车厘子，相信大家都不陌生，毕竟“车厘子自由”曾经也是风靡一时的网络热词。但是车厘茄是什么呢?车厘子的变种？车厘子和茄子的结合？空想不如实干，看看度娘怎么说......嚯，原来车厘茄就是常见的小番茄！另外，小加还了解到车厘茄含有丰富的维他命和十分高的铁质含量，不仅有美容功效，还可以预防出现贫血，可谓是值得多次购买的营养好物。但是购买时，我们只能通过朴素的双眼判断其好坏，如果从专业性的角度出发，该如何评估车厘茄的质量呢？答案就在下面这篇论文里，快一起来看看吧！基于深度学习和高光谱图像估算车厘茄可溶性固形物含量及硬度车厘茄（Solanum lycopersicum）因其特殊的香味深受世界各地消费者喜爱。可溶性固形物（SSC）和硬度是评估产品质量的两个主要指标。现存的测量技术主要依赖于化学方法。然而，这种破坏性的方法不适用于大面积的测量。高光谱成像技术可以同时获取光谱信息和空间信息，已广泛应用于各个领域，如植物病害胁迫检测、工业食品包装、医学图像分类及水果质量分析。基于此，来自浙江工业大学和浙江省农业科学院的研究人员选择当地主流的车厘茄（Zheyingfen-1）为研究对象，测量其硬度和SSC，并基于高光谱图像（PIKA XC 高光谱相机，Resonon Inc.，Bozeman，MT，USA）和相应的深度学习回归模型开发了无损式测量技术。高光谱成像系统【结果】（A）校正的光谱反射率图。（...
发布时间:
2023
-
02
-
13
浏览次数：199
松材线虫病（PWD），是由松材线虫（Bursaphelenchus xylophilus）引起的具有毁灭性的国际森林病害之一，可以在几个月内对松林造成快速、大面积的危害，已对我国造成了巨大的生态和经济损失。因此，及时的监测措施非常必要。高光谱遥感可以获取数百个波段和连续波长的数据来捕获受危害树木的生理变化，有助于检测早期病虫害。而基于无人机的高光谱成像仪可以准确观测树木冠层的变化，成为评估森林健康情况的有效工具。然而，以往的研究大多使用单日的无人机高光谱数据，难以监测病害发生的时间变化并确定最佳的监测时期。基于此，在本研究中，来自北京林业大学的研究团队于2021年5-10月使用多时态的数据在中国辽宁省抚顺市东洲区（124°12′36′′ -124°13′48′′ E，41°56′53′′ -41°57′46′′）进行了研究。在PWD爆发期间，作者于2021年5月9日、6月9日、7月11日、8月11日、9月13日和10月21日对红松林进行了地面调查（通过形态和分子鉴定确定59棵树携带松材线虫，另外选择59棵未被感染的树木作为对照）。于2021年5月11日、6月10日、7月12日、8月18日、9月15日和10月23日晴朗无云的天气条件下利用DJI Matrice 600 Pro无人机搭载Resonon Pika L高光谱相机以及LR1601-IR...
发布时间:
2022
-
12
-
30
浏览次数：202
盐沼是地表过湿或季节性积水、土壤盐渍化并长有盐生植物的地段。滨海盐沼以草本植物为主，沿潮间带延伸，可忍受高盐条件和因涨潮引起的周期性淹水。盐沼植被生产力高，可为许多物种提供繁殖、觅食和越冬的场所。盐沼植被地上生物量（AGB）的估算为监测盐沼生态系统时空稳定性、生产力和地上碳储量提供了有用信息。然而，以往关于AGB的估算研究主要局限于站点水平，且通常基于单一植被类型。与野外地面调查方法相比，遥感（RS）卫星成本低、速度快、范围广，在盐沼植被结构和生物物理指标的空间估计方面更具优势。其中，UAV-LiDAR数据具有较高的时空分辨率，在滨海盐沼三维结构监测中具有很大潜力。然后目前，利用UAV-LiDAR数据估算盐沼植被AGB的研究有限。为了确定滨海盐沼潮沟对植被群落空间分布及其生物量的影响， 来自复旦大学的研究团队在上海崇明东滩滨海湿地（121°54′-121°55′E，31°27′-31°28′N）进行了研究，主要目的为：（1）探索UAV-LiDAR数据估算盐沼植物AGB的潜力；（2）研究潮沟对盐沼植物群落空间格局及其地上C储量的影响。作者于2019年9月基于DJI M600平台，利用LR1601-IRIS LiDAR传感器（北京理加联合科技有限公司，北京依锐思）收集UAV-LiDAR数据。于2019年9月27日和28日获取光学图像数据。于201...
发布时间:
2022
-
12
-
06
浏览次数：201
了解亚热带森林树种的准确信息对于森林可持续管理、生态系统服务评估、生物多样性监测以及生态环境保护至关重要。因此，亟待快速有效的方法对单个树种进行分类。传统的树种地面调查费事、费力、成本高，难以大面积实施。而遥感可以获取较大区域的特征信息。许多遥感数据，如超高分辨率RGB、机载高光谱和雷达数据，已广泛应用于单木分割和树种分类。然而以往都是利用其中一种或两种类型的数据进行研究，综合这三种遥感数据进行树种分类的研究十分有限。基于此，为填补研究空白， 研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光谱（Resonon Pika L高光谱成像仪）、超高分辨率RGB数据以及地面数据进行单个树种的分类。作者首次开发了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法进行单木分割。然后整合UAV LiDAR（提取结构特征），高光谱（提取光谱特征）和超高分辨率RGB数据（提取纹理特征）进行分类。最后通过总体精度（OA）和kappa系数（k）评估分类精度。主要研究目标为：（1）评估所提出的WST-Ncut算法在亚热带阔叶森林进行单木分割的准确性；（2）与单独使用这些数据相比，评估UAV LiDAR，高光谱和超高...
发布时间:
2022
-
11
-
14
浏览次数：198
玉米是世界上最重要的作物之一。在玉米生长过程中，氮（N）是最重要的营养元素之一。玉米叶片中N转运主要以谷氨酰胺的形式进行。玉米产量与灌浆期叶片中的谷氨酰胺、谷氨酸、丙氨酸、天冬氨酸和天冬酰胺等氨基酸具有很好的相关性。因此，准确快速估算玉米叶片氨基酸含量对于提高玉米产量和N利用效率至关重要。分光光度法、化学分析法和质谱法是确定氨基酸含量的主要方法，具有高灵敏度和高准确度。然而，这些方法会破坏样品，且需要复杂的样品处理过程，通量低，成本高。高光谱成像技术因其快速、高通量和无损式测量成为估算作物生理生化参数的新方法，且已广泛用于作物表型性状的高通量筛选。然而，目前利用高光谱数据估算新鲜玉米叶片氨基酸含量的研究十分有限。基于此，为填补研究空白，在所附的文章中，中国农业大学的研究团队以新鲜玉米叶片为研究对象，探索了高光谱成像技术估算其氨基酸含量的可行性。考虑到施氮量对玉米叶片氨基酸含量的极大影响，作者设置了两个变量施氮实验。利用Resonon Pika L高光谱成像仪（光谱范围为400-1000 nm）采集玉米叶片的高光谱图像，并测量了玉米叶片24种氨基酸含量。作者利用NDVI从背景中分离出绿色叶片（高光谱图像预处理），利用Savitzky-Golay滤波进行去噪（数据预处理）。在模型建立过程中，作者首先通过样本变异系数（CV）和偏最小二乘回归（PLSR）筛选了各氨基酸含量的敏感波段范围和特...
发布时间:
2022
-
10
-
24
浏览次数：200
作物收获指数（HI）是评价作物产量和栽培效果的重要生物学参数，是进一步提高作物产量的重要决定因素。对作物育种、作物生长模拟、精准农业作物管理、作物产量估算及其它方面的应用研究具有重要意义。近年来，遥感凭借其在速度、精度和覆盖范围等方面的优势已逐渐成为获取大尺度作物HI的有效技术手段。而无人机（UAV）遥感技术也迅速发展，成为农业遥感监测的新手段。目前，UAV遥感传感器主要包括数码相机、多光谱相机和高光谱相机。其中，高光谱相机具有较多的波段，可以获取与作物生长状况密切相关的波段信息，可以为作物动态生长监测提供丰富的信息源，并可靠收集作物HI动态变化信息。然而，目前利用UAV高光谱遥感估算作物HI并无相关报道。基于此，在所附文章中，来自中国农业科学研究院的一组研究团队以冬小麦为研究对象，充分考虑其开花期至成熟期生物量和灌浆过程的变化以获取作物动态HI（D-HI）的空间信息。动态fG（D-fG）参数估算为开花期至成熟期期间不同生长期累积的地上生物量与对应时期地上生物量的比值。作者基于无人机高光谱遥感（DJI M600 Pro UAV+ Resonon Pika L 高光谱成像）数据进行了D-fG参数估算，提出了一种获取冬小麦D-HI空间信息的技术方法，并验证了所提出方法的精度。通过UAV高光谱数据计算的归一化差异光谱指数（NDSI）和D-fG测量值之间的相关关系筛选出D‑fG估算的敏感波...
发布时间:
2022
-
06
-
27
浏览次数：237
土壤是重要的自然资源，地球上95%的食物来源于土壤，土壤保存了至少四分之一的全球生物多样性，不仅是粮食安全、水安全和更广泛的生态系统安全的基础，更是为人类提供多种服务、帮助抵御和适应气候变化的重要因素。由土壤组成造成的胁迫，例如盐、重金属和养分亏缺是作物减产的主要原因。作物土壤耐逆性是一种复杂性状，涉及植物形态、代谢和基因调控网络等多种遗传和非遗传因素的调控。传统的作物表型研究通常在田间进行，费事费力、劳动密集、低通量、且受研究人员无法控制的自然环境因素的影响。在此情形下，难以获得高精度的表型数据以满足表型组学的研究需求。在过去几十年，已经开发了几种HTP（高通量表型）平台在现场或可控条件下使用，但其运维成本极高。此外，作物表型相关研究通常只关注植物地上部分，而对根系形态数据的获取有限。然而，根系是植物吸收水分和养分的主要途径，也是碳水化合物的储存器官和土壤胁迫的直接感知器官。因此，根系表型是土壤胁迫条件下植物表型研究的重要组成部分。就通量、环境可控性和根系表型获取而言，现有的植物表型平台无法完全满足植物对土壤胁迫响应的表型组学研究的特定需求。基于此，在本文中，来自山东大学生命科学学院和潍坊农科院的一组研究团队描述了其最近开发的高通量植物栽培和表型系统—WinRoots平台。以大豆植物为研究对象，将其暴露在盐胁迫中，证明了土壤盐胁迫条件的一致性和可控性以及WinRoots系统的高通...
发布时间:
2022
-
06
-
10
浏览次数：270
姜黄素是一种天然化合物，具有良好的抗炎、降血脂、抗氧化和抗癌等特性。姜黄素是从姜科、天南星科中一些植物的根茎中提取的一种二酮类化合物。其中，姜黄中约含姜黄素3%～6%，是植物界很稀少的具有二酮结构的色素。了解栽培根茎中姜黄素的水平并确定高产品种非常重要。传统上测量姜黄素是通过从新鲜根茎或干粉中将其提取出来，并使用高效液相色谱（HPLC）或紫外-可见分光光度法进行分析。从植物材料中分离姜黄素费事、费力、成本高，且需要专门的实验室设备和有经验的操作人员。而高光谱成像（HSI）是一种快速且无损的技术，已成功用于土壤和农产品（坚果、水果和蔬菜）各种化学成分和质量指标的评估。然而，目前尚未探索使用新鲜姜黄根茎的HIS图像来预测姜黄素。基于此，为了填补研究空白，在本文中，来自澳大利亚的一组研究团队进行了相关研究，旨在(1) 比较澳大利亚东部不同采样点3个姜黄品种（黄色、橙色和红色）的总姜黄素浓度和不同类姜黄素的分布；（2）评估利用可见-近红外（Vis/NIR）光谱（400-1000 nm）建立的PLSR模型预测新鲜姜黄根茎中总姜黄素浓度的潜力。作者在2018年11月至2019年11月，从五个研究地点共收集了190个样本，以捕捉生长周期的变化。利用光谱范围为400-1000 nm，光谱采样间隔为1.3 nm，光谱分辨率为2.3 nm的Resonon Pika XC2高光谱相机获取样品的高光谱图像...
发布时间:
2022
-
04
-
25
浏览次数：261
高光谱成像结合机器学习检测火炬松幼苗梭形锈病发病率火炬松是美国南部最重要的森林树种，它生长迅速、适应性强，可用于建筑木材、胶合板和纸浆等。松梭形锈病是由真菌Cronartium quercuum f.sp. fusiforme（Cqf）引起的一种影响该物种的常见且具有破坏性的病害。这种真菌通常会感染幼树的茎，导致被称为“锈瘿”的肿瘤样生长物产生，可能会造成树木死亡或产生“锈丛”，从而妨碍树木生长，降低木材使用价值。种植抗病苗是限制该病害的最有效的措施。温室中抗病性测试在人工接种幼苗后的目视估计病害发病率和严重程度具有高度主观性，容易出现人为错误，且劳动密集。此外，目视评估只有在病害感染一段时间后，症状充分发展时才能进行。而高光谱成像可同时获取空间和光谱信息，提供了在不同空间尺度上分析光谱信息的机会，已成功应用于多种植物物种的病害和胁迫检测。基于此，在本文中，来自北卡罗来纳州立大学和密西西比州立大学的研究团队提出了一种利用高光谱成像技术筛选火炬松幼苗梭形锈病发病率的创新方法，具体目标为（1）开发高光谱图像处理管道，用于从火炬松幼苗图像中的特定感兴趣区域（ROI）中提取光谱数据；（2）基于来自(1)的特定ROI的光谱数据，评估用于区分患病和未患病幼苗的SVM分类模型。图1 火炬松幼苗高光谱图像采集的成像装置。【高光谱图像获取】线性扫描高光谱成像仪（Pika XC2，Resonon In...
发布时间:
2022
-
04
-
19
浏览次数：204
改进积雪密度的估计是目前雪研究的一个关键问题。表征密度时空变异性对于水当量的估算、水力发电和自然灾害（雪崩洪水等）的评估至关重要。高光谱成像是一种监测和估计其物理特性的有前途且可靠的工具。事实上，雪的光谱反射率在一定程度上受其物理特性变化的控制，尤其是在光谱的近红外（NIR）部分。为此，已经设计了几种模型根据光谱信息估算积雪密度。然而，还没有一个实现满意的结果。主要困难之一是积雪密度和光谱反射率之间的关系是非双射的（满射的）。事实上，几个反射振幅与相同的密度相关，反之亦然，所以密度和光谱反射率之间的相关性可能非常弱。基于此，为了解决该问题，本研究中提出了基于光谱数据的积雪密度估计混合模型。主要研究目标是利用高光谱NIR成像（PIKA NIR，RESONON Company）（900-1700 nm）以5.5 nm的光谱分辨率测试混合模型（HM）估计季节性积雪密度的性能。混合模型结合了一个分类器和3个与密度类别相关联的特定估算量（弱到中度变质雪（WMM），中度到高度变质雪（MHM）和高度到极高度变质雪（HVM））。利用2018（1.19-3.27）、2019（1.10-4.3）和2020（1.29-3.10）年冬季在加拿大魁北克国立科学研究院（INRS）的科技园内（46°47′43.22″北纬，-71°18′10″西经）收集的数据集校准和验证了HM。混合模型在两个...
发布时间:
2022
-
01
-
24
浏览次数：236