基于SPAD值的水稻叶色变化过程可视化模拟

doi:10.3778/j.issn.1002-8331.1512-0359

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (11): 233-236.DOI: 10.3778/j.issn.1002-8331.1512-0359

基于SPAD值的水稻叶色变化过程可视化模拟

孙爱珍，杨红云，何火娇

江西农业大学软件学院/江西省高等学校农业信息技术重点实验室，南昌 330045

出版日期:2017-06-01 发布日期:2017-06-13

Visual simulation of rice leaf color change process based on SPAD value

SUN Aizhen, YANG Hongyun, HE Huojiao

School of Software, Jiangxi Agricultural University, Key Laboratory of Agricultural Information Technology of Colleges and Universities in Jiangxi Province, Nanchang 330045, China

Online:2017-06-01 Published:2017-06-13

摘要/Abstract

摘要： 通过试验观测水稻叶片SPAD值与叶片图像的RGB值，分析并构建了SPAD值与叶片图像的R、G、B分量值之间关系模型，模型判定系数分别为0.932?8、0.833?1、0.562?3，表明SPAD与叶片颜色之间存在相关性。通过对SPAD值随叶片表面空间和时间的变化分析，利用插值原理计算出叶片不同部位的SPAD值，根据关系模型计算生成叶片的RGB值。并通过微软的Direct3D9.0图形函数库和vc++编程，在前期水稻叶片三维模型的基础上，实现了水稻叶片颜色变化过程的可视化模拟，真实感效果较强。

关键词: 水稻, 叶色, SPAD值, 可视化

Abstract: SPAD value and RGB value of rice leaf are observed experimentally. The relationship model between SPAD values and RGB value of leaf image is analyzed and constructed, the [R2] is 0.9328, 0.8331, 0.5623 respectively. This shows that there is a correlation between SPAD and leaf color. By analyzing the SPAD value changed over the leaf surface and leaf growth time, SPAD value in different parts of leaf is calculated according to the interpolation principle, and RGB value is calculated according to the relational model. And through Microsoft’s Direct3D9. 0 graphics library and vc++ programming, it achieves the rice leaf color change process visual simulation based on the previous 3D model of rice leaf, and realistic strong effect.

Key words: rice, leaf color, SPAD value, visualization

孙爱珍，杨红云，何火娇. 基于SPAD值的水稻叶色变化过程可视化模拟[J]. 计算机工程与应用, 2017, 53(11): 233-236.

SUN Aizhen, YANG Hongyun, HE Huojiao. Visual simulation of rice leaf color change process based on SPAD value[J]. Computer Engineering and Applications, 2017, 53(11): 233-236.

[1]	余磊，许光銮，王洋，林道玉，李峰. 基于动态投影嵌入的多维异质网络可视化研究[J]. 计算机工程与应用, 2021, 57(8): 145-152.
[2]	王友发，周圆圆，罗建强. 近20年智能制造研究热点与前沿挖掘[J]. 计算机工程与应用, 2021, 57(6): 49-57.
[3]	李晓英，唐冬琳. 面向用户生成内容的创意思维知识服务研究[J]. 计算机工程与应用, 2021, 57(4): 236-244.
[4]	江洋洋，金伯，张宝昌. 深度学习在自然语言处理领域的研究进展[J]. 计算机工程与应用, 2021, 57(22): 1-14.
[5]	陈小寒，魏书宁，覃正泽. 基于深度学习可视化的恶意软件家族分类[J]. 计算机工程与应用, 2021, 57(22): 131-138.
[6]	程宇航，张健钦，李江川，张安. 交通行业事故文本数据的可视化挖掘分析方法[J]. 计算机工程与应用, 2021, 57(21): 116-122.
[7]	任卓君，陈光，卢文科. 恶意软件的操作码可视化方法研究[J]. 计算机工程与应用, 2021, 57(18): 130-134.
[8]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[9]	张迪，杨沛，邓鑫波，赵千川. ASExplorer：基于联合熵的多维相关性可视分析系统[J]. 计算机工程与应用, 2021, 57(1): 99-109.
[10]	魏世超，李歆，张宜弛，周晓锋，李帅. 基于E-t-SNE的混合属性数据降维可视化方法[J]. 计算机工程与应用, 2020, 56(6): 66-72.
[11]	王家润，孙禹楠，尹辉，杨志龙. 军事目标关系的拟合地势及双重保凸可视建模[J]. 计算机工程与应用, 2020, 56(5): 270-278.
[12]	王占刚. 面向视觉变量感知特征的时空过程可视化模型[J]. 计算机工程与应用, 2020, 56(4): 50-56.
[13]	王金丽，樊勇，张辉. 区块链文献主题发现及演化研究[J]. 计算机工程与应用, 2020, 56(20): 1-8.
[14]	翟永杰，杨旭，王金娜，王坤峰，赵振兵. 平行视觉框架下深度卷积神经网络可视化分析[J]. 计算机工程与应用, 2020, 56(19): 139-145.
[15]	张功森，郭翌，李永哲，裴曦，徐榭，周解平. 结合增强现实的医用加速器碰撞检测方法[J]. 计算机工程与应用, 2020, 56(17): 197-202.

基于SPAD值的水稻叶色变化过程可视化模拟

Visual simulation of rice leaf color change process based on SPAD value

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics