王娟(1981-02),女,讲师,博士研究生,主要研究方向为作物信息学和植物营养

危常州 1   

危常州(1966-09),男,教授,主要研究方向:作物营养学

万丹 1   

万丹(1988-10),男,石河子大学农学院09级本科生

王肖娟 2   

王肖娟(1979-07),女,工程师

李玮 1    顾凯 1   
  • 1、石河子大学农学院
  • 2、新疆天业(集团)有限公司

摘要:本文应用计算机视觉技术分析棉花冠层图像,提取图像颜色特征值建立不同生育期棉花植株含水量的预测模型,实现膜下滴灌条件下棉花植株快速、无损、低成本的植株含水量预测,为灌溉决策提供简单快速的方法。在棉花的初花、盛花期和花铃期使用数码相机拍摄不同程度干旱胁迫的棉花冠层图像,采用图像识别软件提取冠层图像的HSBr与RGB颜色特征值,同时在实验室采用常规方法测定棉花植株含水量。结果表明在不同生育期颜色特征值和植株含水量间的相关性达到显著水平。将颜色特征值分组后利用逐步回归法建立不同生育期棉花植株含水量的最佳预测模型。初花期颜色特征值G/R、盛花期特征值S/(B/R)、S/(2G-R-B)和花铃期特征值2G-R-B与植株含水量建立了最佳预测模型,方程相关系数分别为0.886、0.890 和0.831。模型检验结果表明不同时期建立的最佳模型预测的植株含水量与实测含水量间的决定系数分别为0.874、0.602和0.790;RMSE分别为1.476、1.096和0.956;相对误差RE均小于2%。合并不同生育期数据,建立适用于不同生育期预测植株含水量的通用模型。经检验,最佳通用模型的预测精度高于初花期的最佳方程,低于盛花期和花铃期的最佳模型,RMSE为1.386,相对误差RE为1.40%。结果表明,自然光照条件下应用数码相机采集不同生育期的棉花冠层图像获取的颜色特征值能够较好的预测棉花植株含水量。

关键词: 计算机视觉 棉花 植株含水量 颜色特征值 模型

For information in English, please click here

Research on cotton water content prediction based on computer-vision

WANG Juan 1   

王娟(1981-02),女,讲师,博士研究生,主要研究方向为作物信息学和植物营养

WEI Changzhou 2   

危常州(1966-09),男,教授,主要研究方向:作物营养学

WAN Dan 2   

万丹(1988-10),男,石河子大学农学院09级本科生

WANG Xiaojuan 3   

王肖娟(1979-07),女,工程师

LI Wei 2    GU Kai 2   
  • 1、Agriculture College,Shihezi University
  • 2、Agriculture College, Shihezi University
  • 3、Xinjiang Tianye Group, Shihezi, Xinjiang

Abstract:This paper aimed at establishing a rapidly, non-destructively and low-costly model to predict cotton water content in different growth periods based on computer-vision technology,for providing theoretical basis for irrigation decision-making. Cotton canopy digital image under different drought stress were captured by Nikon D90 digital camera during the period of cotton initial bloom stage, full bloom stage and flowering and boll-setting stage, respectively. The color characteristic parameters of the images of cotton canopy were extracted by a image processing software. Green parts of cotton image were extracted at hue between 60-180 degree. Then RGB and HSBr value of cotton canopy image were extracted. Meanwhile, the cotton water content for each sample was detected using the oven dry method in the laboratory. The result showed that the correlation coefficient between color characteristic parameters and cotton water content reached extremely significant level in different growth periods. The cotton water content predictive models at different growth stages were established separately by using the stepwise regression method. The color characteristic parameters of G/R in cotton initial bloom stage; S/(B/R)and S/(2G-R-B) in full bloom stage and 2G-R-B in flowering and boll-setting stage with cotton water content established the best prediction model respectively. The correlation coefficient of the predict model were 0.886, 0.890 and 0.831 in three different periods. The collected samples were used to construct a large-scale data set,two-thirds of which were used as the train set and the remaining one third were used as the test set. In order to test the prediction accuracy of models, the determination coefficient (R2) and root mean square error (RMSE) between plant water content of the measured values and predicted value were calculated by mathematical methods. The water content predicts model in initial bloom stage had highest accuracies, the R2 reached to 0.874 and root mean square error was 1.476. The model in full bloom stage had higher accuracies, the R2 reached to 0.602 and root mean square error was 1.096. The model based in flowering and boll-setting stage had lower accuracies, the validation R2 reached to 0.790 and root mean square error was 0.956. The relative error between predicted values and measured values were less than 2% in different periods, and the predicted results were reliable. The data of different growth periods was merged, established the universal model suitable for predicting plant water content at different stages .After accuracy test, universal model prediction accuracy was higher than the best model of initial bloom stage , and less than the best model of full bloom stage. The root mean square error between predicted values and measured values was 1.096 and relative error was 1.40%. It was concluded that color characteristic parameters of the canopy images can predict cotton crop water content based on computer-vision under the conditions of field natural light.

Keywords: computer vision cotton plant water content color characteristic parameters model

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
王娟,危常州,万丹,等. 基于计算机视觉的棉花植株含水量的预测研究[EB/OL]. 北京:中国科技论文在线 [2014-03-06]. http://www.paper.edu.cn/releasepaper/content/201403-189.

No.4587799720103139****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于计算机视觉的棉花植株含水量的预测研究