《【前沿|一区Top】中国农大王忠义教授团队:一种用于非侵入监测玉米穗脱水过程的新型传感器的研发与评估》

  • 来源专题:农机装备
  • 编译者: 江浩
  • 发布时间:2025-06-06
  • 点击上方蓝字 轻松关注我们 中国科学院1区Top | IF=7.7 2025.05.08在线发布|本文作者详情如上图 图文概要 非侵入式研究玉米穗脱水对玉米品种育种、机械化收获和收获后储存具有重要意义,尤其是在生理成熟期之前。然而,在 R5-R6 成熟期,非侵入式监测带有苞叶覆盖的玉米粒层水分含量仍然是一个挑战。本研究提出了一种通过使用两个测量电极的边缘场差值法来消除玉米苞叶存在情况下对籽粒水分含量测量的影响。此外,建立了一个四分之一波长传输线的集总 LC 电路模型,以最小化传感器探头。一种用于原位连续监测玉米穗籽粒水分含量的传感器系统被开发并校准,并在温室中对在体玉米穗籽粒水分含量进行连续 30 天监测其脱水过程。 结果表明,传感器对玉米穗籽粒层水分含量的测量范围为 19-55%,两个传感器的线性拟合 R2 分别为 0.8046 和 0.8257,在 95%置信水平下,水分测量误差分别为 8.6%和 8.2%。在原位观察到了玉米穗水分含量的日生理变化,并连续监测玉米穗籽粒水分含量以研究生理成熟前的玉米穗脱水情况。总之,这项研究为玉米育种中研究玉米穗脱水提供了一种新方法。 其他人正在查看类似内容 中国农业大学团队:多传感器融合智能除草系统,用于番茄植株检测和株内杂草定向微喷 Top期刊 | 新型植物可穿戴传感器:更懂植物的智能监测方案 【Nature】农业传感器:构建植物互联网时代 利用本研究的传感器对在体玉米穗连续观测结果表明,进入R5阶段后水分不足会导致玉米穗苞叶过早老化,并加速成熟脱水过程。水分对玉米干物质的积累至关重要,水分不足会导致穗部脱水加速,产量降低,这是因为有机物质的合成和积累时间不足。 相关研究表明,适度缺水灌溉可提升水分利用效率。通过持续监测玉米穗水分含量,可及时调整灌溉措施,实现节水而不影响玉米产量。本研究观察到的玉米粒含水量日变化可能与植物蒸腾作用和光合作用密切相关。白天,较高的光强和温度促进蒸腾作用和光合作用,导致谷物含水量下降;夜间,蒸腾作用减弱,含水量逐渐恢复。此外,白天活跃的光合作用可能导致水分从谷物向其他组织(如叶片)转移,进一步影响谷物含水量。作为“ sink”组织,谷物含水量还可能受源-汇关系调控,即白天光合产物向谷物运输导致谷物含水量下降。这些机制共同导致了谷物含水量的昼夜动态变化。 谷物含水量的昼夜变化不仅反映了植物水分代谢的动态特性,还可能为精准农业中的水分管理提供重要启示。例如,通过监测谷物含水量的变化,我们可以更好地理解植物的水分需求并相应优化灌溉策略。此外,这些发现为进一步研究植物源-汇关系及其对环境条件的响应提供了基础。 本文研究全文获取途径:后台回复“458” 图1 新型传感器探头 图2 (a) 传感器测量示意图和阻抗模型。(b) 传感器测量电极边缘场差值示意图 图3 (a) 测量电路等效电路模型。(b) 传感器探头。(c) 传感器电路板结构图 图4 两个传感器标定结果 图5 传感器对在体玉米穗籽粒水分含量连续监测结果(a)1号玉米植株。(b)2号玉米植株。 中国农业大学信息与电气工程学院博士生向阳为本文论文第一作者,中国农业大学信息与电气工程学院范利锋副教授和中国农业大学信息与电气工程学院黄岚教授为论文通讯作者,中国农业大学信息与电气工程学院王忠义教授等参与了实验思路设计与文章修改。 农业科技侠交流群 入群可添加小编微信(扫描下方二维码,备注:来意-姓名-单位,若二维码添加失败,请公众号后台私信留言“入群”) 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源:本文转自农业科技侠数字与智慧农业微信公众号 编辑:吕一帆 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言
  • 原文来源:http://mp.weixin.qq.com/s?__biz=MzkxNDUyNjQ3OQ==&mid=2247496805&idx=1&sn=a7cbbbda4666e27ed737c8a3507c8fd4&scene=0#wechat_redirect
相关报告
  • 《河南农大智慧农业本科生一作在中国科学院一区Top发文》

    • 来源专题:农机装备
    • 编译者:袁雪
    • 发布时间:2025-04-22
    • 点击上方蓝字 轻松关注我们 中国科学院1区Top | IF=7.7 2025.04.19在线发布|本文作者详情如上图 4月19日,河南农业大学2021级智慧农业专业本科生杨默含以第一作者在中国科学院一区TOP期刊《Computers and Electronics in Agriculture》(IF=7.7)上发表了题为《A Robust Two-Stage Framework for Maize Above-Ground Biomass Prediction Integrating Spectral Remote Sensing and Allometric Growth Model》的研究性论文。 地上生物量是作物生长状况的关键指标之一,广泛用于作物生长评估、农业产量预测以及生态系统功能研究。该研究结合三维辐射传输模型、光谱遥感及异速生长模型,提出了一种玉米地上生物量预测的新框架,突破了传统方法的局限性,显著提升了预测精度。 在该研究中,此框架分为两个阶段。第一阶段,使用三维辐射传输模型分析了玉米冠层不同器官对光谱信号的贡献。研究揭示了玉米叶片器官在冠层光谱反射率的变化中占据主导地位,而茎、果穗等非叶片器官对光谱的贡献则较为微弱。 基于这一发现,第二阶段结合了遥感数据与异速生长模型模型,采用随机森林算法来准确预测玉米叶片的生物量。同时,通过建立叶片生物量与非叶片器官(茎、果穗等)之间的异速生长关系,在不同生长阶段精确推算非叶片器官的生物量,从而实现了对玉米地上生物量的精准估算。 结果表明,该框架的估算精度显著提高,R2 达到0.79,RMSE 达到 300.09 g/ m2。与直接光谱估算总地表生物量 (AGB) 相比,本文研究团队显著提高了预测精度,解释力提高了 216%,误差降低了 46.69%。该创新框架显著提升了玉米地上生物量的预测精度,在不同环境和不同生长阶段下都表现出了优异的预测能力。 本文研究全文获取途径:后台回复“437” 图1 研究技术框架 图2 玉米群体三维模型 图3 不同情况下500nm到2500nm波段的反射率 及其绝对差值 图4 模拟计算得出植被指数 表1 玉米不同生长阶段异速生长关系 图5 耦合模型的估算表现 图6 地上生物量制图 这一研究不仅为玉米地上生物量的精准预测提供了强有力的工具,也为其他作物的生物量估算提供了新的参考。基于本框架,农业管理者可以在无需破坏农田的情况下,精准监测作物的生长状态,从而优化灌溉、施肥等农业管理措施,有效提升资源利用效率。该研究不仅在理论上突破了传统地上生物量估算方法的瓶颈,在实际应用中展现了巨大的潜力,为未来作物生物量的遥感监测提供了可靠的技术路径,并为农业监测系统提供了强有力的数据支持。 河南农业大学农学院2021级智慧农业专业本科生杨默含和博士后吴强为本研究共同第一作者,程金鹏研究员、北京市农林科学院信息技术研究中心杨贵军教授、杨浩高级工程师为共同通讯作者,河南农业大学农学院马新明教授和熊淑萍教授、北京师范大学漆建波教授对本研究工作给予了指导和帮助。该研究得到了国家自然科学基金、国家重点研发计划、中国博士后科学基金、河南省科技攻关计划项目以及河南省重点研发与推广专项等项目的资助。 农业科技侠交流群 入群可添加小编微信(扫描下方二维码,备注:来意-姓名-单位,若二维码添加失败,请公众号后台私信留言“入群”) 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源:本文转自农业科技侠数字与智慧农业微信公众号 编辑:吕一帆 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言
  • 《【前沿|一区Top】华南农大兰玉彬教授团队:基于无人机LiDAR结合三维深度神经网络的棉花表型性状计算方法》

    • 来源专题:农机装备
    • 编译者:袁雪
    • 发布时间:2025-01-06
    • 点击上方蓝字 轻松关注我们 中国科学院一区Top | IF=7.7 2024.12.28 在线发布|本文作者详情如上图 图文概要 准确快速获取棉花冠层表型性状对长势监测、产量预测、农药精准喷洒等科学管理具有重要意义。人工测量费时费力,而激光雷达(LiDAR)可以精准获取农业环境的点云数据,但LiDAR数据需要专门的算法进行处理和解读,不适合直接用于农业应用。本研究提出了一种基于无人机LiDAR平台的棉花冠层表型性状高通量检测方法。 其他人正在查看类似内容 包括三个关键部分:第一,利用无人机LiDAR平台对棉铃期大田数据进行高通量采集;第二,利用三维深度神经网络PointNet++对原始数据进行处理,进行语义分割,提取棉花单株及块体。最后采用6种单株棉花表型分析算法和5种块级棉花表型分析算法提取棉花株高、孔隙度、冠层体积等冠层结构信息,最终结果中神经网络对棉花单株的提取率达到了86.3%。 6种棉花表型计算方法中,株高法计算株高的效果最好,与人工测量数据相比,其R2值为0.91,均方根误差(RMSE)最小,为0.034 m;棉花冠层孔隙度算法计算结果中,最高R2值为0.87,最小RMSE值为0.012;棉花冠层体积算法计算结果中,最高可得R2值为0.96,最小RMSE值为0.019 m 3。 该方法可有效分区棉花,提取表型信息,为棉花长势监测、产量预测、科学管理提供技术支持。 本文研究论文全文获取途径:后台回复“395” 图1 实验材料。(a) 实验地点地理位置,(b) 九江市,(c) 广州市。(d) 九江市实验棉田。(e) 区块分区图 图2 无人机扫描平台结构图 图3 无人机路线图 图4单株棉花冠层参数测量与推算示意图。(a) 棉花植株高度测量及冠层体积推算。(b) 利用冠层分析仪获取棉花冠层图像,并将图像导入分析仪分析棉花冠层孔隙度 图5 PointNet ++的分层机制 图6 棉花块表型提取结果回归分析:(a)孔隙度-体素差异法,(b)孔隙度-体素-凸包法,(c)体积-凸包法,(d)体积-体素法,(e)体积-切片法。