一、红富士苹果果实大小分布的早期预测研究(论文文献综述)
常汉[1](2021)在《水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究》文中指出研究和应用水果内部品质在线检测技术及装备对提高果品附加值、减少损耗、促进产业健康可持续发展具有重要意义。然而由于水果内部信息获取难度高、信噪比低等问题,水果内部品质尤其是深层内部病害检测技术及装备研发难度大。苹果作为我国主要种植的水果品种之一,在我国的种植面积和产量均位居园林水果的前列。然而由于气候、营养元素等因素的影响,水心病作为一种发生于苹果维管束和果核周围的内部生理性病害,在苹果的主产区陕西和新疆等地均有发生,对苹果的仓储和商品化流通产生了较大的影响。水心病苹果因其独特的口感受到消费者的追捧,商业上又被称为冰糖心苹果。本研究针对苹果水心病的内源性、无明显光谱特征、在线检测受苹果大小和姿态影响大及水心病苹果可溶性固形物含量(Soluble Solids Content,SSC)检测难度大等问题开展试验,探究可见/近红外(Visible/Near Infrared,Vis/NIR)光谱技术在线检测苹果水心程度(Watercore Severity Index,WSI)及水心病苹果SSC的可行性并进行检测技术和分级装备开发。本研究的目的在于提出一种水心病苹果WSI和SSC在线精确检测方法,并设计开发一种新的适合于苹果内部品质和内部病害检测的输送系统与检测机构,为推进水果产后商品化处理提供理论基础和装备支撑。本文的主要研究内容和结果如下:(1)针对苹果水心病及SSC在线检测需求,研究了水心病苹果的光学特性,利用浙江大学智能生物产业装备创新研发团队(IBE团队)开发的自由托盘式水果分选设备,并采用双光源对射式光源布局的半透射检测系统,开展了苹果水心病无损检测研究。结果显示:同样大小的水心病苹果的透射光强谱峰值高于正常苹果,且随着WSI的增大,光强峰值逐渐增大。随机分布的不同大小和形状的水心组织改变了苹果的光透性,使苹果光谱产生了明显地随WSI变化而变化的趋势。这可能是导致水心病苹果不同检测位置的光谱产生差异的原因,同时也导致SSC预测效果变差。在水心病苹果和正常苹果的二分类判别中,k最近邻算法(k-Nearest Neighbor,k NN)、反向传播神经网络(Back Propagation Neural Network,BPNN)、支持向量机(Support Vector Machine,SVM)、一维卷积神经网络(One-Dimensional Convolutional Neural Network,1D-CNN)四种算法识别准确率均在95%以上,该结果表明利用Vis/NIR光谱技术对水心病苹果和正常苹果进行无损检测分类是可行的。在不同程度水心病苹果和正常苹果的k NN二分类判别中,轻微水心苹果和正常苹果的判别准确率较差(68%),而中等或严重水心苹果与正常苹果的判别准确率较高(91%、100%)。WSI和SSC的预测结果也反映出水心组织对水心病苹果内部品质无损检测的影响。(2)针对上述研究中苹果不同大小和分布的水心组织对WSI和SSC检测影响大的问题,本研究基于光学仿真研究和实验研究建立了四光源仿环形光源布局的苹果水心病和SSC无损检测方法并分析了苹果大小对检测的影响。结果显示:由使用Light Tools软件进行的光学仿真研究结果可知在四光源仿环形光源布局下获取到的苹果光谱能够携带更多的苹果内部信息。样本为同样大小的苹果采用平均光谱建立的模型性能优异。同样大小苹果的SSC的偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型中,较优的建模集均方根误差(Root Mean Square Error of Calibration,RMSEC)和预测集均方根误差(Root Mean Square Error of Prediction,RMSEP)分别为0.34?Brix和0.37?Brix,相对分析误差(Residual Predictive Deviation,RPD)达到3.78。采用PLSR算法进行WSI预测的模型的较优RMSEC、RMSEP和RPD分别为2.00%、1.82%和1.69。在双光源对射式和四光源仿环形两种光源布局下,不同大小苹果的SSC和WSI预测中,四光源仿环形光源布局的检测效果要优于双光源对射式光源布局的检测效果,尤其是SSC的预测,其在四光源仿环形光源布局下采用PLSR算法的较优RMSEC和RMSEP分别能够达到0.35?Brix和0.43?Brix,RPD值为3.58。该试验结果验证了光学仿真的结论,提出了四光源仿环形较优光源布局,评估了不同大小苹果对检测的影响。(3)针对苹果大小对苹果水心病在线检测的影响,开发了以多功能果杯和自适应光源调整机构为核心的苹果水心病和SSC在线检测样机。针对自由托盘分选线中托盘定位难、装备复杂,而传统滚子输送式分选线中双锥式滚子不利于进行全透射或半透射模式检测等问题,开发了采用链传动的多功能果杯,能够满足水果全透射或半透射模式光谱检测需求,并具备准球形水果输送、称重、侧翻分级以及果杯自复位等功能。针对水果大小对光谱检测的影响,在光源布局优化基础上开发了基于水果大小自适应的光源调整机构,能够实现不同大小水果光谱的有效获取。在开发多功能果杯和自适应光源调整机构的基础上,进行了整机结构设计与研发。使用可编程逻辑控制器(Programmable Logic Controller,PLC)作为控制中心,以表指令为核心开发了样机的控制系统,并在电路系统中设计了强电动力电路和弱电控制电路,建立了强弱电隔离、PLC负载隔离、光谱仪触发信号隔离的稳定电路系统总成,实现了样机的正常运行以及水果光谱检测和分级功能。使用苹果和参比对样机静态和动态条件下的性能进行了测试,分析了不同速度下测试对象的光谱特性,确定了样机进行水果内部品质在线检测分级的可行性。(4)在完成苹果分选装备样机研制的基础上,研究了苹果姿态对苹果水心病和SSC在线检测的影响。在样机上综合考虑了三种可能的苹果检测姿态(姿态一:果梗朝上,姿态二:果梗-果萼轴线与输送方向平行,姿态三:果梗-果萼轴线与输送方向垂直),并开展了对比试验研究。结果显示,与姿态二和姿态三相比,在姿态一情况下使用PLSR建模算法对SSC的预测可以获取较好的预测效果(RMSEC 0.45?Brix、RMSEP 0.49?Brix和RPD 2.91),能够满足苹果SSC在线检测要求。而在水心病有无判别中,在姿态一放置条件下,SVM方法和姿态二的偏最小二乘判别分析(Partial Least Squares-Discrimination Analysis,PLS-DA)判别准确率一致,均为96%,但SVM方法敏感性和特异性(98%、83%)更加均衡,反映出SVM模型对水心病苹果和正常苹果均有较好的识别效果。研究结果表明,果梗朝上(姿态一)的输送方式在样机上对苹果水心病和SSC的检测均具备一定的优势。(5)针对不同大小的苹果在固定光源下受光区域相对位置不一致而影响检测精度的问题,提出了基于自适应光源调整机构的不同大小苹果的光谱修正方法,并对比分析了修正前后的模型效果。将不同大小苹果分成4组,在光谱检测中自适应光源调整机构根据苹果大小按组调整高度,保证光源照射到苹果上的相对高度一致,从而获取相对光程基本一致的光谱并进行光谱修正方法研究。结果显示:结合自适应光源调整机构和相对光程长度的修正光谱模型中,使用PLSR算法能够获取到较优SSC预测模型,其RMSEC、RMSEP和RPD分别为0.44?Brix、0.47?Brix和2.19。对比修正前的光谱,该模型能够获得更低的RMSEP和相对接近的RPD值。经过大小修正的光谱在PLS-DA算法下不同大小苹果的水心病判别准确率为81%,尽管模型判别准确率要低于同样大小苹果的水心病判别结果,然而对比未进行光源高度调整以及未进行光谱修正的模型,具有更加均衡的敏感性和特异性以及更高的水心病判别准确率。
陈绍民[2](2021)在《水肥一体化水氮用量对苹果园氮素利用的影响及其供应决策》文中研究说明我国苹果种植面积居世界首位,黄土高原是世界公认的苹果优势产区之一。目前该区域苹果种植过程中化肥过量使用、养分投入时间与树体需求不匹配,提高水氮资源的利用效率对于提高苹果品质和优果率、降低环境污染风险等有重要意义。本研究以矮砧密植(株行距2 m×4 m)苹果树为研究对象,采用具有显着节水、节肥、增效特征的水肥一体化方式供应水氮,于2017年10月至2020年10月在陕西洛川开展了苹果树水氮用量的田间试验。试验设置2个灌水上限(W1:80%θf、W2:100%θf)和4个施氮量水平(N1:0 kg?hm-2;N2:120 kg?hm-2;N3:240 kg?hm-2;N4:360 kg?hm-2)的完全组合处理,共8个处理。动态监测苹果树各生育期冠层尺度高光谱反射率、叶片氮含量、冠层生长特征(春梢长度、叶面积指数)及产量、品质(外观品质、内在品质)和土壤硝态氮分布与残留状况等指标,研究了水肥一体化水氮用量对苹果树氮素营养、冠层生长特征及产量品质的影响,分析了不同水氮用量下苹果园土壤硝态氮分布及残留特征,并采用组合评价方法进行了基于苹果树生长-氮素营养动态-产量品质-土壤硝态氮残留的苹果园水肥一体化水氮用量优选;探索了基于高光谱遥感估测苹果树叶片氮含量的方法,在此基础上,构建了基于高光谱遥感的苹果树冠层叶片氮含量反演模型和水氮供应决策模型。取得了如下主要结论:(1)探明了水肥一体化水氮用量对苹果树叶片氮含量及冠层生长动态的影响规律。相同施氮量条件下,提高灌水上限可以提高苹果树叶片氮含量,但差异不显着(P>0.05)。相对于不施氮肥处理,施氮可以显着增加苹果树冠层叶片氮含量(P<0.05);N4对叶片氮含量的增加具有显着作用,N2和N3之间没有显着差异(P>0.05),二者显着高于不施氮处理。受苹果树体储藏氮素的影响,苹果园改化肥土施为水肥一体化方式,实施第1年(2018年)N2对新梢生长有利,第2年(2019年)N3有益于新梢的延长。春梢生长规律符合Logistic曲线特性,模型模拟表明,更高的灌水上限或施氮处理均能够延迟最大春梢生长速率的出现,同时延长春梢生长时间。提高灌水上限有利于叶面积指数的增加,但增加不显着(P>0.05)。试验年苹果树生育前期叶面积指数相对大小关系与春梢生长相关,2018年N2、2019年N3更有利于叶面积指数的形成;N4更有利于果实采摘后苹果树叶片脱落时间的延迟。(2)揭示了水肥一体化水氮用量对苹果树产量、品质及水氮利用效率的影响规律。苹果产量受灌水上限、施氮量单因素影响极显着(P<0.01)。施氮处理能够显着优化产量构成要素(单果重、单株果数)(P<0.05),显着提高苹果产量(P<0.05),最高产量(34277 kg·hm-2)在N3水平获得,N4造成苹果小幅度减产。苹果产量与施氮量成二次抛物线关系(P<0.05),理论最佳施氮量在230~240 kg?hm-2范围。合理的氮肥用量能够显着提高苹果的纵径和横径(P<0.05),苹果的果形指数受水氮用量的影响不显着(P>0.05)。提高灌水上限会降低苹果果肉硬度、可溶性固形物、可溶性糖以及糖酸比和固酸比,增加可滴定酸和维生素C含量,但这些影响未达0.05显着水平。施用氮肥会显着降低苹果果肉硬度和可滴定酸含量(P<0.05),显着增加可溶性固形物、可溶性糖、维生素C、糖酸比和固酸比(P<0.05)。苹果内在品质指标之间存在显着的相关关系。任一施氮水平下,与W1灌水上限相比,W2能够提高水分利用效率和氮肥农学利用率。增施氮肥则显着降低氮肥农学利用率(P<0.05),灌水上限W2、施氮量N2处理获得了最高的氮肥农学利用率(75.49 kg?kg-1)。灌水上限W2、施氮量N3处理对于维持苹果产量、提高品质、获得更高的水分利用效率有显着作用。(3)明确了水肥一体化水氮用量对采收后苹果园土壤硝态氮分布、残留量及其年际变化的影响。N2、N3、N4处理,0-80 cm土层土壤硝态氮含量随深度增加而增加;80-160 cm土层土壤硝态氮出现聚集现象;160-200 cm土层土壤硝态氮含量逐渐降低,硝态氮在主要根系分布层(0-80 cm)以外出现了聚集现象;水平方向最大土壤硝态氮含量出现在距树行0 cm处(滴灌管下方)。不施氮处理(N1)土壤硝态氮随水分向下层土壤运移,较高土壤硝态氮含量(108 mg?kg-1)处于180 cm深度土层附近;水平方向0-80 cm土层土壤硝态氮含量最大值(52 mg?kg-1)在距树行100 cm处,土壤硝态氮含量与距树行距离成正比。土壤硝态氮含量的时间(逐年)分布特征主要受施氮量水平的影响。2017~2020年,N1和N2处理根层(0-200 cm)土壤硝态氮含量逐年下降,最大下降比例达78.56%;N3土壤硝态氮含量无显着变化;N4土壤硝态氮含量增加,最大可达197.30%。果实采收后苹果园土壤硝态氮残留量受施氮量影响极显着(P<0.01)。水肥一体化实施后,2018年各处理土壤硝态氮残留量无显着差异(P>0.05);2019年表现为,施氮处理显着高于不施氮处理;2020年,4个施氮水平间差异显着(P<0.05)。施氮量0、120 kg?hm-2处理土壤硝态氮残留量逐年降低,N1降低幅度显着高于N2(P<0.05);N3土壤硝态氮残留量3年变化幅度在10%左右,差异不显着(P>0.05);N4土壤硝态氮残留量显着增加,最大增幅为81.05%(P<0.05)。(4)提出了黄土高原矮砧密植苹果园综合效应最佳的水肥一体化水氮用量。基于无气象灾害年份(2019年)试验数据,以冠层生长、氮素营养、产量品质、土壤硝态氮、水/氮利用效率等为评价指标,采用主成分分析法、近似理想解法(TOPSIS)、灰色关联法和隶属函数分析法对苹果园水肥一体化水氮用量的效应进行综合评价,结果具有非一致性特征。进而建立基于4种单一评价方法评价结果的模糊Borda组合评价模型,结果表明W2N3是黄土高原矮砧密植苹果园最适水氮用量。(5)探索了基于苹果树冠层尺度高光谱反射率的叶片氮含量估测方法。不同光谱预处理方法对于光谱曲线的去噪能力表现不同,整体而言,一阶导数(FD)处理能够提高光谱信噪比,而二阶导数光谱造成信噪比出现下降的现象。竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、随机蛙跳算法(Rfrog)、偏最小二乘法(PLS)等特征变量提取方法均大幅减少了用于建模的因子数量,提取的波长变量广泛分布于可见光/近红外区域。相同数据集所建立的非线性模型估测精度明显优于线性模型。采用标准正态变换(SNV)结合FD光谱预处理、Rfrog提取波长变量和极限学习机(ELM)建模的系统方法(SNV-FD-Rfrog-ELM)或Savitzky-Golay卷积平滑(SG)结合FD光谱预处理、PLS提取主成分(LVs)和ELM建模的系统方法(SG-FD-PLS(LVs)-ELM)估测黄土高原苹果树(富士)冠层尺度氮含量具有较好的精度。(6)建立了基于高光谱遥感的苹果树水肥一体化水氮供应决策模型。采用叠加集成(SE)模型,以苹果树冠层尺度高光谱反射率为模型输入,分别基于极限学习机(ELM)、差分进化算法优化的ELM(DE_ELM)和自适应差分进化算法优化的ELM(Sa DE_ELM)作为子模型的建模方法,在子模型融合过程中分别采用基于子模型RMSE的权重策略和偏最小二乘法(PLS)权重策略。PLS加权策略能够在集成若干子模型的过程中提供最佳的权重,改善基于RMSE策略权重预测结果偏低的问题。模型总体精度表现为:SE-Sa DE_ELM>SE-DE_ELM>SE-ELM。SE-Sa DE_ELM模型和PLS策略的叠加集成模型能够实现对异常值影响的抵抗,且估测精度极好,RP2,RMSEP和RRMSE分别为0.843,1.747 mg?g-1和8.019%。推荐使用Sa DE_ELM作为子模型和PLS策略的叠加集成模型进行苹果树叶片氮含量状况的监测。幼果期和果实膨大初期是苹果树供氮关键期。构建幼果期和果实膨大初期追施氮量-灌水上限-叶片氮含量回归模型和追施氮量-灌水上限-单果重的回归模型,并根据这些模型,通过目标单果重得到目标施氮量和灌水上限,以光谱诊断苹果树叶片氮含量为参考,估算苹果树已施氮量,最终求得最佳水、氮供应量。模型验证表明:幼果期和果实膨大期水、氮供应决策理论值与实际值差异较小,氮肥追施量相对误差介于1.67~9.92%(除幼果期一样本树为44.92%以外),模型整体上取得了良好的效果。
徐海[3](2020)在《苹果糖度可见/近红外漫透射光谱在线检测通用模型研究》文中研究指明随着我国经济的发展与人们生活水平的提高,人们对水果的购买力大大提升。我国作为水果生产大国,但在国际水果市场上缺乏竞争力,究其根本,主要原因是我国水果商品化处理程度低,导致水果品质参差不齐。而水果内部品质检测分级是水果商品化处理的重要环节,近年来,由于快速、无损、易于实现等优点,可见/近红外(Visible/Near Infrared,Vis/NIR)光谱技术在测量水果的内部品质参数方面得到了广泛应用。然而,因为产地、品种与收获年份等的影响,水果的物化性质会发生改变。这种生物变异性会对利用Vis/NIR技术分析水果可溶性固形物含量(Soluble Solids Content,SSC)时产生较大影响,使得基于某一产地、品种或年份数据建立的模型无法准确预测其他产地、品种或收获年份水果的SSC。因此,本研究基于团队自主研发的水果内部品质智能化在线检测装备,以苹果为研究对象,开展了苹果糖度可见/近红外漫透射光谱在线检测通用模型的研究,主要研究内容与结论如下:(1)研究了产地对苹果糖度在线检测模型的影响。以产自山东栖霞,陕西洛川以及甘肃会宁的红富士苹果为研究对象,首先对三个产地的样本分别建立偏最小二乘回归(Partial Least Squares Regression,PLSR)模型,其残留预测偏差(Residual Prediction Deviation,RPD)分别为3.02,2.62与2.29,可见局部产地模型内部预测结果较好。其次,以栖霞产地为例,采用K-S算法从洛川与会宁样本集中挑选10,20,30与40个具有代表性的样本添加到栖霞模型中,更新后模型对洛川与会宁样本的预测均方根误差(Root Mean Square Error of Prediction,RMSEP)分别由从原来的0.82°Brix与1.24°Brix降低至0.69°Brix与0.86°Brix,可见添加其他产地的部分样本可以在一定程度上提升局部产地模型对其他产地样本的预测能力。最后,混合三个产地的校正集样本建立全局产地模型,对三个产地样本的RMSEP分别为0.62°Brix,0.64°Brix与0.65°Brix,预测效果相比局部模型更新有了进一步提升。在此基础上,采用无信息变量消除(Uninformative Variable Elimination,UVE)对样本的建模波长进行筛选,除了会宁样本外,所建模型对栖霞与洛川样本的RMSEP分别减小到0.50°Brix与0.63°Brix,并且在总体预测精度不变的同时,建模变量与潜变量个数分别由400与12降低为58与8。通过60个测试样本对模型实际性能进行测试,其RPD为2.33。结果表明,对苹果进行SSC在线检测时,应充分考虑产地因素,通过建立全局通用模型能够扩大不同产地之间糖度在线检测模型的预测范围,模型通用性与稳健性得到了提升,而采用适合的波长选择方法能够简化模型。(2)研究了品种对苹果糖度在线检测模型的影响。以来自洛川县某商业果园的冰糖心,普通红富士与水晶富士三种苹果为研究对象,首先对三种样本分别建立PLSR模型,其RPD分别为2.98,2.80与2.10,可见局部品种模型的内部预测结果较好。其次,以冰糖心品种为例,采用K-S算法从红富士与水晶富士样本集中挑选10,20,30与40个具有代表性的样本添加到冰糖心模型中,更新后模型对红富士与水晶富士样本的RMSEP分别由从原来的1.25°Brix与2.73°Brix降低至0.98°Brix与0.80°Brix,可见添加其他品种的部分样本可以在一定程度上提升局部品种模型对其他品种样本的预测能力。最后,混合三个品种的校正集样本建立全局品种模型,对三种样本的RMSEP分别为0.59°Brix,0.64°Brix与0.63°Brix,预测效果相比局部模型更新有了进一步提升。在此基础上,采用UVE对建模波长进行筛选,除了普通红富士样本外,所建模型对冰糖心与水晶富士的RMSEP分别减小到0.54°Brix与0.61°Brix,并且在总体预测精度不变的同时,建模变量与潜变量个数分别由398与12降低为144与10。通过68个测试样本对模型实际性能进行测试,模型的RPD为1.70。结果表明,对苹果SSC进行在线检测时,应充分考虑品种因素,通过建立全局通用模型能够扩大不同品种之间糖度在线检测模型的预测范围,模型的通用性与稳健性得到了提升,而采用适合的波长选择方法能够简化模型。(3)研究了不同年份苹果糖度在线检测模型的维护方法。以20172019年的洛川冰糖心苹果为研究对象,首先对2017年样本建立基础校正模型,对2017年,2018年以及2019年样本的RMSEP分别为0.64°Brix,0.94°Brix与1.38°Brix,表明初始年份建立的SSC在线检测模型对新年份样本的预测能力大大降低。其次,通过K-S法从2018年与2019年的校正集样本中挑选了5,10与20个代表性样本加入到基础模型中,更新后的模型对2018年与2019年样本的RMSEP分别减小为0.70°Brix与0.92°Brix,结果表明,通过向基础模型中添加收获年份的少量新样本可以对模型进行维护。最后,分别从2018年与2019年的校正集中随机选择540个样本作为标准样本集,采用斜率/截距算法(Slope/Bias,S/B)对模型进行维护。对于每个标准样本数,都进行10次选择,将10次选择计算得出的平均RMSEP作为该标准样本数下对应的最终结果。对于2018年的预测样本,当选择标准样本个数为5时,维护效果更佳,RMSEP为0.65°Brix。而对于2019年的预测样本,当选择的标准样本个数为10时,维护效果更佳,RMSEP为0.61°Brix。结果表明,采用S/B算法能够快速方便地对苹果糖度在线检测模型进行维护,对于实际生产,不仅节约了大量的成本,并且过程操作简单,无需专业化软件以及专业人员,对于生产要求不高的应用场合更加具有现实意义。
王丹丹[4](2020)在《全生长期树上苹果识别与生长参数远程检测方法研究》文中研究表明在苹果生长发育过程中,及时获得果实的生长参数对于研究果实的生长规律及指导果农进行科学管理具有重要意义。传统的苹果果实生长参数主要靠人工测量获得,具有耗时耗力、成本高等缺点。计算机视觉技术可以很好地弥补人工测量的不足,为实现树上苹果智能化生长参数检测提供技术支持。然而,由于苹果生长的自然环境比较复杂,且果实在整个生长过程中存在由小到大、由绿变红的过程,使得精准、自动地识别树上果实并检测果实大小信息较为困难。为解决上述问题,在国内外研究成果的基础上,利用数字图像处理技术、模式识别及机器学习等相关农业信息技术和方法,对疏果前苹果目标的识别、不依赖于颜色特征的苹果图像的分割、苹果轮廓的检测及苹果横径生长远程检测开展了系统的研究。论文的主要研究内容及结论如下:(1)提出基于区域的全卷积网络(R-FCN)的疏果前苹果目标识别方法。针对疏果前苹果目标较小,且颜色与背景叶片极其相似而难以识别的问题,在研究基于ResNet-50和ResNet-101的R-FCN结构及识别结果的基础上,改进设计了基于ResNet-44的R-FCN,以提高苹果的识别精度并简化网络。该网络模型主要由ResNet-44全卷积网络、区域生成网络(RPN)及感兴趣区域(Ro I)子网构成。ResNet-44全卷积网络为基础网络,用以提取图像的特征,RPN根据提取的特征生成Ro I,然后Ro I子网根据ResNet-44提取的特征及RPN输出的Ro I进行苹果目标的识别与定位。对采集的图像扩容后,随机选取23 591幅图像作为训练集,4 739幅图像作为验证集,对网络进行训练及参数优化。用332幅图像组成的测试集进行识别试验的结果表明,该方法可有效地识别出重叠、被枝叶遮挡、模糊、表面有阴影、强光及弱光的苹果目标和被枝条或叶柄分成多个部分的苹果目标,召回率为85.7%,精确率为95.1%,平均速度为0.187 s/幅。比Faster R-CNN、基于ResNet-50和ResNet-101的R-FCN的F1值分别提高16.4%、0.7%和0.7%,识别速度比基于ResNet-50和ResNet-101的R-FCN分别提高了0.010 s和0.041 s。该方法解决了传统方法难以实现的疏果前微小绿色苹果目标识别问题,也可广泛应用于其他与背景颜色相近的小目标识别中。(2)提出一种不依赖于颜色特征的苹果图像分割方法。苹果从幼果期到成熟期,其颜色由绿变红发生极大改变,为了实现不同生长期不同颜色苹果的分割,并提高图像分割的智能化水平,首先用基于自然统计的显着性(SUN)视觉注意模型提取原始图像的显着图,在阈值分割显着图后,将二值图像中目标的质心作为初始种子生长点,同时对原始图像用拉普拉斯算子进行图像锐化,然后用基于全局化轮廓概率-方向分水岭变换-超度量轮廓图算法及Otsu阈值分割算法提取锐化后图像的显着轮廓,最后由初始种子点在显着轮廓图上进行区域生长,进而完成苹果目标的分割。用自然场景下采集的556幅不同生长阶段的苹果图像进行试验,结果表明,该算法的平均分割误差(SE)、平均假阳性率(FPR)、平均假阴性率(FNR)及平均重叠系数(OI)分别为8.4%、0.8%、7.5%和90.5%,图像分割结果优于其他6种对比方法。该方法可在不改变任何特征及参数的情况下,有效地分割绿、红及表面红绿分布不均匀的苹果。(3)提出了基于ResNet-50卷积特征融合的苹果轮廓检测网络(DAC-FEB)。为了快速、准确地检测出图像中苹果的轮廓,在ResNet-50网络模型的基础上进行了改进。该网络融合了ResNet-50中第2到第5阶段中各个块的卷积特征,并增加新的卷积层以去除上采样过程中产生的伪影。采集903幅不同成熟度的苹果图像,选取其中160幅图像作为测试集,对其余703幅图像进行水平镜像及对原始图像和镜像图像分别旋转90°、180°和270°进行图像扩容,用扩容后得到的5944幅图像进行网络训练与参数优化。结果表明,DAC-FEB网络在测试集上的F1值为53.1%,平均每幅图像运行时间为0.075s,轮廓检测结果优于其他7种轮廓检测方法。该方法能够有效地去除复杂背景,准确地检测出图像中苹果的轮廓,且具有近实时性,可有效提取出单个、重叠、被遮挡、半成熟颜色不均匀、成熟红色及未成熟绿色苹果目标的轮廓。(4)针对自然场景下苹果生长信息获取难题,提出了一种基于轮廓检测的树上苹果横径远程检测方法。在设计以CMOS网络球型摄像机和PC为核心的苹果图像远程定时获取硬件系统的基础上,设计了树上苹果横径的测量方法。图像预处理后,利用设计的DAC-FEB网络提取图像中苹果的轮廓,为了滤除图像中非检测的苹果,从预处理后的图像中手动选取待检测苹果上的一个点作为种子点,并在提取的轮廓图上进行区域生长以分割出待检测苹果。以2018年6月23日为界限,分别将图像中的苹果按圆形和椭圆形进行拟合,并分别用圆的直径和拟合椭圆长轴所在直线与苹果轮廓交点间的线段作为苹果的横径,最后利用标定球将其转换为实际苹果横径。实验结果表明,该系统实现了对21个苹果从疏果后(2018年5月16日)到成熟(2018年9月28日)期间横径生长的检测,系统检测苹果横径的平均绝对误差均值为0.90 mm,比基于圆拟合的横径检测方法(2.80 mm)降低了67.9%。利用该系统能够有效、准确地检测树上苹果的生长,并为其他果实的生长检测提供了参考,可望用于果园管理的优化。
孟玮[5](2020)在《蓄水坑灌下苹果树耗水特性及其对果树生长与产出的影响研究》文中研究指明随着对蓄水坑灌方法的不断深入研究,为加快推进该方法在我国黄土高原地区果林灌溉中的应用,深入探究蓄水坑灌下苹果树耗水特性及其对果树生长与产出的影响对蓄水坑灌果园的合理灌溉具有重要意义。本论文以三段砧木矮化成龄红富士苹果树为研究对象,设置蓄水坑灌灌水处理六个,地面灌溉灌水处理两个,共八个试验处理,采用田间试验、理论分析与模型模拟相结合的研究方法,对蓄水坑灌下不同灌水处理苹果树的蒸散量进行定量研究,主要研究内容和结论如下:(1)对蓄水坑灌苹果树蒸发量、蒸腾量及蒸散量的变化机制进行了分析,进一步揭示了蓄水坑灌法在工程设计方面的节水机理。与地面灌溉相比,蓄水坑灌法显着影响了果树在全生育期内的蒸散量、蒸腾量及蒸发量。在2018年果树生育期内,蓄水坑灌苹果树的棵间累积蒸发量及蒸散量分别约是地面灌溉的71%-72%和87.78%-88.10%;在2019年果树生育期内,蓄水坑灌苹果树的棵间累积蒸发量及蒸散量分别约是地面灌溉的62%-67%和79.22%-82.66%。说明蓄水坑灌法能有效减少果园无效耗水,同时可提高水分利用效率。(2)对蓄水坑灌果园的潜热通量进行了定量研究。针对蓄水坑灌果园特殊下垫面,引入了坑灌系数1)以区分蓄水坑灌果园棵间地表蒸发和棵间蓄水坑蒸发,提出了蓄水坑灌果园中两种土壤表面阻力(地表土壤表面阻力和蓄水坑坑壁土壤表面阻力)的计算模型,建立了蓄水坑灌果园潜热通量的计算模型,应用该模型计算蓄水坑灌果园潜热通量的拟合度2为0.9292,均方根误差RMSE为7.9767,因而模型可用于蓄水坑灌果园潜热通量的预测中。(3)对蓄水坑灌果园的蒸散量进行了定量计算。采用径流计-蒸渗仪联合法测定了蓄水坑灌下苹果树的蒸散量,构建了蓄水坑灌苹果树的蒸散量估算模型SWp,同时评价了SWp模型的准确性和适用性。将SWp模型、水量平衡法、Penman-Monteith(PM)模型及Shuttleworth-Wallace(SW)模型与实测值相比,SWp模型在模拟蓄水坑灌苹果树蒸散量时,模拟值总体略大于实测值,平均比实测值偏大在10%以内,其估算值更接近于径流计-蒸渗仪联合法的实测值,且具有较高的相关系数,较低的均方根误差和相对误差。说明SWp模型是适合估算黄土高原区蓄水坑灌苹果树蒸散量的优化模型,该模型提高了蓄水坑灌苹果树实际蒸散量的估算精度。(4)对蓄水坑灌苹果树生理及生长规律的差异性进行了定量分析,进一步阐释了蓄水坑灌法在生理生长方面的节水机理。与地面灌溉相比,蓄水坑灌法显着影响了果树在全生育期内的有效根长密度,从果树根系角度出发,蓄水坑灌法诱发了苹果树根系在纵向的生长,并扩大了根系有效吸收的空间;与地面灌溉相比,蓄水坑灌果树的气孔导度高出12.0%-22.5%,蓄水坑灌果树的净光合速率高出4.4%-19.1%,蓄水坑灌果树的蒸腾速率高出7.8%-13.6%,从果树冠层角度出发,蓄水坑灌苹果树冠层生理活动较地面灌溉苹果树活跃。可见在果树生理生长方面蓄水坑灌法优于地面灌溉。(5)对蓄水坑灌苹果树的水分利用及果实产量品质等指标进行了定量分析。确定了蓄水坑灌苹果树的水分生产函数,结果表明蓄水坑灌苹果树在果实膨大期水分对产量的影响最为敏感。与地面灌溉相比,蓄水坑灌苹果树的耗水量减少了12.23%-20.78%,而产量则增加了4.8%-14.7%,可以说明蓄水坑灌法是一种较地面灌溉更为节水且丰产的果园灌溉方法。(6)利用二级模糊综合评判法对蓄水坑灌苹果树的水分调控模式进行了评价。以最大经济效益为原则,得出了综合效益最高的水分调控模式是T5试验处理,即在萌芽花期的灌水上下限分别为田间持水量的80%和60%,在新梢旺长期的灌水上下限分别为田间持水量的90%和70%,在果实膨大期的灌水上下限分别为田间持水量的100%和80%,这样的水分调控模式既满足了蓄水坑灌苹果树在不同物候期内对水分的要求,同时也达到了收益最大化的目的,因而该二级模糊综合评判模型可应用于蓄水坑灌果园最优水分调控模式的常规筛选。
田世杰[6](2020)在《基于透射光谱的苹果霉心病判别影响因素及其修正方法研究》文中研究指明苹果是我国最重要的水果产业支柱之一,近年来由于生活水平的提高,人们越来越重视其内部品质,对苹果的需求也逐渐从“数量型”向“质量型”转变。霉心病作为苹果的一种内部病害,严重制约着整个产业的优质果率和出口率。基于可见/近红外透射光谱技术检测苹果霉心病的方法引起了国内外众多学者的重视,且取得了较好的检测效果。但是现有研究多数在采用大小均匀样本的理想状态下进行建模与分析,忽略了果实颜色、果实大小等样本差异对于透射光谱的影响,而实际采后检测中苹果的大小、表面颜色、检测位置、光源距离等众多因素均会对霉心病的检测效果造成影响。为了提高采后苹果霉心病检测精度、检测可靠性以及适用性,提升检测模型的实用性与先进性,本文对基于透射光谱的苹果霉心病判别影响因素进行了深入研究,并提出了一些考虑影响因子的光谱修正方法。主要研究内容和结论如下:(1)构建了苹果霉心病透射光谱检测平台并对光谱数据分析方法进行了介绍。首先分析了苹果不同霉心病类型(褐变型、霉心型和心腐型)的发病机理以及病害特点,论证了基于近红外光谱技术检测苹果内部病害的可行性。其次,根据光谱透射检测特点,搭建了基于光谱仪的苹果霉心病透射光谱检测平台。最后,对于本文在光谱分析过程中应用到的样本选择方法、异常样本剔除方法、光谱预处理方法、数据压缩方法、模式识别方法的原理均进行了详细的阐述,为后续几章中基于透射光谱的苹果霉心病判别影响因素及其修正方法研究奠定了一定的理论基础。(2)基于检测平台分析了不同表面颜色、测试部位、光源距离和果实大小对于苹果近红外透射光谱的影响。应用光谱在波峰处光强度值的单因素方差分析得知,苹果样品在不同果实大小、光源距离、测试部位、着色质量、着色类型时得到的光强度值大小差异性显着(F计算值均大于α=0.05时的F检验值)。对比之下,不同果实大小更为严重影响着透射光谱,呈现随着果实增大,光谱强度不断减弱的现象。进一步研究中,尝试采用调整苹果果皮、苹果底部、苹果果心位置距离光源距离的实验方法减弱果实大小对于透射光强的影响进而提高苹果霉心病的判别率,结果并没有改善果实大小带来的影响。(3)提出了基于直径变换和光谱变换的方法来修正果实大小对透射光谱的影响。用公式求取光在果实内部的衰减系数,利用光在苹果内穿透时的衰减系数修正透射光谱从而将不同大小的果实光谱转换到同一果径基准下。实验结果表明,两种方法均能显着提高模型识别准确率。在SVM算法中,基于直径变换修正光谱建立的模型相对于原始光谱建立的模型对训练集和测试集的判别准确率分别提高了7.84%和5.89%,基于光谱变换修正光谱建立的模型相对于原始光谱建立的模型对训练集和测试集的判别准确率分别提高了5.88%和5.89%。(4)对苹果霉心病在线检测的影响因素及修正方法进行了探究。首先,设计霉心病在线检测环节并参与搭建了苹果霉心病智能检测生产线系统。然后,基于信噪比和光谱面积变化率对苹果不同摆放方向时的系统光谱稳定性进行了评价,结果表明果实径轴与光谱采集方向垂直时获得的透射光谱相对于其他方向下采集的光谱更稳定。最后,为了消除在线苹果霉心病检测中果品摆放方向的影响,提出了融合不同摆放方向光谱信息建立全部补偿SVM模型的方法。结果表明该方法建立的模型能够消除由果品摆放方向变化带来的影响,其针对不同摆放方向下中等或者重度霉心病苹果的识别准确率均达到100%。
魏增宇[7](2019)在《1-MCP结合CO2处理对鲜切苹果贮藏期间品质变化影响》文中研究表明为有效改善鲜切苹果品质,延长货架期时间,本论文首先检验了 1-MCP和二氧化碳处理对鲜切苹果的保鲜效果;其次将两者结合使用探讨方法的可行性,并对其影响机理进行初步研究;最后建立了鲜切苹果二氧化碳伤害预警方程,研究结果如下所示:1.建立了各相关品质指标的品质动力学模型,并与阿伦尼乌斯方程进行结合,建立了各指标下的品质衰变变化动力学方程;其次,通过相关性分析确定了褐变指数作为表征鲜切苹果二氧化碳伤害的品质指标,并建立了建立了如下式所述的二氧化碳伤害预警方程。通过该方程可预测5-35℃贮藏环境下鲜切苹果出现二氧化碳伤害症状的剩余时间。SL=93.24-f(t)/10748.27 × exp(-1 894.4/T)2.在不同1-MCP处理浓度对鲜切苹果品质影响的试验结果表明,1-MCP处理可有效延长鲜切苹果货架期。其中,处理浓度为1.5 μ/L、处理时间为24h的1-MCP处理方式为鲜切苹果的最适处理浓度,可延长货架期2d。。3.在不同CO2处理浓度对鲜切苹果品质影响的试验中发现,1~2%的CO2处理浓度改善了鲜切苹果的褐变现象,使得鲜切苹果货架期延长2 d;但当二氧化碳浓度超过2%时,鲜切苹果即较容易受到二氧化碳伤害,在第2d便已达到感官评分终点。4.在同时使用1-MCP和CO2对鲜切苹果进行处理的试验中发现,1-MCP处理降低了鲜切苹果对二氧化碳的耐受能力,当二氧化碳浓度为1~2%时即会产生二氧化碳伤害症状。5.对造成上述现象相关机理的研究表明,1-MCP处理使得鲜切苹果在受到较低二氧化碳浓度环境中便会更容易产生自由基等活性成分,从而使得超氧阴离子等成分不断增加,使得脂氧合酶(LOX)活性上升,细胞的膜脂质氧化防御机制遭到严重破坏,激活了各种防御酶的活性,进而使得细胞膜的通透性上升,相对电导率上升,产生大量丙二醛等有害物质,产生褐变现象。此外,1-MCP处理更容易激活鲜切苹果中多酚氧化酶(PPO)和苯丙氨酸解氨酶(PAL)的活性,加速了酚类物质的生成及其向醌类、黑色聚合物的生成,使得鲜切苹果极易发生褐变现象。
庾琴[8](2019)在《影响梨小食心虫暴发为害的主要因子及其寄主选择研究》文中指出梨小食心虫(Grapholitha molesta(busck))是一种隐蔽性强、为害严重的钻蛀性害虫,近年来暴发危害频繁。与其他害虫相比,梨小食心虫在田间为害程度由种群数量和钻蛀率两方面决定,而现有研究主要侧重于种群数量,研究结果不能有效解释或解决生产上的世代重叠、暴发危害频繁、防治效果不稳定等关键问题。本文结合近年来气候、降雨、果树种植等的变化趋势,筛选了严重影响梨小食心虫种群数量和危害率的主要因子湿度、温度和寄主,拟通过研究这些因子对梨小食心虫的影响,明确梨小食心虫世代重叠重、易暴发危害的主要原因;研究了幼虫和成虫的寄主选择,为信息化合物的筛选和新防治技术研发提供依据,依据上述结果,完善现有田间预测预报技术参数,优化现有化学防治技术。主要结果如下:1、温、湿度对梨小食心虫种群数量和钻蛀率的影响(1)试验设置范围内,单一温度变化显着影响梨小食心虫的种群数量和钻蛀率,变温组合消除了不适宜温度的这种影响:单一温度下,25℃时的产卵量、卵孵化和钻蛀率均最高,27.5℃与25℃差异不显着;温度高于27.5℃或低于25℃,梨小食心虫的个体重量、产卵量和卵孵化率均显着下降,尤其钻蛀率,从25℃处理的73.37%分别降至20℃处理的41.69%和35℃处理36.52%。变温组合处理的梨小食心虫个体重量、产卵量和钻蛀率均显着高于不适宜温度处理,其中,20℃和35℃的变温组合处理的钻蛀率分别增至68.13%和52.17%。(2)试验范围内,湿度是影响梨小食心虫种群数量和钻蛀率的关键因子:成虫产卵量随湿度增加而显着增加,RH(相对湿度)70%时最高(117.13粒/雌),是RH 25%(62.07粒/雌)的1.89倍。湿度对各环节影响从高到低为:初孵幼虫钻蛀期>成虫期>卵期>蛹期>老熟幼虫期。孵化率、钻蛀率、羽化率和世代存活率均随湿度升高而显着增加,从RH 25%的48.08%、42.67%、82.48%和12.76%,分别增至RH85%的96.33%、74.67%、95.85%和68.78%;其中,相对湿度分别与世代存活率和钻蛀率正线性相关。结果说明,在预测预报和防控时应加入湿度因子;在田间管理时,要加强关键时期的湿度管理。(3)湿度变化对梨小食心虫种群数量和钻蛀率的影响程度与温度相关:20℃与RH25%组合处理的钻蛀率显着低于与RH 55%-85%处理,与RH 85%处理的世代存活率是与RH 25%的1.68倍;30℃与RH 85%组合处理处理的世代存活率是与RH 25%的7.68倍。结果表明,温度较高时的湿度变化会引起梨小食心虫种群数量和钻蛀率大幅度变化,初步解释了多雨年份梨小食心虫危害重、易爆发的原因;尤其温度较高时,监测时要关注湿度变化情况。2、寄主对梨小食心虫种群数量和钻蛀率的影响(1)寄主种类和状态均显着影响梨小食心虫幼虫的钻蛀率:初孵幼虫在不同类果实上钻蛀率从高到低顺序为:油桃>苹果>梨>毛桃。除油桃外,果实发育状况对钻蛀率均影响显着:在幼果期苹果上钻蛀率最高(73.69%),着色期最低(32.51%);在毛桃和梨果上均随着果实发育,钻蛀率分别从幼果期的1.49%和1.98%增至成熟期的45.37%和46.28%,发育后期的桃、梨果利于初孵幼虫的钻蛀。(2)寄主种类和状态显着影响梨小食心虫个体重量:幼虫取食不同果实显着影响其个体重量,成熟期的桃、梨果使其雌、雄重量显着增加;而雌虫重量与产卵量呈正线性相关,并使成虫有效产卵期从6-7d增加至12-13d,果实发育后期使世代重叠成为可能。综合温湿度和寄主对梨小食心虫的影响,果实发育后期温度一般较高,此时如有有效降雨,其种群数量和危害率显着上升;如遇频繁降雨,将极易导致其暴发危害。(3)梨小食心虫成虫寄主间的大量转移与果实种类和状态无关,与有无果实相关:有果实或嫩梢的梨园、不同成熟期桃园或桃苗圃中成虫诱捕量116-2426头/水盆·15 d、卵果率高;无果实或嫩梢时,诱捕量6-32头/水盆·15 d、无卵。室内条件下,成虫在发育阶段不同的四种果实上产卵量为93.05-112.33粒/雌,差异不显着;无果实时,成虫产卵初期推迟3 d、产卵量从95.73粒/雌降至64.08粒/雌,产卵动态变化较大。成虫从采摘后果园大量转移至有果实果园,这也是其种群数量和危害率大幅变化主要原因之一。3、幼虫和成虫的寄主选择和识别(1)梨小食心虫幼虫具备寄主选择能力:幼虫对7种果实的选择趋性不同,选择水平与龄期有关,1龄幼虫选择能力最高,5龄幼虫期最低;主要识别感器为触角。明确幼虫寄主识别规律和主要感器为幼虫引诱和拒避物的筛选提供技术依据。(2)幼虫期取食的食物状况显着影响成虫的EAG反应水平和Y管选择:取食足量苹果较大个体的EAG反应和Y管选择显着高于较小个体;挥发物浓度较低时,较大个体对4种混合物的EAG反应和选择显着高于人工饲料饲养的个体,而人工饲料饲养的个体对5种混合物的EAG反应和选择更高。成虫寄主识别研究为筛选高效信息化合物提供依据。4、梨小食心虫预测预报完善和田间防治技术优化梨果膨大期后至成熟期,田间相对湿度累计值对数与诱虫数累计值对数呈正线性关系、与钻蛀率的百分值呈指数关系。根据湿度、寄主状态对种群数量和危害率关系,明确了湿度应作为预测预报的重要技术参数,依此来优化梨小食心虫田间化学防治技术。综上所述,本研究明确了在气侯变暖、降雨增多、果树种植面积和结构变化等条件下,果实发育后期、高温与频繁降雨三种因子结合是近年来梨小食心虫暴发危害的主要原因,果实采摘后的成虫大量转移也是危害增加的主要原因之一。据此,将湿度作为预测预报的重要技术参数,完善了现有的预测预报参数,并优化田间化学防治技术。明确了幼虫寄主选择主要感器及幼虫和成虫寄主选择规律,为研究高效新型防治技术提供基础和依据。
闫茹琪[9](2019)在《基于Kinect相机的苹果外形指标估测方法研究》文中指出水果产业在我国国民经济中占有重要地位。随着人们生活水平的不断提高,各种水果的消费量不断增加,其中,苹果消费量占有很大比例。因此,为了满足人们需求,在如何提高苹果产量的同时,保证苹果品质成为了苹果产业的发展趋势。近年来,计算机技术不断发展,机器视觉、三维点云等技术逐渐成为水果品质检测的研究热点,这些技术的引入使水果品质检测更加标准化、智能化。果实外形指标是果实品质分级的一个重要指标。本文以苹果为研究对象,分别研究了基于彩色图像和基于局部点云的苹果外形指标估测方法,为苹果的外部品质检测提供理论参考,具体研究内容如下:首先进行苹果外形指标测量、苹果彩色图像及点云数据获取。选取250个陕西红富士作为实验样本,通过游标卡尺获取苹果的高度和直径,采用排水法获取苹果体积,利用电子秤获取苹果质量;通过分析KinectV2相机在不同安装高度下的苹果点云图像,得到相机的最佳安装高度范围为650~750mm,并分别采集650mm、700mm和750mm三个高度下不同角度(顶面、侧面和底部,分别记为角度1、角度2和角度3)的苹果点云数据和苹果彩色图像。其次,对采集的彩色图像和点云数据进行处理。对采集到的彩色图像进行感兴趣区域选择后得到大小为400 × 250的只包含黑色背景及苹果的图像后,选取(R-B)颜色因子作为颜色特征,采用Otsu(大津法)阈值分割方法分割图像,利用形态学方法填补果实内部细小孔洞和去除噪点,得到完整的苹果分割图像;采用PLY格式存储原始点云,利用直通滤波法去除点云背景,得到只包含苹果信息的点云数据,经包围盒算法得到精简后的苹果局部点云数据。在彩色图像处理的基础上,通过彩色图像估测苹果的外形指标。采用最小外接矩形法检测苹果果实,并根据最小外接矩形的长和宽估测苹果的高度和直径。利用该方法估测不同高度下的苹果外形指标,通过数学统计法与线性回归分析估测结果可得:当相机安装在650mm高度时,苹果高度和直径估测结果最好,苹果果实高度估测值与实测值的 R2(R-squared,线性拟合度)为 0.785,RMSE(Root Mean Square Error,均方根误差)为3.236mm,平均估测误差为3.7mm;苹果直径估测值与实测值的R2为0.933,RMSE 为 2.03 mm,平均估测误差为 2.55mm;分别采用 SVR(Support Vector Regression,支持向量回归)和BP(Back Propagation)算法建立苹果体积估测模型,并对不同高度下的苹果体积进行预测。经实验结果分析可知,基于BP神经网络的苹果体积估测模型效果优于基于SVR的苹果体积估测模型,且相机安装高度为750mm时苹果体积估测结果最佳,与实测值的R2为0.926,RMSE为15.37mL,平均估测误差为17.71mL。在点云数据处理的基础上,通过局部点云估测苹果的外形指标。利用粒子群算法将苹果局部点云和苹果几何模型进行空间匹配,采用遗传算法获取最优匹配模型,并用最优匹配模型的外形指标估测真实苹果的外形指标(高度,两个不同角度的直径,记为直径1、直径2和体积)。采用该方法估测650mm、700mm、750mm三个高度下角度1、角度2、角度3的苹果外形指标,经实验结果分析可得,在相机高度为650mm时,在角度2下获取的苹果点云估测的外形指标结果最好,苹果高度、直径1、直径2、体积与对应实测值的R2分别为0.842、0.933、0.921和0.944,RMSE分别为2.18mm、1.68mm、1.81mm 和 18.11 mL,估测平均误差分为 1.69mm、1.34mm、1.49mm 和 13.28mL。与基于彩色图像的苹果外形指标估测结果进行对比,该方法估测的苹果果实外形指标结果精度更高,高度、直径的估测精度提高了 1.06-2.01mm,体积估测精度提高了1.55-4.43mL。最后,通过局部点云估测的体积对苹果质量进行估测。利用线性回归对点云估测体积与实测苹果质量进行相关性分析,在650mm、角度2时苹果体积估测结果与质量的线性回归R2最高为0.95,在750mm、角度3时,其R2最低为0.87。结果表明,苹果体积估测值与质量之间具有较高的相关性,因此,采用BP算法建立苹果质量估测模型,对高度为650mm、角度2时的苹果质量进行预测,结果的平均误差值为13.82g。
王丽娜[10](2019)在《人工管理措施对苹果园凹唇壁蜂授粉及后代性别分配模式的影响》文中研究指明凹唇壁蜂Osmia excavata Alfken是我国北方早春重要的果树传粉昆虫,已实现人工半驯化饲养,现广泛应用于山东和陕西等苹果主产区。近年来受早春低温等不良天气的影响,凹唇壁蜂出现了卵自然败育率高、成虫自然死亡率高和繁殖率极低等现象。为应对这一情况,本研究通过介入两种人工管理措施,即人工释放信息素(蜜蜂活动增强剂)和人工设置不同规格(内径和长度)的筑巢巢管,以期增强授粉效果。本论文一方面通过野外定点试验,探究了苹果花期人工释放信息素对凹唇壁蜂访花行为的影响,以及对苹果的授粉作用、坐果率和果实品质的影响;另一方面通过人工设置不同规格(内径和长度)的人工芦苇巢管,研究了巢管尺寸大小对凹唇壁蜂适应性性比调节和性别分配规律的影响。研究结果如下:1.人工释放信息素对苹果园凹唇壁蜂活动规律的作用通过对开放区域和网罩区域的苹果产量进行评估,计算得出苹果对凹唇壁蜂授粉的依赖程度为95%;释放信息素区域的凹唇壁蜂访花效率是对照的1.34倍,显着提高了苹果的坐果率12%;同时释放信息素增加了苹果的平均单果重3.53 g,显着提高0.15mg/100 g的维生素C含量,改善苹果果实的品质。2.人工放置不同尺寸的巢管对凹唇壁蜂性别分配规律的影响通过对凹唇壁蜂雌雄蜂的重量和茧长进行测定,证明凹唇壁蜂具有雌雄体型性二型现象,其中雌蜂茧重是雄蜂的1.67倍,雌蜂茧长是雄蜂的1.15倍;通过放置不同尺寸的人工巢管,发现凹唇壁蜂亲本对后代的投资随着巢管内径的增加而增加。一定范围内增加巢管的内径可以显着增加凹唇壁蜂后代的性比(雌蜂比例)、蜂重和茧长。构建巢室时后代性别分配规律,按照先产雌后产雄,雌性在内雄性在外的顺序排列,封口巢管内侧位置产雌比例最高,随着巢位外移,比例逐渐降低,在巢管外端封口部位产雄比例最高;由偏向产雌向偏向产雄的转换点位置随作茧数增加逐渐向封口端移动,且该点至封口巢管内端的长度占总管长的比例随作茧数增加显着增加。在直径较小的巢管中,对应亲本所产后代偏向个体较小的雄性;在直径较大的巢管中,对应亲本所产后代偏向个体较大的雌性。可获得的孔穴的尺寸能够通过影响凹唇壁蜂后代种群的体型和性比,进而影响当地壁蜂种群的结构和稳定性。实验结果表明,以筑巢直径810 mm为最适合范围,因此,在半驯养独居蜂的繁育过程中,可以通过人工控制巢管内径尺寸,来调整后代的蜂重、茧长、性比等,进而优化对半驯养独居蜂的种群管理。通过两方面的研究,有利于明确人工释放信息素和优化管理壁蜂巢管对维持凹唇壁蜂种群数量和保证其对苹果发挥授粉功能的作用。本研究结果表明,通过释放信息素等人工管理措施,提高授粉昆虫对果树的访花效率,进而改善苹果品质,提高苹果产量,减少损失;凹唇壁蜂可根据外界筑巢条件的变化调整其对子代的亲本投资和性别分配比例。这对苹果的生产实践具有重要的指导意义。
二、红富士苹果果实大小分布的早期预测研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、红富士苹果果实大小分布的早期预测研究(论文提纲范文)
(1)水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
符号及缩略词清单 |
第一章 绪论 |
1.1 苹果产业概述 |
1.1.1 苹果产业现状 |
1.1.2 苹果品质检测指标及检测技术 |
1.2 苹果水心病 |
1.2.1 苹果水心病简介 |
1.2.2 苹果水心病的发生机理及影响因素 |
1.2.3 苹果水心病的危害 |
1.2.4 苹果水心病的检测方法 |
1.3 苹果内部品质Vis/NIR光谱检测技术研究现状 |
1.3.1 技术原理及特点 |
1.3.2 光谱采集方式 |
1.3.3 检测影响因素 |
1.3.4 在水果内部品质检测中的应用 |
1.3.5 存在的问题 |
1.4 苹果内部品质Vis/NIR光谱检测装备研究现状 |
1.4.1 苹果内部品质检测装备产业现状 |
1.4.2 苹果内部品质检测输送分级装备研究现状 |
1.4.3 存在的问题 |
1.5 研究内容及技术路线图 |
1.5.1 研究内容 |
1.5.2 技术路线图 |
1.6 本章小结 |
第二章 实验仪器、材料和方法 |
2.1 引言 |
2.2 主要实验仪器 |
2.2.1 QE65PRO微型光谱仪 |
2.2.2 PR-201α数字折光仪 |
2.2.3 图像采集系统 |
2.3 实验材料 |
2.4 软件介绍 |
2.4.1 光谱采集软件 |
2.4.2 数据处理分析软件 |
2.4.3 机、电、控制及结构仿真软件 |
2.4.4 光学仿真软件 |
2.5 数据统计分析方法 |
2.5.1 光谱预处理方法 |
2.5.2 样本集划分方法 |
2.5.3 数据建模方法 |
2.5.4 模型评价方法 |
2.6 本章小结 |
第三章 苹果水心病Vis/NIR光谱特性及无损检测可行性研究 |
3.1 引言 |
3.2 材料与方法 |
3.2.1 苹果样本 |
3.2.2 Vis/NIR光谱采集系统 |
3.2.3 水心程度测量 |
3.2.4 不同组织光透性测试 |
3.2.5 SSC测量中的取样方法研究 |
3.3 结果和讨论 |
3.3.1 SSC分布和取样方法分析 |
3.3.2 样本特征分析 |
3.3.3 水心苹果Vis/NIR光谱特性 |
3.3.4 水心病苹果SSC预测研究 |
3.3.5 苹果水心病检测研究 |
3.4 本章小结 |
第四章 光源布局及苹果大小对苹果水心病检测的影响研究 |
4.1 引言 |
4.2 材料与方法 |
4.2.1 苹果样本 |
4.2.2 LightTools光源系统仿真设置 |
4.2.3 不同光源布局无损检测系统 |
4.2.4 苹果尺寸、SSC和 WSI测量 |
4.3 结果与讨论 |
4.3.1 样本特征分析 |
4.3.2 LightTools仿真结果分析 |
4.3.3 光谱特征分析 |
4.3.4 双光源系统建模研究 |
4.3.5 不同光源布局建模研究 |
4.3.6 特征波长挑选 |
4.4 本章小结 |
第五章 基于Vis/NIR光谱技术的苹果水心病在线检测装备研发 |
5.1 引言 |
5.2 多功能果杯的设计研发 |
5.2.1 多功能果杯结构设计 |
5.2.2 果杯功能仿真验证 |
5.3 自适应光源系统的设计研发 |
5.3.1 自适应光源调整机构结构设计 |
5.3.2 自适应光源调整机构仿真验证 |
5.4 输送分级系统设计研发 |
5.4.1 输送分级系统各组件设计 |
5.4.2 输送分级防损伤设计 |
5.5 电路及控制系统设计 |
5.5.1 控制系统及程序设计 |
5.5.2 电路系统设计 |
5.6 整机工作流程 |
5.7 在线检测装备光谱检测性能验证 |
5.7.1 测试样本 |
5.7.2 测试条件 |
5.7.3 在线检测装备静态性能测试 |
5.7.4 在线检测装备动态性能测试 |
5.8 本章小结 |
第六章 苹果姿态对苹果水心病在线检测的影响研究 |
6.1 引言 |
6.2 材料与方法 |
6.2.1 苹果样本 |
6.2.2 光谱检测设备简介 |
6.2.3 苹果尺寸、SSC和 WSI测量 |
6.3 结果与讨论 |
6.3.1 样本特征分析 |
6.3.2 不同姿态下苹果光谱特征分析 |
6.3.3 不同姿态下SSC和WSI预测模型研究 |
6.3.4 水心病判别分析 |
6.4 本章小结 |
第七章 基于自适应光源系统的不同大小苹果光谱修正方法研究 |
7.1 引言 |
7.2 材料与方法 |
7.2.1 苹果样本 |
7.2.2 光谱检测设备简介 |
7.2.3 苹果大小、SSC和WSI测量 |
7.2.4 大小修正方法研究 |
7.3 结果与讨论 |
7.3.1 样本特征分析 |
7.3.2 不同大小苹果光谱特征分析 |
7.3.3 基于大小修正的SSC预测模型研究 |
7.3.4 水心判别分析 |
7.4 本章小结 |
第八章 结论、创新点与展望 |
8.1 主要研究结论 |
8.2 主要创新点 |
8.3 后期研究展望 |
参考文献 |
作者简历 |
(2)水肥一体化水氮用量对苹果园氮素利用的影响及其供应决策(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 水氮相互作用 |
1.3.2 水氮供应对苹果生产的影响 |
1.3.3 苹果园土壤硝态氮残留研究进展 |
1.3.4 高光谱氮素诊断 |
1.3.5 氮肥供应决策研究进展 |
1.4 有待进一步研究的问题 |
1.5 研究内容 |
1.6 技术路线 |
第二章 研究方案与方法 |
2.1 试验果园概况 |
2.2 试验设计 |
2.3 测定指标与方法 |
2.4 数据处理及统计分析 |
2.4.1 指标计算方法 |
2.4.2 综合评价方法 |
2.4.3 光谱数据分析方法 |
2.4.4 数据统计分析 |
第三章 水氮用量对苹果树叶片氮素状况及冠层生长的影响 |
3.1 水氮用量对苹果树叶片氮含量的影响 |
3.2 水氮用量对苹果树生长状况的影响 |
3.2.1 苹果树春梢生长 |
3.2.2 苹果树叶面积指数 |
3.3 讨论 |
3.4 小结 |
第四章 水氮用量对苹果产量品质及水氮利用的影响 |
4.1 水氮用量对苹果产量及其构成要素的影响 |
4.2 水氮用量对苹果品质的影响 |
4.2.1 外观品质 |
4.2.2 内在品质 |
4.2.3 苹果内在品质指标之间的相关性 |
4.3 水氮用量对苹果园水氮利用的影响 |
4.3.1 水分利用效率 |
4.3.2 氮肥农学利用率 |
4.4 讨论 |
4.5 小结 |
第五章 水氮用量对苹果园土壤硝态氮分布及残留的影响 |
5.1 水氮用量对土壤硝态氮分布的影响 |
5.1.1 土壤硝态氮的空间分布特征 |
5.1.2 土壤硝态氮的时间分布特征 |
5.2 水氮用量对土壤硝态氮残留的影响 |
5.3 讨论 |
5.4 小结 |
第六章 基于组合评价的苹果园水氮用量优选 |
6.1 基于单一评价模型的综合评价 |
6.1.1 主成分分析法 |
6.1.2 TOPSIS法 |
6.1.3 灰色关联法 |
6.1.4 隶属函数分析法 |
6.2 基于模糊Borda方法的组合评价 |
6.3 讨论 |
6.4 小结 |
第七章 基于高光谱遥感的苹果树冠层叶片氮含量估测初探 |
7.1 冠层叶片氮含量与冠层反射光谱相关性分析 |
7.2 基于高光谱反射率估测苹果树叶片氮含量的多元校正方法比较 |
7.2.1 蒙特卡洛方法剔除异常值 |
7.2.2 光谱数据预处理 |
7.2.3 特征变量筛选 |
7.2.4 基于特征变量的模型建立与评价 |
7.3 基于高光谱反射率和偏最小二乘辅助极限学习机的苹果树叶片氮含量估测 |
7.3.1 蒙特卡洛二次检测法剔除异常值 |
7.3.2 样本集划分 |
7.3.3 光谱数据预处理 |
7.3.4 变量提取 |
7.3.5 模型建立及评价 |
7.4 讨论 |
7.4.1 光谱数据预处理 |
7.4.2 变量筛选 |
7.4.3 模型建立与选择 |
7.5 小结 |
第八章 基于叠加集成模型的苹果树叶片氮素诊断与供应决策 |
8.1 样本集划分 |
8.2 叠加集成模型建立与评价 |
8.2.1 叠加集成模型 |
8.2.2 极限学习机及其优化 |
8.2.3 子模型的融合 |
8.2.4 叠加集成模型关键参数选择 |
8.2.5 叠加集成模型预测结果 |
8.3 苹果树叶片氮素诊断关键时期 |
8.4 苹果树水氮供应模型的建立 |
8.4.1 模型结构 |
8.4.2 模型验证 |
8.5 讨论 |
8.5.1 基于叠加集成模型估测苹果树冠层叶片氮含量 |
8.5.2 苹果树水氮供应决策 |
8.6 小结 |
第九章 结论与建议 |
9.1 主要结论 |
9.2 创新点 |
9.3 不足与建议 |
参考文献 |
致谢 |
作者简介 |
(3)苹果糖度可见/近红外漫透射光谱在线检测通用模型研究(论文提纲范文)
摘要 |
abstract |
主要符号说明 |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 我国水果产业发展现状 |
1.1.2 水果内部品质无损检测的重要意义 |
1.2 可见/近红外光谱检测技术及通用模型的研究现状 |
1.2.1 近红外光的简介 |
1.2.2 Vis/NIR检测技术用于水果内部品质检测的研究现状 |
1.2.3 水果内部品质检测通用模型的研究现状 |
1.3 研究目标与内容 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
第二章 实验设备、材料与方法 |
2.1 水果内部品质智能化在线检测装备 |
2.1.1 QE65Pro型光谱仪 |
2.1.2 输送系统 |
2.1.3 光照系统 |
2.1.4 光谱触发采集系统 |
2.2 光谱采集及数据分析软件 |
2.2.1 光谱采集软件 |
2.2.2 数据分析软件 |
2.2.3 水果内部品质分选软件 |
2.3 理化测量仪器 |
2.4 实验材料 |
2.5 可见/近红外光谱检测的基本原理与建模方法 |
2.5.1 Vis/NIR检测的基本原理与流程 |
2.5.2 光谱预处理方法 |
2.5.3 偏最小二乘回归建模 |
2.5.4 模型评价指标 |
2.6 本章小结 |
第三章 产地对苹果糖度在线检测模型的影响研究 |
3.1 引言 |
3.2 理化测定结果与样本集划分 |
3.3 样本光谱的特性分析 |
3.4 局部产地模型的建立与更新 |
3.4.1 局部产地模型的建立 |
3.4.2 局部产地模型的更新 |
3.5 全局产地模型的建立与优化 |
3.5.1 全局产地模型的建立 |
3.5.2 全局产地模型的优化 |
3.5.3 模型评价及外部验证结果 |
3.6 本章小结 |
第四章 品种对苹果糖度在线检测模型的影响研究 |
4.1 引言 |
4.2 理化测定结果与样本集划分 |
4.3 样本光谱的特性分析 |
4.3.1 样本光谱 |
4.3.2 光谱的差异性分析及预处理 |
4.4 局部品种模型的建立与更新 |
4.4.1 局部品种模型的建立 |
4.4.2 局部品种模型的更新 |
4.5 全局品种模型的建立与优化 |
4.5.1 全局品种模型的建立 |
4.5.2 全局品种模型的优化 |
4.5.3 模型评价及外部验证结果 |
4.6 本章小结 |
第五章 不同年份苹果糖度在线检测模型的维护研究 |
5.1 引言 |
5.2 实验数据采集与样本光谱 |
5.3 基础校正模型的建立 |
5.4 基于模型更新的模型维护 |
5.5 基于斜率/截距算法的模型维护 |
5.5.1 斜率/截距算法的基本原理 |
5.5.2 标准样本数量的选取 |
5.5.3 模型维护结果及评价 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 主要研究结论 |
6.2 进一步研究展望 |
参考文献 |
个人简历 在读期间发表的学术论文 |
致谢 |
(4)全生长期树上苹果识别与生长参数远程检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略词表 |
第一章 绪论 |
1.1 研究的背景、目的及意义 |
1.2 国内外研究现状 |
1.2.1 果实分割与识别研究现状 |
1.2.2 基于计算机视觉的果实生长检测研究现状 |
1.2.3 存在的问题分析 |
1.3 研究内容 |
1.4 研究方法与技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
1.5 论文组织结构 |
第二章 基于R-FCN的疏果前苹果目标识别方法研究 |
2.1 引言 |
2.2 图像采集与供试样本 |
2.3 基于R-FCN的疏果前苹果目标识别模型 |
2.3.1 基础FCN |
2.3.2 区域生成网络(RPN) |
2.3.3 ROI子网 |
2.3.4 网络误差函数 |
2.4 苹果目标识别试验 |
2.4.1 试验平台 |
2.4.2 模型训练 |
2.4.3 评价指标 |
2.5 苹果识别结果与讨论 |
2.5.1 识别模型结构 |
2.5.2 苹果目标识别结果与分析 |
2.5.3 与其他方法的对比 |
2.5.4 讨论 |
2.6 本章小结 |
第三章 基于SUN视觉注意模型及显着轮廓检测的苹果图像分割方法研究 |
3.1 引言 |
3.2 图像获取与供试样本 |
3.3 苹果图像分割算法 |
3.3.1 苹果图像分割算法的思想和流程 |
3.3.2 基于SUN视觉注意模型的图像初步分割 |
3.3.3 质心提取 |
3.3.4 图像锐化 |
3.3.5 基于gPb-OWT-UCM和Otsu阈值分割的显着轮廓提取 |
3.3.6 基于区域生长的苹果图像分割 |
3.3.7 对比方法 |
3.3.8 算法评价标准 |
3.4 分割结果与分析 |
3.4.1 本文方法与其他方法分割结果对比 |
3.4.2 不同数据集上的分割结果 |
3.4.3 时间效率分析 |
3.5 讨论 |
3.6 本章小结 |
第四章 基于深度学习网络模型的苹果轮廓检测方法研究 |
4.1 引言 |
4.2 供试数据 |
4.3 深度学习网络模型 |
4.3.1 苹果目标轮廓检测网络模型 |
4.3.2 网络模型误差函数 |
4.3.3 网络模型训练 |
4.3.4 对比方法 |
4.3.5 网络模型评价指标 |
4.4 轮廓检测结果与讨论 |
4.4.1 苹果轮廓提取结果与分析 |
4.4.2 与其他方法对比分析 |
4.4.3 讨论 |
4.5 本章小结 |
第五章 基于轮廓检测的树上苹果生长参数远程检测方法研究 |
5.1 引言 |
5.2 供试对象及苹果生长参数检测硬件系统 |
5.2.1 试验场地及试验对象 |
5.2.2 苹果生长参数检测硬件系统 |
5.3 苹果生长参数远程检测方法 |
5.3.1 苹果生长参数远程检测算法总体描述 |
5.3.2 图像获取、摄像机参数设置及图像预处理 |
5.3.3 图像分割 |
5.3.4 苹果横径提取方法 |
5.4 苹果生长参数远程检测系统软件设计 |
5.5 对比方法与评价标准 |
5.6 结果与讨论 |
5.6.1 苹果横径生长参数检测结果与分析 |
5.6.2 误差分析 |
5.6.3 与其他苹果生长参数检测系统对比 |
5.6.4 与其他横径检测方法对比 |
5.6.5 所开发系统的局限性 |
5.7 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
(5)蓄水坑灌下苹果树耗水特性及其对果树生长与产出的影响研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 苹果树耗水特性研究进展 |
1.2.2 果树蒸散量测定及估算模型研究进展 |
1.2.3 灌溉对果树生长与产出影响研究进展 |
1.2.4 蓄水坑灌法研究进展 |
1.3 研究内容 |
1.4 技术路线 |
第二章 试验区概况及试验方案 |
2.1 试验区概况 |
2.2 试验设计方案 |
2.3 试验观测指标及测定方法 |
2.3.1 气象数据采集 |
2.3.2 土壤含水率数据采集 |
2.3.3 苹果树液流量数据采集 |
2.3.4 土壤蒸发量数据采集 |
2.3.5 SPAC系统水势数据采集 |
2.3.6 根系参数数据采集 |
2.3.7 苹果树生理生态数据采集 |
2.3.8 果实产量及品质数据采集 |
2.4 试验数据分析与模型评价指标 |
第三章 蓄水坑灌苹果树耗水特性分析 |
3.1 蓄水坑灌对土壤水分变化的影响分析 |
3.1.1 蓄水坑灌对苹果树土壤水分特征分布影响分析 |
3.1.2 不同灌溉方式下苹果树土壤水分布特征对比分析 |
3.2 蓄水坑灌对土壤蒸发的影响分析 |
3.2.1 蓄水坑灌下土壤蒸发特征规律研究分析 |
3.2.2 果树棵间土壤蒸发对灌溉方式的响应分析 |
3.3 蓄水坑灌对果树蒸腾的影响分析 |
3.3.1 蓄水坑灌苹果树液流特征规律研究分析 |
3.3.2 果树蒸腾对灌溉方式的响应分析 |
3.4 蓄水坑灌对苹果树耗水特性的影响分析 |
3.4.1 蓄水坑灌苹果树耗水特征规律研究分析 |
3.4.2 果树蒸散对灌溉方式的响应分析 |
3.5 本章小结 |
第四章 蓄水坑灌苹果树蒸散量的模型模拟分析 |
4.1 传统蒸散量估算模型 |
4.1.1 水量平衡法 |
4.1.2 Penman-Monteith (PM)模型 |
4.1.3 Shuttleworth-Wallace (SW)模型 |
4.2 传统蒸散量估算模型模拟精度分析 |
4.2.1 水量平衡法模拟精度分析 |
4.2.2 Penman-Monteith (PM) 模型模拟精度分析 |
4.2.3 Shuttleworth-Wallace (SW) 模型模拟精度分析 |
4.3 蓄水坑灌果树蒸散量估算模型的构建 |
4.4 蓄水坑灌果树蒸散量估算模型模拟精度对比分析 |
4.4.1 SW_p模型精度分析 |
4.4.2 SW_p模型敏感性分析 |
4.5 本章小结 |
第五章 蓄水坑灌苹果树生长及生理特性规律分析 |
5.1 蓄水坑灌对苹果树根系指标的影响分析 |
5.1.1 蓄水坑灌苹果树根系分布规律研究分析 |
5.1.2 苹果树根系指标对灌溉方式的响应 |
5.2 蓄水坑灌对果树光合指标的影响分析 |
5.2.1 蓄水坑灌苹果树光合特性规律研究分析 |
5.2.2 苹果树光合特性对灌溉方式的响应 |
5.3 本章小结 |
第六章 蓄水坑灌苹果树水分调控模式评价分析 |
6.1 蓄水坑灌苹果树产量与品质的研究分析 |
6.1.1 蓄水坑灌苹果树的产量研究 |
6.1.2 蓄水坑灌苹果树的品质研究 |
6.2 蓄水坑灌苹果树水分利用特征分析 |
6.2.1 蓄水坑灌苹果树的水分生产函数 |
6.2.2 蓄水坑灌苹果树的水分利用效率 |
6.3 蓄水坑灌下苹果树水分调控模式研究分析 |
6.3.1 二级模糊综合评判模型 |
6.3.2 模型分析与评价 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
7.3 创新点 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(6)基于透射光谱的苹果霉心病判别影响因素及其修正方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 苹果霉心病光谱检测研究现状 |
1.2.2 苹果透射光谱影响因素研究现状 |
1.3 研究内容 |
1.4 技术路线 |
1.5 论文组织结构 |
第二章 苹果霉心病透射光谱获取及数据分析方法 |
2.1 霉心病检测光谱响应机理分析 |
2.1.1 霉心病发病机理 |
2.1.2 霉心病透射光谱响应机理 |
2.2 透射光谱检测平台搭建及采集规范 |
2.2.1 苹果透射光谱采集平台 |
2.2.2 透射光谱采集规范 |
2.3 样本选择与光谱压缩方法 |
2.3.1 异常样本检验方法 |
2.3.2 样本划分方法 |
2.3.3 光谱数据压缩方法 |
2.4 光谱预处理方法 |
2.4.1 最大最小值归一化 |
2.4.2 平滑算法 |
2.4.3 变量标准化 |
2.4.4 多元散射校正 |
2.4.5 均值中心化 |
2.5 建模方法与评判标准 |
2.5.1 支持向量机算法 |
2.5.2 人工神经网络算法 |
2.5.3 评价标准 |
2.6 本章小结 |
第三章 苹果近红外透射光谱的影响因素及响应特性分析 |
3.1 苹果近红外透射光谱响应特性的影响因素分析 |
3.2 光源距离对苹果近红外透射光谱响应特性的影响 |
3.2.1 不同光源距离在714nm波峰位置处的吸光度差异性 |
3.2.2 不同光源距离在804nm波峰位置处的光强度值差异性分析 |
3.2.3 不同光源距离在两个主要波峰位置处的光强度值差异性分析 |
3.3 测量部位对苹果近红外透射光谱响应特性的影响 |
3.3.1 不同测试部位时透射光强波峰位置的差异性分析 |
3.3.2 不同测试部位在714nm波峰处的光强值差异性分析 |
3.3.3 不同测试部位在804nm波峰处的光强值差异性分析 |
3.3.4 不同测试部位在两个主要波峰位置处的光强度值差异性分析 |
3.4 表面颜色对苹果近红外透射光谱响应特性的影响 |
3.4.1 不同着色质量在714nm波峰处的光强值差异性分析 |
3.4.2 不同着色质量在804nm波峰处的光强值差异性分析 |
3.4.3 不同着色类型在714nm波峰处的光强值差异性分析 |
3.4.4 不同着色类型在804nm波峰处的光强值差异性分析 |
3.4.5 不同表面颜色在两个主要波峰位置处的光强度值差异性分析 |
3.5 果实大小对苹果近红外透射光谱响应特性的影响 |
3.5.1 不同果实大小在714nm和804nm波峰处的光强值差异性分析 |
3.5.2 果底和果心距光源一致时透射光谱差异性分析 |
3.5.3 不同果实大小对透射光谱影响的综合分析 |
3.6 本章小结 |
第四章 基于果实大小的光谱修正方法探究 |
4.1 实验数据获取 |
4.2 基于直径变换修正光谱的方法 |
4.2.1 光谱修正方法探究 |
4.2.2 样本异常值检验与样本划分方法 |
4.2.3 近红外透射光谱的预处理与降维方法 |
4.2.4 光谱数据建模方法 |
4.3 基于直径变换修正光谱的结果与讨论 |
4.3.1 样本分布与光谱数据分析 |
4.3.2 光谱数据修正 |
4.3.3 光谱数据预处理和样本划分 |
4.3.4 建模过程与结果 |
4.3.5 建模结果讨论 |
4.4 基于光谱变换修正光谱的方法 |
4.4.1 果实内部光衰减规律探究 |
4.4.2 基于光谱变换的修正方法 |
4.4.3 数据分析方法 |
4.5 基于光谱变换修正光谱的结果与讨论 |
4.5.1 光在果实内部衰减规律 |
4.5.2 基于光谱变换修正光谱 |
4.5.3 建模结果与讨论 |
4.6 结果与讨论 |
4.7 本章小结 |
第五章 苹果霉心病在线检测的影响因素及分析 |
5.1 苹果霉心病智能检测生产线介绍 |
5.1.1 系统硬件介绍 |
5.1.2 系统光谱采集方法 |
5.2 生产线光谱采集实验的方法 |
5.2.1 相对透射率的获取 |
5.2.2 苹果不同摆放方向的光谱获取 |
5.3 在线检测的影响因素及评价方法 |
5.3.1 基于信噪比(SNR)的系统稳定性评价方法 |
5.3.2 基于面积变化率(ACR)的系统稳定性评价方法 |
5.3.3 摆放方向对苹果霉心病在线检测的影响与修正 |
5.4 光谱数据预处理与建模方法 |
5.4.1 光谱数据预处理与分析 |
5.4.2 模型评价标准 |
5.5 结果分析 |
5.5.1 光谱与样本分布概述 |
5.5.2 系统SNR分析结果 |
5.5.3 系统ACR分析结果 |
5.5.4 不同方向下光谱传播分析 |
5.5.5 模型结果分析 |
5.5.6 基于果实大小修正光谱后的模型结果 |
5.6 结果讨论 |
5.7 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
(7)1-MCP结合CO2处理对鲜切苹果贮藏期间品质变化影响(论文提纲范文)
摘要 |
ABSTRACT |
1 前言 |
1.1 苹果概况及采后保鲜产业现状 |
1.1.1 苹果综述 |
1.1.2 苹果采后生理与贮藏特性 |
1.1.3 苹果保鲜技术研究 |
1.2 鲜切苹果概况及采后保鲜产业现状 |
1.2.1 鲜切苹果的市场发展趋势 |
1.2.2 鲜切苹果在贮藏期间品质变化 |
1.2.3 鲜切苹果保鲜技术研究 |
1.3 果蔬二氧化碳伤害及其机理研究现状 |
1.3.1 苹果二氧化碳伤害研究现状 |
1.3.2 组织褐变损伤研究进展 |
1.3.3 膜脂质过氧化损伤研究进展 |
1.3.4 细胞膜损伤研究进展 |
1.4 果蔬品质衰变动力学预测模型研究进展 |
1.4.1 果蔬品质衰变动力学原理 |
1.4.2 果蔬品质衰变动力学预测模型研究进展 |
1.5 研究目的、意义和内容 |
1.5.1 研究目的及意义 |
1.5.2 研究内容 |
2 材料与方法 |
2.1 试验材料 |
2.2 主要试剂与仪器 |
2.2.1 主要试剂 |
2.2.2 主要仪器 |
2.3 试验方法 |
2.3.1 鲜切苹果的制备工艺 |
2.3.2 1-MCP及二氧化碳处理方法 |
2.3.3 高二氧化碳浓度处理对鲜切苹果贮藏期间品质变化影响及伤害预警方程建立 |
2.3.4 鲜切苹果耐受二氧化碳浓度阈值确定 |
2.3.5 1-MCP处理对鲜切苹果贮藏期间品质变化影响 |
2.3.6 1-MCP处理结合二氧化碳处理对鲜切苹果贮藏期间品质变化影响及其机理探究 |
2.4 指标测定方法 |
2.4.1 维生素C含量测定 |
2.4.2 褐变指数(BI值)测定 |
2.4.3 可溶性固形物含量测定 |
2.4.4 可滴定酸含量测定 |
2.4.5 呼吸速率测定 |
2.4.6 鲜切苹果感官评价 |
2.4.7 鲜切苹果硬度测定 |
2.4.8 二氧化碳伤害发生率 |
2.4.9 过氧化物酶(POD)活性测定 |
2.4.10 多酚氧化酶(PPO)活性的测定 |
2.4.11 苯丙氨酸解氨酶(PAL)活性测定 |
2.4.12 超氧阴离子产生速率测定 |
2.4.13 超氧化物歧化酶(SOD)活性测定 |
2.4.14 过氧化氢酶(CAT)活性测定 |
2.4.15 脂氧合酶(LOX)活性测定 |
2.4.16 丙二醛(MDA)含量测定 |
2.4.17 细胞膜通透性测定 |
2.4.18 抗坏血酸过氧化物酶(APX)活性测定 |
2.4.19 鲜切苹果高二氧化碳伤害预警方程建立 |
2.5 实验数据处理方法 |
3 结果与讨论 |
3.1 不同贮藏温度对高二氧化碳处理下鲜切苹果品质变化的影响 |
3.1.1 不同贮藏温度下鲜切苹果感官评分变化 |
3.1.2 不同贮藏温度下鲜切苹果褐变指数变化 |
3.1.3 不同贮藏温度下鲜切苹果硬度变化 |
3.1.4 不同贮藏温度下鲜切苹果可溶性固形物含量变化 |
3.1.5 不同贮藏温度下鲜切苹果Vc含量变化 |
3.1.6 不同贮藏温度下鲜切苹果可滴定酸含量变化 |
3.1.7 不同贮藏温度下鲜切苹果丙二醛(MDA)含量变化 |
3.2 鲜切苹果二氧化碳伤害预警方程建立 |
3.2.1 各指标品质衰变动力学模型动力学参数拟合分析 |
3.2.2 伤害症状预警方程的建立与验证 |
3.2.3 小结 |
3.3 1-MCP处理对鲜切苹果品质变化的影响 |
3.3.1 1-MCP处理对鲜切苹果感官评价变化的影响 |
3.3.2 1-MCP处理对鲜切苹果呼吸强度变化的影响 |
3.3.3 1-MCP处理对鲜切苹果褐变指数变化的影响 |
3.3.4 1-MCP处理对鲜切苹果硬度变化的影响 |
3.3.5 1-MCP处理对鲜切苹果可溶性固形物含量变化的影响 |
3.3.6 1-MCP处理对鲜切苹果可滴定酸含量变化的影响 |
3.3.7 1-MCP处理对鲜切苹果Vc含量变化的影响 |
3.3.8 小结 |
3.4 二氧化碳处理对鲜切苹果品质变化影响 |
3.4.1 二氧化碳处理对鲜切苹果感官评价变化的影响 |
3.4.2 二氧化碳处理对鲜切苹果褐变指数变化的影响 |
3.4.3 二氧化碳处理对鲜切苹果硬度变化的影响 |
3.4.4 小结 |
3.5 1-MCP结合高二氧化碳处理对鲜切苹果品质变化的影响 |
3.5.1 鲜切感官评分变化 |
3.5.2 鲜切苹果褐变指数变化 |
3.5.3 鲜切苹果硬度变化 |
3.5.4 鲜切苹果可滴定酸含量变化 |
3.5.5 鲜切苹果Vc含量变化 |
3.5.6 小结 |
3.6 1-MCP提高鲜切苹果二氧化碳敏感性机理研究 |
3.6.1 鲜切苹果脂氧合酶(LOX)活性变化情况 |
3.6.2 鲜切苹果超氧阴离子生成速率变化情况 |
3.6.3 鲜切苹果过氧化氢酶(CAT)活性变化情况 |
3.6.4 超氧化物歧化酶(SOD)活性变化情况 |
3.6.5 鲜切苹果抗坏血酸过氧化物酶(APX)活性变化情况 |
3.6.6 鲜切苹果丙二醛(MDA)含量变化情况 |
3.6.7 鲜切苹果细胞膜通透性的变化情况 |
3.6.8 小结 |
3.6.9 鲜切苹果苯丙氨酸解氨酶(PAL)活性变化情况 |
3.6.10 鲜切苹果多酚氧化酶(PPO)活性变化情况 |
3.6.11 鲜切苹果过氧化物酶(POD)活性变化情况 |
3.6.12 小结 |
4 结论 |
4.1 全文总结 |
4.2 论文的创新点 |
4.3 论文的不足之处 |
5 展望 |
6 参考文献 |
7 攻读硕士学位期间发表论文情况 |
8 致谢 |
(8)影响梨小食心虫暴发为害的主要因子及其寄主选择研究(论文提纲范文)
摘要 |
第一章 文献综述 |
1 梨小食心虫的暴发危害情况 |
2 影响梨小食心虫种群动态和危害率关键因子的相关研究 |
2.1 温、湿度和光照 |
2.2 寄主 |
3 梨小食心虫综合防控技术研究 |
3.1 预测预报技术 |
3.2 综合防治技术 |
4 研究的目的和意义 |
5 研究思路 |
参考文献 |
第二章 温湿度对梨小食心虫种群发生动态及其为害的影响 |
第一节 温度对梨小食心虫种群动态及其为害的影响 |
1 材料与方法 |
1.1 供试昆虫 |
1.2 试验方法 |
1.3 数据分析 |
2 结果与分析 |
2.1 单一恒定温度处理对梨小食心虫重量、钻蛀率和产卵量的影响 |
2.2 变温组合处理对梨小食心虫重量、钻蛀率和产卵量的影响 |
3 讨论 |
第二节 湿度对梨小食心虫种群数动态及其为害的影响 |
1 试验方法 |
1.1 相对湿度对成虫产卵量和寿命的影响 |
1.2 相对湿度对孵化率的影响 |
1.3 相对湿度对初孵幼虫钻蛀率的影响 |
1.4 相对湿度对老熟幼虫化蛹的影响 |
1.5 相对湿度对蛹羽化的影响 |
2 结果与分析 |
2.1 相对湿度对成虫产卵量和寿命的影响 |
2.2 相对湿度对梨小食心虫存活率和幼虫钻蛀率的影响 |
2.3 相对湿度对成虫产卵动态的影响 |
2.4 相对湿度对老熟幼虫化蛹、蛹羽化时间的影响 |
3 讨论 |
第三节 温湿度组合对梨小食心虫种群动态及其为害的影响 |
1 试验方法 |
1.1 温湿度组合对梨小食心虫重量、钻蛀率和产卵量的影响 |
2 结果与分析 |
2.1 温湿度组合对梨小食心虫重量、钻蛀率和产卵量的影响 |
3 讨论 |
参考文献 |
第三章 寄主植物对梨小食心种群动态及其为害的影响 |
第一节 寄主对梨小食心虫幼虫钻蛀率和个体重量的影响 |
1 材料与方法 |
1.1 供试果实 |
1.2 试验方法 |
2 结果与分析 |
2.1 果实种类和状态对初孵幼虫钻蛀率的影响 |
2.2 果实表皮或果肉结构对初孵幼虫钻蛀率的影响 |
2.3 苹果发育阶段对梨小食心虫钻蛀率的影响 |
2.4 果实种类和发育状态对梨小食心虫蛹重量的影响 |
3 讨论 |
第二节 梨小食心虫蛹重对成虫繁殖力及其卵孵化率的影响 |
1 材料与方法 |
1.1 梨小食心虫饲养及个体重量的选择 |
1.2 蛹重量对雌蛾产卵量和产卵期的影响 |
1.3 梨小食心虫雌、雄蛹重量间的关系 |
1.4 蛹重量对F1 代卵的孵化率、卵和幼虫生长发育的影响 |
2 结果与分析 |
2.1 雌、雄蛹重量对成虫产卵量的影响 |
2.2 雌、雄蛹重量对产卵期的影响 |
2.3 雌、雄蛹重量对成虫交配后存活期的影响 |
2.4 雌、雄蛹重量大小对其卵孵化率、卵及初孵幼虫大小及发育期的影响 |
3 讨论 |
第三节 寄主对梨小食心虫成虫大量转移的影响 |
1 试验方法 |
1.1 田间调查 |
1.2 寄主种类和发育状态对梨小食心虫成虫产卵的影响 |
1.3 有无寄主对梨小食心虫成虫产卵的影响 |
2 结果与分析 |
2.1 田间诱蛾量和卵果率间的关系 |
2.2 寄主种类和发育状态对梨小食心虫成虫产卵的影响 |
2.3 有无寄主对梨小食心虫成虫产卵的影响 |
3 讨论 |
参考文献 |
第四章 梨小食心虫幼虫和成虫寄主选择研究 |
第一节 梨小食心虫幼虫的寄主选择 |
1 材料与方法 |
1.1 材料 |
1.2 方法 |
2 结果与分析 |
2.1 幼虫对不同果实的趋性 |
2.2 幼虫龄期对果实趋性的影响 |
2.3 果实成熟度对梨小食心虫幼虫选择影响 |
2.4 果实受伤对梨小食心虫幼虫选择的影响 |
3 讨论 |
第二节 梨小食心虫幼虫识别的主要感器 |
1 材料与方法 |
1.1 试验材料 |
1.2 试验方法 |
2 结果与分析 |
2.1 不同感器对梨小食心虫幼虫的嗅觉识别 |
3 讨论 |
第三节 梨小食心虫幼虫期的食物状况对其成虫寄主挥发物EAG反应的影响 |
1 材料与方法 |
1.1 化学试剂 |
1.2 供试昆虫 |
1.3 触角电位试验 |
2 结果与分析 |
2.1 幼虫期取食不同食物的梨小食心虫雌成虫EAG反应的影响 |
2.2 幼虫期取食不同食物的梨小食心虫雄蛾EAG反应的影响 |
2.3 雌成虫交配与否对混合物EAG反应的影响 |
2.4 雄成虫交配与否对混合物EAG反应的影响 |
3 讨论 |
第四节 幼虫期取食状况对梨小食心虫成虫选择影响 |
1 材料与方法 |
1.1 化学试剂和供试昆虫 |
1.2 试验方法 |
2 结果与分析 |
2.1 幼虫期取食不同食物的交配雌蛾对气味挥发物的选择 |
2.2 幼虫期取食不同食物的处女雌蛾对气味挥发物的选择 |
2.3 幼虫期取食不同食物的交配雄蛾对气味挥发物的选择 |
2.4 幼虫期取食不同食物的未交配雄蛾对气味挥发物的选择 |
3 讨论 |
参考文献 |
第五章 梨小食心虫预测预报完善和田间防治技术优化的研究 |
第一节 相对湿度与蛀果率和诱虫量间的相关性 |
1 试验方法 |
2 结果与分析 |
2.1 相对湿度与梨小食心虫成虫诱捕量、钻蛀率间的关系 |
3 讨论 |
第二节 田间防治技术的优化 |
1 试验材料与方法 |
1.1 化学药剂 |
1.2 试验方法 |
2 结果与分析 |
2.1 不同年份施药技术对梨小食心虫钻蛀率的影响 |
3 讨论 |
参考文献 |
全文总结及创新点 |
1 全文总结 |
2 创新点 |
Abstract |
致谢 |
附录 |
(9)基于Kinect相机的苹果外形指标估测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于彩色图像的果实外形指标检测 |
1.2.2 基于三维点云的果实外形指标检测 |
1.3 研究内容、组织结构及技术路线 |
1.3.1 课题来源 |
1.3.2 研究内容 |
1.3.3 组织结构 |
1.3.4 技术路线 |
第二章 实验设计与数据采集 |
2.1 实验样本 |
2.2 苹果果实外形指标测量方法 |
2.2.1 尺寸测量 |
2.2.2 体积测量 |
2.2.3 重量测量 |
2.2.4 苹果外形指标实测结果汇总 |
2.3 苹果果实图像信息采集方法 |
2.3.1 图像采集装置 |
2.3.2 图像采集方法 |
2.4 本章小结 |
第三章 基于RGB图像的苹果外形指标估测方法 |
3.1 彩色图像处理 |
3.1.1 RGB颜色特征分析与提取 |
3.1.2 基于(R-B)色差特征的最大类间方差分割 |
3.1.3 形态学处理 |
3.2 苹果高和直径估测 |
3.2.1 相机标定 |
3.2.2 高和直径估测方法 |
3.2.3 高和直径估测结果分析 |
3.3 苹果体积估测 |
3.3.1 基于SVR的苹果体积估测 |
3.3.2 基于BP的苹果体积估测 |
3.4 本章小结 |
第四章 基于局部点云的苹果外形指标估测方法 |
4.1 苹果点云数据获取与处理 |
4.1.1 点云数据获取 |
4.1.2 点云数据处理 |
4.2 苹果几何模型构建及尺寸测量 |
4.2.1 基于椭球曲面方程的苹果模型 |
4.2.2 苹果几何模型尺寸测量 |
4.2.3 苹果几何模型离散化 |
4.3 基于LPC-GA-PSO的苹果外形指标估测方法 |
4.3.1 基于粒子群算法的苹果点云空间匹配 |
4.3.2 基于遗传算法的苹果几何模型参数寻优 |
4.3.3 算法性能分析 |
4.4 苹果外形指标估测结果分析 |
4.4.1 苹果高度估测结果分析 |
4.4.2 苹果直径估测结果分析 |
4.4.3 苹果体积估测结果分析 |
4.4.4 苹果外形估测结果综合分析 |
4.6 苹果重量估测 |
4.7 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 创新点 |
5.3 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(10)人工管理措施对苹果园凹唇壁蜂授粉及后代性别分配模式的影响(论文提纲范文)
中文摘要 |
ABSTRACT |
1 前言 |
1.1 苹果栽培概况 |
1.2 壁蜂研究现状 |
1.2.1 壁蜂的生物学特性 |
1.2.1.1 壁蜂的生活史 |
1.2.1.2 壁蜂的交尾繁殖 |
1.2.1.3 壁蜂的滞育越冬 |
1.2.1.4 壁蜂天敌 |
1.2.2 授粉功能研究现状 |
1.2.3 凹唇壁蜂研究现状 |
1.2.4 人工管理壁蜂、蜜蜂和熊蜂优劣势比较 |
1.2.5 环境和人工管理措施对凹唇壁蜂授粉作用的影响 |
1.3 性别分配和环境影响因子研究进展 |
1.3.1 壁蜂的性别决定方式 |
1.3.2 亲代投资理论 |
1.3.3 性别分配理论 |
1.3.4 巢管尺寸对性别分配的影响 |
1.4 研究的目的意义 |
2 材料与方法 |
2.1 人工释放信息素对苹果园凹唇壁蜂的授粉作用 |
2.1.1 材料和仪器 |
2.1.2 试验设计 |
2.1.3 试验调查 |
2.1.3.1 访花频率调查 |
2.1.3.2 坐果率调查 |
2.1.3.3 苹果果实品质测定 |
2.1.3.4 苹果果形指数的测定 |
2.1.3.5 苹果对凹唇壁蜂授粉依赖程度的测定 |
2.1.4 数据处理与分析方法 |
2.2 巢管尺寸凹唇壁蜂性别分配的影响 |
2.2.1 材料和仪器 |
2.2.2 实验设计 |
2.2.3 试验调查 |
2.2.4 数据处理与分析方法 |
3 结果与分析 |
3.1 信息素对凹唇壁蜂在苹果园中的授粉作用研究 |
3.1.1 信息素对凹唇壁蜂访花活动的影响 |
3.1.2 凹唇壁蜂对苹果坐果率的作用效果 |
3.1.3 信息素对苹果坐果率的影响 |
3.1.4 信息素对苹果品质的影响 |
3.1.4.1 信息素对苹果品质的影响 |
3.1.4.2 信息素对苹果单果重、横径和纵径的影响 |
3.2 人工巢管尺寸对凹唇壁蜂性别分配的影响 |
3.2.1 凹唇壁蜂的亲代投资 |
3.2.2 人工巢管尺寸对凹唇壁蜂亲代投资的影响 |
3.2.3 人工巢管尺寸对凹唇壁蜂后代性别分配的影响 |
4 讨论 |
4.1 人工释放信息素对苹果园凹唇壁蜂的授粉作用的影响 |
4.2 巢管尺寸对凹唇壁蜂性别分配的影响 |
5 结论 |
创新点 |
参考文献 |
致谢 |
硕士期间发表的论文 |
四、红富士苹果果实大小分布的早期预测研究(论文参考文献)
- [1]水心病苹果水心程度与可溶性固形物含量在线无损检测方法与分级装备研究[D]. 常汉. 浙江大学, 2021(01)
- [2]水肥一体化水氮用量对苹果园氮素利用的影响及其供应决策[D]. 陈绍民. 西北农林科技大学, 2021(01)
- [3]苹果糖度可见/近红外漫透射光谱在线检测通用模型研究[D]. 徐海. 华东交通大学, 2020(01)
- [4]全生长期树上苹果识别与生长参数远程检测方法研究[D]. 王丹丹. 西北农林科技大学, 2020(02)
- [5]蓄水坑灌下苹果树耗水特性及其对果树生长与产出的影响研究[D]. 孟玮. 太原理工大学, 2020
- [6]基于透射光谱的苹果霉心病判别影响因素及其修正方法研究[D]. 田世杰. 西北农林科技大学, 2020
- [7]1-MCP结合CO2处理对鲜切苹果贮藏期间品质变化影响[D]. 魏增宇. 天津科技大学, 2019(07)
- [8]影响梨小食心虫暴发为害的主要因子及其寄主选择研究[D]. 庾琴. 山西农业大学, 2019
- [9]基于Kinect相机的苹果外形指标估测方法研究[D]. 闫茹琪. 南京农业大学, 2019(08)
- [10]人工管理措施对苹果园凹唇壁蜂授粉及后代性别分配模式的影响[D]. 王丽娜. 山东农业大学, 2019