基于人工神经网络的叶脉信息提取--植物活体机器识别研究I

叶片的识别是识别植物的重要组成部分,特别在野外识别植物活体尤其重要.叶脉的脉序是植物的内在特征,包含有重要的遗传信息.但由于叶脉本身的多样性,利用单一特征的图像处理方法难以有效地提取叶脉.为了充分利用图像的信息,本文提出了一种基于人工神经网络的叶脉提取方法.该方法利用边缘梯度、局部对比度和邻域统计特征等10个参数来描述像素的邻域特征,并将其作为神经网络的输入层.实验结果表明,与传统方法相比,经过训练的神经网络能够更准确地提取叶脉图像,为进一步的叶片识别打下了良好的基础.     

基于遥感的植物叶脉功能性状计算及其生态学意义

叶脉网络性状能够反映出植物适应特定生境的基本方式及其光合生理功能, 体现了植物水分和能量权衡的生态策略。叶脉功能性状的高效提取, 为植物生理功能和资源配置的响应机理研究提供参考。以北京市常见绿化树种洋白蜡(Fraxinus pennsylvanica)、臭椿(Ailanthus altissima)和国槐(Sophora japonica)的叶脉显微图像为训练样本, 采用遥感图像处理软件, 对叶脉显微图像进行多尺度分割和分类识别, 根据目标对象的亮度(brightness)、光谱(spectrum)和几何(shape)特征规则实现大批量叶脉的快速解译。结果表明, 3个树种叶脉分割的最优参数及自动提取规则为: 尺度参数(scale parameter)为200, 形状参数(shape parameter)为0.8, 紧凑度参数(compactness parameter)为0.2, 亮度值为190—230, 绿光波段大于210, 形状–密度指数为1.5。该方法提取叶脉密度(leaf vein density, LVD)和叶脉面积(leaf vein area, LVA)精度分别达到了95.7%和94.5%以上, 对该3种植物叶脉性状的快速提取具有较高的普适性。在城市不同环境中, 随着温度的升高、土壤水分含量的降低, 叶脉密度总体上呈增大的趋势, 而气孔数量则明显减少, 叶脉密度与气孔密度间普遍存在显著的负相关关系(P<0.05)。这说明了植物在高温和干旱胁迫环境中, 在叶片水平上表现出“此消彼长”的权衡规律, 进一步提高其逆境耐受性。     

基于遥感技术植物叶脉性状的计算及其生态学意义

叶脉网络性状能够反映出植物适应特定生境的基本方式及其光合生理功能,体现了植物水分和能量权衡的生态策略。叶脉功能性状的高效提取,为植物生理功能和资源配置的响应机理研究提供参考。以北京市常见绿化树种洋白蜡(Fraxinus pennsylvanica)、臭椿(Ailanthus altissima)和国槐(Sophora japonica)的叶脉显微图像为训练样本,采用遥感图像处理软件,对叶脉显微图像进行多尺度分割和分类识别,根据目标对象的亮度(brightness)、光谱(spectrum)和几何(shape)特征规则实现大批量叶脉的快速解译。结果表明,3个树种叶脉分割的最优参数及自动提取规则为:尺度参数(scale parameter)为200,形状参数(shape parameter)为0.8,紧凑度参数(compactnes sparameter)为0.2,亮度值为190—230,绿光波段大于210,形状–密度指数为1.5。该方法提取叶脉密度(leaf vein density,LVD)和叶脉面积(leaf vein area,LVA)精度分别达到了95.7%和94.5%以上,对该3种植物叶脉性状的快速提取具有较高的普适性。在城市不同环境中,随着温度的升高、土壤水分含量的降低,叶脉密度总体上呈增大的趋势,而气孔数量则明显减少,叶脉密度与气孔密度间普遍存在显著的负相关关系(P0.05)。这说明了植物在高温和干旱胁迫环境中,在叶片水平上表现出"此消彼长"的权衡规律,进一步提高其逆境耐受性。     

基于深度学习的葡萄砧木叶片识别研究

嫁接有利于增强树体对生物及非生物胁迫的适应能力,提高葡萄产量和品质。葡萄砧木品种多样复杂,识别难度较大,深度学习能够快速提取图像的深层特征,被广泛应用于植物图像分类识别领域。本研究以30份葡萄砧木成龄叶图像作为研究对象,通过采集叶片图像,构建了一个包含13547张的葡萄砧木叶片图像的数据集。采用GoogleNet、ResNet-50、ResNet-101以及VGG-16等4个卷积神经网络对其进行自动识别。结果表明：精度最高的分类网络为ResNet-101,在最优模型参数（学习率：0.005,最小批次：32,迭代次数：50）下精度达到97.5%。ResNet-101模型检测的30个品种中,平均预测精确率为92.59%,有7个品种的预测精确率达到100%;平均召回率为91.08%,有8个品种的召回率达到100%,叶片的叶面纹理、叶脉以及叶缘部分对品种识别的影响最大。以上结果证实,深度学习网络模型可以实现对葡萄砧木的自动实时识别,为葡萄砧木品种的保护、利用、分类研究以及其他农作物的品种识别提供参考。     

植物叶形的计算机识别系统

植物叶形是识别植物的重要和常用形态特征, 建立计算机自动识别系统对于认识和正确识别植物十分重要。本文论述了植物叶形图像识别系统设计中的图像处理、特征提取及分类识别等问题。本系统采用Visual Basic.Net编程工具设计, 在Windows 2000/XP平台上通过叶片图像的输入、变换、平滑和分割等识别过程,实现了叶片图像的形状和叶缘特征的结果输出。实验结果表明, 该系统能够很 好地识别植物的叶形, 对14种植物337份叶片样本的叶形测试准确率达93.2%。为植物识别的进一步研究奠定了基础。     

植物叶形的计算机识别系统

植物叶形是识别植物的重要和常用形态特征,建立计算机自动识别系统对于认识和正确识别植物十分重要.本文论述了植物叶形图像识别系统设计中的图像处理、特征提取及分类识别等问题.本系统采用Visual Basic.Net编程工具设计,在Windows 2000/XP平台上通过叶片图像的输入、变换、平滑和分割等识别过程,实现了叶片图像的形状和叶缘特征的结果输出.实验结果表明,该系统能够很好地识别植物的叶形,对14种植物337份叶片样本的叶形测试准确率达93.2%.为植物识别的进一步研究奠定了基础.     

基于多尺度曲率植物叶片特征提取

基于B-样条小波计算边缘曲线多尺度曲率函数,根据多尺度信息筛选和定位超过一定曲率闲值的精角点,这样的点代表了边缘曲线的主要信息．文中使用了Canny边缘检测算子和数学形态学方法进行图像预处理,B-样条小波降低对噪声及扰动的灵敏性,以提高真实精角点定位水平．综合[1,2]给出新的角特征矢量,并生成角点特征序列CS和弧段特征序列SS．特征序列可作为自适应-时滞单元混合神经网络的输入,通过学习完成图像分类与识别,对基于植物叶片形状识别种类提供辅助。     

高寒植物叶片性状对模拟降水变化的响应

降水变化对高寒草甸生态系统产生了显著影响,植物叶片性状特别是叶脉特征对降水变化非常敏感,然而高寒植物叶片性状特征如何响应降水变化还知之较少。采用集雨棚模拟增减50%降水的条件,以高寒草甸8种主要植物叶片为研究对象,研究了降水变化对叶片的叶脉率、叶脉密度、叶片大小、比叶质量、叶片总有机碳含量、叶片全氮含量、叶片碳同位素相对含量和碳氮比等叶片性状的影响。发现增水显著增加了植物的叶片大小、稳定碳同位素千分值、总有机碳含量、全氮含量,但显著降低了叶脉密度;而减水显著降低了叶片大小、稳定碳同位素千分值。植物叶片性状各指标对降水变化的响应存在协同变化和相互制约。不同水分生态类型的植物对降水变化的响应存在差异,中生植物通过增加叶片大小和减少叶脉密度积极应对降水的增加,矮生嵩草的叶片大小分别增加了200.3%,叶脉密度减小了17.5%,而旱中生植物通过减少叶片大小和增加叶脉密度应对降水的减少,垂穗披碱草和异针茅的叶片大小分别减少54.9%和30.7%,其叶脉密度分别增加25%和22.4%。羽状叶脉植物增加叶脉密度和稳定碳同位素千分值以适应增水条件,花苜蓿、异叶米口袋的叶脉密度的增加了7.8%和4.0%,稳定碳同位素千分值增加2.5%和3.3%,但增水条件下平行叶脉植物的叶脉密度不变或降低和稳定碳同位素千分值保持不变;减水增加了平行叶脉植物叶脉密度并减低了稳定碳同位素千分值,异针茅的叶脉密度增加了22.4%,稳定碳同位素千分值减小2.9%,而对羽状叶脉植物的叶脉密度和稳定碳同位素千分值减少或不变。植物叶片性状对增水的敏感性显著大于对减水的敏感性,增水的效应约为减水的2倍;叶片大小的敏感性显著大于其它叶片性状,约为其它叶片性状的10倍。因此,植物在应对短期降水变化时,植物形态可塑性的作用凸显,放大或缩小叶片大小是植物应对降水变化的最有效的途径,但是不同水分生态类型和叶脉类型植物可塑性的方向存在显著差异。     

植物叶片末级小脉类型的识别

植物叶片末级小脉类型的识别张莉枝林月惠植物叶片包括皮系统、维管系统和基本组织系统。叶子的维管系统通称叶脉,并逐级分枝布满在整个叶片之中,叶脉不仅与基本组织系统中的叶肉细胞密切联系,而且还与叶柄中的维管系统相连接。叶脉的主要功能是进行水分和养分的双向运...     

叶脉网络功能性状及其生态学意义

叶脉网络结构是叶脉系统在叶片里的分布和排列样式。早期叶脉网络结构研究主要集中在其分类学意义上; 近年来叶脉网络功能性状及其在植物水分利用上的意义已成为植物生态学研究的热点。该文介绍了叶脉网络功能性状的指标体系(包括叶脉密度、叶脉直径、叶脉之间的距离、叶脉闭合度等), 综述了叶脉网络功能性状与叶脉系统功能(包括水分、养分和光合产物等物质运输、机械支撑和虫害防御等)的关系, 叶脉网络功能性状与叶片其他功能性状(包括比叶重、叶寿命、光合速率、叶片大小、气孔密度等)的协同变异和权衡关系, 以及叶脉网络功能性状随环境因子(包括水分、温度、光照等)的变化规律等方面的最新研究进展。此外, 叶脉网络功能性状的研究成果也被应用于古环境重建、城市交通规划、流域规划及全球变化研究中。由于叶脉网络功能性状是环境因子与系统发育共同作用的结果, 未来开展分子—叶片—植物—生态系统等多尺度的叶脉网络功能性状研究, 理清叶脉网络功能性状与气孔失水—茎干导水—根系吸水等植物水分利用的关系, 将为预测植物及生态系统对全球变化的响应提供新的启示。     

基于神经网络中的NNTool对小鼠皮肤的识别方法

研究皮肤纹理经过UVB光照射后的变化情况并对其进行识别。具体地,采取图像纹理分析方法,对经过光照射后不同时期的小鼠皮肤图像提取纹理特征,进而建立一种新的皮肤纹理识别模型。采用空间灰度共生矩阵法提取图像纹理的4个主要特征,即:能量,熵,惯性矩,相关度,然后利用神经网络中的NNtool对皮肤纹理图像进行训练和分类识别。实验结果很好地证明了这种纹理分析和识别方法的可行性和有效性。     

高粱、紫苏叶脉密度与光合特性的关系

叶脉是植物叶片光合作用水分输送的重要结构。为阐述叶脉与光合特性之间的关系,以C4植物高粱(Sorghum bicolor)、C3植物紫苏(Perilla frutescens)为实验材料研究了叶脉密度和光合特性之间的关系。结果表明,与紫苏相比,高粱叶片叶脉密度大,导水能力强,蒸腾速率高,但气孔密度小。进一步分析表明,高粱叶片近轴侧气孔密度占总气孔的比例明显高于紫苏。叶脉密度大的高粱具有较高的净光合速率;而紫苏叶脉密度小,净光合速率也较低。由此表明,较高的叶脉密度有利于支持较高的光合速率,但研究表明叶脉密度和气孔密度可能不存在严格的协同变异关系。研究结果对理解植物光合作用适应有重要意义。     

植物叶脉发育的分子机制

叶脉在高等植物发育过程中扮演着为叶片输送水分和营养及支撑叶片的重要角色。植物叶片的形态构造看起来简单,而叶脉发育的分子机理却十分复杂。大量研究表明,植物叶脉发育与生长素的极性运输紧密相关,此外,还受到众多转录因子、小分子RNA以及细胞分裂素、油菜素内酯等因素的调控。综述了近年来叶脉发育的分子机制研究进展,以期了解叶脉发育的调控网络。     

叶片结构的水力学特性对植物生理功能影响的研究进展

叶片是植物进行光合、呼吸、蒸腾作用的主要器官, 早期的研究主要集中于水分在叶片中的运输路径, 而对叶脉结构及其生态学意义研究甚少。近年来关于叶片叶脉结构、气孔结构的功能及叶片水力学特性的意义研究已经成为植物生理生态的研究热点。该文综述了叶脉的结构性状的指标(叶脉密度、直径、间距等), 叶片水力学结构特性对植物生长、水分运输、气体交换、光合作用等生理功能的影响, 及其与植物对干旱适应性之间的关系。叶脉结构是决定叶片生理功能的基础, 因此在未来的工作中应分析比较不同种类植物叶脉结构形态与导水、光合、呼吸、同化作用之间的关系, 建立植物茎干-枝-叶系统水力传导的机理性模型, 用以探索不同植物功能结构和高效用水生理生态学机制, 据此评估不同种类植物在未来气候情景下的地位。     

两面针变种及类型间的小叶形态比较

为更好地分类和鉴定两面针原变种、毛两面针变种以及原变种的3个类型,对两面针2个变种及原变种3个类型的小叶形态特征进行了观察,并利用扫描电镜和解剖镜对叶片表皮和叶脉进行了显微观察和微形态研究。结果显示:两面针原变种各类型和毛两面针的植物形态主要区别在叶片质地和被毛情况,叶片质地在类型内较为稳定,是首要分类性状。毛两面针的叶表面特征与原变种区别明显,类型三有别于前两种类型。叶脉特征中毛两面针和类型一也与类型二和三有所不同。叶表面和叶脉的微形态均具有较好的分类意义和鉴别意义,支持《中国植物志》关于两面针2个变种以及3个类型的划分。     

不同生长阶段枇杷叶总黄酮含量的二维分布检测

利用高光谱图像技术研究了枇杷叶总黄酮含量在不同生长阶段(新叶、成熟叶、老叶)可视化分布。采集120片枇杷叶高光谱(431~962 nm)图像信息,利用分光光度计法测定枇杷叶片的总黄酮含量,并建立7种定量预测模型,其中最小二乘支持向量机(LS-SVM)模型最佳,校正集和预测集相关系数r分别为0.8705和0.8996,最小均方根误差RMSE分别为1.92 mg/g和1.72 mg/g。逐一提取待测枇杷叶高光谱图像中每个像素点在不同波段的光谱信息,并将其带入最佳模型计算各个像素点处的黄酮含量,从而绘制总黄酮含量在整个枇杷叶上的二维分布图。研究表明,枇杷叶总黄酮含量随新叶、成熟叶、老叶而呈递增趋势,且黄酮含量高的区域集中在叶脉和靠近叶脉的叶肉区域,低的区域集中在叶片边缘和远离叶脉的叶肉区域。研究对枇杷叶的分类采集有一定的参考价值,为揭示化学活性成分在农产品中的分布规律提供了技术手段。     

基于复合叶片特征的计算机植物识别方法

该文探讨如何根据植物的叶片特征,利用图像处理和机器学习的方法对植物进行分类。鉴于现有的叶片分类系统多采用单一的特征,如几何和纹理等,仅能在小规模数据库上得到较好的结果。然而,随着样本种类的增多,单一特征在不同种类叶片之间的相似性非常明显,致使分类正确率降低。该研究使用多种复合特征,并提出了原创的预处理方法以及宽度、叶缘频率特征,较传统的几何特征更为详尽。研究结果显示,复合特征可以有效避免算法过拟合问题,使之适用于更大的数据库。通过提取21类植物的叶片宽度、颜色、叶缘和纹理共292维特征,对1 915张数字图像进行了分类,正确率达到93%,并分析了各类特征对分类结果的影响。研究结果表明,在不影响分类正确率前提下,可将特征减少到约100维。     

机械损伤对9种水生植物叶片的影响

水生植物叶片的功能性状特征与陆生植物有所不同,同时叶脉类型也显著影响叶片的功能性状。本研究选取9种具有不同叶脉类型的水生植物,通过对叶脉进行直接损伤,分析叶片性状（形态、色素含量和叶绿素荧光指标）在叶脉受损后的变化程度与叶脉类型的关系。结果显示：具有平行脉的3种水生植物对叶脉损伤具有较强的耐受性;具羽状脉的4种植物主脉受损后显著抑制叶片生长,而侧脉受损的影响在不同物种间有所不同,具有物种特异性。本研究可为大型湖泊水生植物修复的水生物种筛选提供参考。     

兰州北山不同坡向刺槐叶脉密度与气孔性状的关联性分析

植物叶脉和气孔性状的关系反映了叶片的水力特性, 对认识它们与植物水分利用有关的生理功能间的关系及其调控作用具有重要意义。该文利用GIS (geographic information system)与实验生态学相结合的方法, 采用标准化主轴估计方法, 研究了兰州市北山不同坡向人工林刺槐(Robinia pseudoacacia)叶脉密度与气孔密度、气孔大小的关系。结果表明: 随着坡向由南坡向东坡、西坡和北坡转变, 植被群落的郁闭度、高度和土壤含水量呈逐渐增加的趋势, 刺槐的净光合速率(P_n)、蒸腾速率(T_r)、光合有效辐射(PAR)、叶脉密度和气孔密度呈逐渐减小的趋势, 气孔与叶面积呈逐渐增大的趋势; 各个坡向的刺槐叶脉密度与气孔密度呈显著正相关关系, 与气孔大小呈显著负相关关系, 且在南坡达到极显著相关关系。生长在南坡的刺槐具有高的叶脉密度和密而小的气孔, 生长在北坡的刺槐具有低的叶脉密度和疏而大的气孔。不同坡向刺槐叶脉密度与气孔特征间的资源分配模式, 反映了植物在异质性生境中根据其功能需求在自身性状之间进行投资权衡机制的优化。     

机械损伤对9种水生植物叶片的影响

水生植物叶片的功能性状特征与陆生植物有所不同,同时叶脉类型也显著影响叶片的功能性状。本研究选取9种具有不同叶脉类型的水生植物,通过对叶脉进行直接损伤,分析叶片性状(形态、色素含量和叶绿素荧光指标)在叶脉受损后的变化程度与叶脉类型的关系。结果显示:具有平行脉的3种水生植物对叶脉损伤具有较强的耐受性;具羽状脉的4种植物主脉受损后显著抑制叶片生长,而侧脉受损的影响在不同物种间有所不同,具有物种特异性。本研究可为大型湖泊水生植物修复的水生物种筛选提供参考。