叶片是植物光合作用的窗口，水分蒸腾的媒介。在园艺作物栽培与管理中，叶面积是研究作物生长发育规律、群体光合效能和制定作物栽培措施与技术标准的重要参数[1-2]。因此实现植物叶片面积的快速、准确和无损测量对指导农业生产具有重要意义。传统的植物叶片面积测量方法主要有网格法、复印称重法、回归方程法和叶面积仪法等[3-5]。此类方法虽已在农业研究中广泛应用，但对叶片具有破坏性、耗时多、操作繁琐和不能大规模获取测量数据等缺点，且依赖于人眼观测，精度不高。虽叶面积仪测量叶片的精度高、速度快，但仪器的价格较高，维修和携带不方便，对被测植物叶片的大小有一定的限制。由于传统测量方法的不足，随着图像处理技术以及计算机硬件的不断发展，图像处理法因其优势逐渐成为研究热点。陈涛涛等[6]在数字图像处理法的优势上，提出一种基于矩形框几何校正多叶面积测量方法。王忠芝等[7]通过数码相机采集所测样本图片，基于数字图像处理方法对叶片进行面积的测量。

但图像处理法大多要求使用者了解相关的软件操作，且图像的获取一般需要使用大型设备，具有操作繁琐、携带不便等缺点。近年来，随着Android智能手机的普及，便于携带等特性为植物叶面积的测量提供了新的途径。基于Android系统平台的智能移动终端设备的程序开发技能已成为目前计算机应用创新与就业的重要手段和热点之一[8]。龚爱平等[9]提出基于Android手机的叶面积测量方法，该方法便携、快速。郭文川等[10]提出基于Android手机的植物叶片面积快速无损测量系统，该系统可对叶片拍照并直接对手机存储的图像进行处理，还可对图像进行几何校正，提高了精确性。但在Android系统平台上，采用数字图像处理技术与基于Android系统移动终端的开发技术相结合进行叶面积测量还有待于尝试。因此，笔者等以农作物叶面积自动测量为切入点，以基于Android系统智能移动终端的开发技术为手段，在Android系统平台基础上，实现基于移动终端的农作物叶面积自动测量系统设计与实现。使用户在手机上能随时进行农作物叶面积测量，为大田叶面积的准确快速、简便无损测量提供参考依据。

1 系统功能模块设计

根据叶面积的形状特点，结合日常试验需要，测量系统主要包括五大功能，分别为采集叶片图像功能、加载图片至编辑区功能、选取标记点功能、提取叶片区域功能和计算叶片面积功能(图1)。

图1 农作物叶面积测量系统的整体结构

Fig.1 Overall structure of crop leaf area measurement system

1) 采集叶片图像模块。通过移动终端的Android手机照相功能，拍摄放置在自制的具有4个标记点的小正方形模块的数据采集模板上的被测植物叶片，以jpg格式保存到存储卡中或选择已经存储在存储卡中的被测植物叶片的图像，在获取图像的基础上实现图像灰度化、图像平滑以及图像二值化处理。通过系统提供的灰度识别算法和Ostu阈值识别算法获取图像中每个像素的颜色信息，然后将彩色图像转化为灰度图像，进行边缘化处理，得所测叶片轮廓，为下一步图片加载区域功能作准备。

2) 加载图片至编辑区模块。为使加载像素更加清晰准确、改善图像处理的效果，将所测叶片图像进行预处理(灰度线性变换等)、对比度拉伸的阈值化处理和子图像局部阈值化处理。Ostu阈值识别算法将所测叶片面积的像素点加载在应用程序界面中，设置临界值(触发加载处到图片的距离)来控制所测量叶片图片的加载区域，默认情况下处于等待状态,直到用户点击图片所在位置，为下一步数据采集模板上的选取标记点功能作准备。

3) 选取标记点模块。在自制的具有4个标记点的小正方形模块的数据采集模板上，选择一适当的标记点，通过划取界面，然后点击确定标记点按钮，所选择图案二值化，分离出自制数据采集模板的所选确定标记点的有效像素，以便后续处理进行阈值分割，得出数值后计作标准参数，为下一步提取叶片区域功能作准备。

4) 提取叶片区域模块。通过Ostu阈值识别算法把所测叶片阈值分割出来，然后点击确定叶片区域按钮，选择将要计算叶片面积的区域，将所选择图案二值化,分离出所选叶片区域的有效像素，最后进行阈值分割,得出数值后计为标准参数，得所测叶片轮廓，为最后计算叶片面积功能作准备。

[2] 韩殿元.边缘阴影和晕圈对基于图像叶面积测量的影响及修正[J].林业资源管理，2010(3):98-103.

2 系统实现关键技术

系统中以数字图像处理技术与基于Android系统移动终端的开发技术相结合为创新设计，应用图像二值化处理、边缘检测、Ostu阈值识别算法、灰度线性变换、灰度识别算法、灰度阈值变换和轮廓提取等技术，先将获取的确定标记点和所选叶片区域进行图像分割，再将所选的定的小正方形其中一个标记点模块和所选叶片区域面积进行边缘化处理，以提高精确度，并得到所选定标记点和所测叶片的轮廓，再通过Ostu阈值分离出自制数据采集模板的小正方形确定标记点有效像素总数以及被测植物叶片面积区域的有效像素总数，最后以包含叶片图片文件中像素点的个数为突破口，应用所测叶片所占的像素与标记点模块所占的像素点的个数进行比较，从而获得较精确的叶片面积。

2.1 农作物叶片图像的二值化算法

为统计所选闭合完整标记点和提取叶片区域的有效像素，提高测量结果的精确度，根据二阶导数算子过0点的属性确定所选图像边缘的位置，可将图像与如下2-D高斯函数的拉普拉斯相卷积：

青岛工学院工程管理类本科的教学模式同样存在重理论轻实践、授课方式单一、课程内容狭窄等问题，本研究主要从以下三个方面探讨工程管理专业教学模式创新[5]：

 

(1)

预案管理子系统将对各级安全生产相关部门的综合应急预案、专项应急预案、现场处置方案进行采集、分类、备案、查询检索及打印，对预案进行动态管理，同时能够辅助生成应急预案。预案管理子系统由预案收录模块、预案辅助编制模块、预案查询模块等组成，模块设计如图1所示。

即设定某一阈值T将所选数据采集模板的其中1个小正方形标记点和所提取的叶片区域的像素分成大于阈值的像素群和小于阈值的像素群2部分。当用户所选标记点和提取叶片区域的某象素的灰度值小于阈值T，则将该象素的灰度值设置为0，否则灰度值设为255。

式中， σ为高斯分布的均方差。如果令 r 2=x2 +y2，那么根据拉普拉斯值定义：

为了节省文章的篇幅，在这里我们以局域网VLAN 60网段为例，通过命令分别查看SW1、SW2、SW3三台交换机上STP协议的运行状态，并分析根交换机、根端口、指定端口、非指定端口的选举过程.

2.2 基于拉普拉斯算子的农作物叶片边缘检测算法

由于二值化划分后，用户所选择的数据采集模板的其中1个小正方形标记点和提取叶片区域可能存在没有选择完整的失误情况，为补充没有选择完整的标记点、叶片区域以及获得后面所需的相对应轮廓，设计基于拉普拉斯算子的农作物叶片边缘检测法。在边缘检测中，剔除其周围像素灰度急剧变化所选的标记点像素和提取叶片区域像素的集合，排除图像中不连续部分的特征，根据闭合的边缘重新确定数据采集模板上所选的标记点和提取叶片区域。运用二阶导数的拉普拉斯算子，对选定的标记点和提取叶片区域图像的连续函数f(x,y)进行边缘检测，其所在位置(x,y)的拉普拉斯值定义如下：

式中，T为制定的阈值。

 

(2)

图像二值化是指用灰度变换来研究灰度图像的一种常用方法，在系统设计中通过应用二值化算法，将所选择数据采集模板的其中一个小正方形标记点和所提取的叶片区域被黑色填充，剩余的数据采集模板区域被白色填充。当测定农作物叶片面积时，设选择的数据采集模板的其中1个小正方形标记点和所提取的叶片区域灰度图像函数为f(x,y)，输出二值图像函数为g(x,y)，则：

 

(3)

在2012年11月27日的上海宝马展上，熔盛机械有限公司在展位现场举办了主题为“蝶变”的“熔盛”品牌新品发布会，推出“熔盛”品牌品质型挖掘机的经典产品RS370，这款代表熔盛机械最新研发成果的产品，是在充分调研用户需求，借鉴国内外同类机型优点基础上，研制生产的新一代技术领先型挖掘机产品，印证了熔盛机械“用品质服务世界”理念。

 

(4)

推导可知，函数在r=±σ处过0点，在|r<σ|时为正，在|r>σ|时为负。另外可以证明此算子的平均值为0，如果将其与图像卷积不会改变图像的整体动态范围。但由于其相当光滑，如果将其与图像卷积会模糊图像，并且其模糊程度是正比于σ的。因为 ▽2h的平滑属性能减少噪声的影响，所以当所选图像的边缘模糊或噪声较大时，利用 ▽2h检测过0点能提供较可靠的数据采集模板上所选闭合区域内的标记点和提取叶片区域的边缘位置，从而为所选择的标记点轮廓和提取叶片区域轮廓提供技术支持。

2.3 农作物叶片的轮廓提取

通过边缘检测法将所选的标记点和提取叶片区域的有效像素点挑选出后，轮廓提取[11]的目的是获得挑选出后的所选标记点及提取叶片区域的外部轮廓特征。设计的二值图像轮廓提取的算法是掏空所选标记点及提取叶片区域的内部点，如果原图中有一点为黑色，且他的8个相邻点都是黑色时，该点即为内部点，则将该点删除。利用轮廓提取技术，得到所测叶片和所选定标记点的轮廓，再通过Ostu阈值分离出自制数据采集模板的小正方形确定标记点有效像素总数以及被测农作物叶片面积区域的有效像素总数。最后从包含叶片图片文件中像素点的个数为突破口，进而应用所测叶片所占的像素与标记点模块所占的像素点的个数进行比较，从而获得叶片面积。

2.4 农作物叶面积计算

根据轮廓提取的确定标记点和叶片区域的有效像素点，所选择的叶片区域面积用(5)式计算。

 

(5)

式中，S为所选叶片区域的面积，a为确定标记点的总有效像素点数，b为所选的叶片区域的总有效像素点数， Sa为自制数据采集模板上的任意一个小正方形标记点的面积(4个小正方形面积均相同)。其采用灰度识别算法和Ostu阈值识别算法，从包含叶片图片文件中像素点的个数为突破口，进而应用叶片所占的像素与标记点模块所占的像素点的个数进行比较，得出较为准确的农作物叶面积。

2.5 系统软件程序的设计

软件系统采用可跨平台部署的开发平台作为基础，应用面向对象编程语言Java，开发出叶面积计算系统，系统采用灰度识别算法和Ostu阈值识别算法,从包含叶片图片文件中像素点的个数为突破口，进而应用叶片所占的像素与标记点模块所占的像素点的个数进行比较，得出较为准确的农作物叶片面积。在已搭建Android Studio1.0开发平台上，针对该系统在数据库支持和硬件资源等方面相对有限的特点，利用J2EE框架的应用程序开发技术，实现农作物叶面积测量系统的关键开发技术(图2)。首先用户将自制的具有4个标记点的小正方形模块的数据采集模板放置到平面上，然后将所测叶片放到模板上的中间空白区域内；然后点击照相按钮，找到图片所在位置或者直接对所测量的叶片照相；照相后系统会自动将选择的图片加载至应用程序的界面中，加载完成后则确定标记点按钮变为可用状态，否则返回上一步骤继续加载图片，直至所测叶片的图片出现；加载图片出现后，在自制的数据采集模板上任意选取4个小正方形中的1个标记点，标记点按钮变为可用状态，点击确定标记点，否则返回上一步骤继续选取标记点，直至确定标记点完成；确定标记点步骤完成后，选择将要计算叶片面积的区域,选择后确定叶片区域按钮变为可用状态，点击确定叶片区域，否则继续返回上一步骤，直至确定叶片区域完成；确定叶片区域完成后，点击计算叶片面积按钮，系统会自动将其带入计算叶片面积公式，最后叶片的面积会在控制端的输出口输出。

  

图2 农作物叶面积测量系统的技术流程

Fig.2 The technique process of crop leaf area measurement system

提出的农作物叶面积操作系统开发模型(图3)，所输入的数据与Controller控制器进行人机交互的模式，Controller控制器测试数据场景完成后将转出的数据以及指令传递给系统内部设置的Model模型，通过Model模型配置相应测量参数转换到数据库进行分析或根据相应场景配置参数生成相应的视图像素点，通过调用Android系统的API接口实现农作物数字图像的获取，对用户选择的区域进行标定和识别，从包含叶片图片文件中像素点的个数为突破口，进而应用叶片所占的像素与标记点模块所占的像素点的个数进行比较，得出较为准确的农作物叶片面积，最后人机交互功能通过简单实用的友好界面将结果反馈给用户，用户根据系统

  

图3 农作物叶面积测量系统的开发模型

Fig.3 Development model of crop leaf area measurement system

处理反馈的数据，对测试场景进行反复验证和测试，直至满足需求，最终完成基于移动终端的农作物叶面积测量系统。与传统的长、宽系数法相比较，叶面积测量系统有较小的误差，能够取得较好的测量精度。

3 农作物叶面积测量系统功能实现

3.1 系统主界面

基于移动终端的农作物叶面积测量系统软件开发,以数字图像处理技术与基于Android系统移动终端的开发技术相结合为创新设计,使用户在手机上就能随时进行农作物叶面积测量,在Android Studio 1.0开发平台上，应用Java设计语言，编程实现基于移动终端的农作物叶面积测量系统，农作物叶面积测量主界面(图4)的菜单栏包括照相、确定标记点、确定叶片区域和计算叶片面积功能菜单项，主显示区可呈现当前操作界面即加载出所测叶片区域，主界面具有操作简单和呈现清晰的功能。

  

图4 农作物叶面积测量系统的主界面

 

Fig.4 Main interface of crop leaf area measurement system

3.2 确定标记点界面

照相菜单主要通过移动终端的Android手机照相功能，拍摄放置在自制的具有4个标记点的小正方形模块的数据采集模板上的被测农作物叶片(图5)，以jpg格式保存到存储卡中或者选择已经存储在存储卡中的被测植物叶片的图像，点击完照相按钮后，系统会自动将选择的图片加载至应用程序界面中，与此同时确定标记点按钮变为可用状态。确定标记点菜单的主要功能是在自制的具有4个标记点的小正方形模块的数据采集模板上，在标记的4个小正方形模块上任意选择1个适当的标记点，通过划取界面，然后点击确定标记点按钮，所选择图案二值化，分离出自制数据采集模板以及被测农作物叶片。

  

图5 农作物叶面积测量系统的确定标记点界面

Fig.5 The determined mark point interface of crop leaf area measurement system

3.3 叶面积输出界面

点击完确定标记点按钮后，确定叶片区域按钮变为可用状态，此时进行选择将要计算叶片面积的区域，确定待选择的叶片区域后，点击确定叶片区域按钮。此时计算面积按钮变为可用状态，即点击计算叶片面积按钮，而后叶片的面积会在控制端的输出口输出(图6)。

状态3 在iP(t)反向的时刻(即等效电流源iP(t)在零点的时刻),电路进入状态3。压电电容CP上充满了电,此时同步开关闭合,并联电感L和压电电容CP形成L-C振荡回路,将电容上的电压在这一时刻进行反向,待L-C振荡结束后,CP上的电压完成反向,同步开关及时断开。至此,状态3结束。

系统能够基于移动终端测量农作物叶面积，通过利用灰度识别算法和Ostu阈值识别算法对叶片所占的像素与标记点模块所占的像素点的个数进行比较，呈现清晰、易于操作的可视化友好界面，使其测量准确快速、操作简单，使用户使用手机就能进行农作物叶面积测量，其开源、免费的Android操作系统为软件设计者提供了更为灵活的自主设计空间、支持语音、触屏等人机交互技术，具有免费性、人性化、便于携带的特点，方便户外考察工作。

三是关注数学概念的理解．学生对概念的深层次理解与例题的多样性和例题对概念结构的完整呈现关系密切．这一点康轩版教材给予了很好的启示．Van De Walle指出，在短时间内将焦点注意在分数计算规则和答案的获得，有两种显著危险，第一是没有帮助学生思考关于运算的意义和为何他们要如此做，第二，这种规则的获得将很快就会失去，这些用于分数计算的规则将变得相似和混淆[16]．因此，在教材编写以及教学实践中需关注学生概念的理解，而非聚焦于规则的记忆和答案的获得．

  

图6 农作物叶面积测量系统的叶面积输出界面

Fig.6 Leaf area outgoing interface of crop leaf area measurement system

为测试及评价基于移动终端的农作物叶面积测量系统，按照上述农作物叶面积测量示例的步骤，另选取具有普遍性，且能代表常见叶片形状的大豆叶片5片(A1，A2，A3，A4，A5)，分别用长宽系数法[12]、叶面积仪法[13]以及基于移动终端的农作物叶面积测量系统测量叶面积进行。由表可知，4种方法测量的叶面积相差不大，但基于移动终端的农作物叶面积测量系统测量的叶面积相对误差最小，即测量结果更精确。

5.7.3 呼吸困难 进行膈神经移位术后要严密观察呼吸情况并进行氧饱和度的监测。呼吸困难严重时可使用正压呼吸机辅助通气，加强腹式呼吸训练，刺激神经恢复，逐渐脱机恢复自主呼吸。

4 系统测试

借助互联网建设的脑卒中智慧医联体平台有效提升了区域神经学科的发展，实现信息支撑资源下沉，贴合国家分级诊疗的医改政策，有利于患者诊疗，形成科学有序的地区就医格局。

 

表 叶面积不同测量方法的测量结果

 

Table Measurement results of different leaf area measurement methods

  

叶片Leaf坐标纸法Coordinatepaper叶面积(mm2)长宽系数法Lengthandwidthcoefficient叶面积(mm2)相对误差(%)叶面积仪法Leafareameter叶面积(mm2)相对误差(%)移动终端系统法Mobileterminalsystem叶面积(mm2)相对误差(%)A13003031．00302．050．68301．000．33A22902941．38288．05-0．67291．060．37A33303351．52333．060．90332．230．68A43203261．88322．450．77321．310．41A53403420．59343．370．99341．290．38

5 结论

随着现代农业的发展，农作物叶面积实时快速地精准自动测量，是精细农业信息获取的关键问题。基于移动终端的农作物叶面积测量系统设计操作简单，通过调用Android系统的API接口实现农作物数字图像获取计算叶面积，具有导入图片或照相、确定标记点、确定叶片区域以及计算叶片面积的功能，能对选择的叶片区域进行标定和叶面积的识别，并对该区域叶片进行叶面积的精确计算。系统改进了传统叶面积的测量算法，突破大田实际测量环境的局限性，用户在手机上就能进行农作物叶面积测量，方便了户外考察工作，使其具有测量方式灵活、准确快速、操作简单及便于携带等优点，从根本上解决试验人员的压力和推进试验进度的目的。系统的实现为大田农作物的叶面积指标的精准检测与分析提供基础理论依据和技术支持。

[参 考 文 献]

对于影视动画作品的创作来说，后期制作是一个重要环节，也是决定作品质量的关键步骤。经过行业工作者的不懈努力，后期制作技术正在走向成熟，在未来，行业人员仍需不断创新，促进后期制作技术向数字性、综合性方面发展，以高水平的后期制作技术保障影视动画的观赏性。

[1] 程 洪.面向园艺应用的机器视觉目标辨识方法创新[D].北京：中国农业大学，2015.

5) 计算叶片面积模块。利用系统提供的灰度识别算法和Ostu阈值识别算法，把已二值化的有效叶片面积像素和有效标记点像素，以包含叶片图片文件中像素点的个数为突破口，进而应用叶片所占的像素与标记点模块所占的像素点的个数进行比较，最后所测量的叶片面积会在控制端的输出口输出，得出较准确的植物叶面积。

[3] 聂鹏程,杨 燕,刘 飞,等.植物叶面积无损测量方法及仪器开发[J].农业工程学报，2010,26(9):198-202.

[4] 张 鑫，孟繁疆.植物叶面积测定方法的比较研究[J].农业网络信息，2008(12):14-16.

[5] 冯冬霞,施生锦.叶面积测定方法的研究效果初报[J].中国农学通报，2005，21(6)：150-152.

[6] 陈涛涛,迟道才,梁 茜.基于矩形框几何校正的多叶面积测量方法[J].农业工程学报,2012,28(8):206-213.

日本非常重视科技资源的共享，制定了严格的政策和法律法规以保障科技资源的开放共享，例如《促进特定尖端大型研究设施共享的相关法律》。大型科学仪器设备作为科研进步的重要物质条件，日本建立了共享研究机构和科学仪器共享网站，例如研究设施共用综合指引网站、尖端仪器共用创新平台等，仪器设备的信息会及时发布在这些共享平台上，主要包括仪器设备的简介、使用方法、预约方式等，以方便需求者进行选择和使用。

[7] 王忠芝，张金瑞．基于图像处理的叶面积测量方法[J].微计算机应用，2010，31(5):68-72.

[8] 夏跃武.基于Android系统的物联网便携式移动设备的开发与应用[J].兰州文理学院学报(自然科学版)，2015,29(3):38-41.

毕业实习成绩评定是大学生最关心的实习权益之一，应该比较全面地反应专业实习过程及效果，具体体现在毕业实习成绩评定，华南理工大学食品质量与安全专业毕业实习成绩评分由出勤率、实习态度、沟通能力、业务能力、实习记录和实习报告五部分组成，权重分别是10分、10分、10分、20分、10分和40分。

[9] 龚爱平,吴武豪,裘正军,等.基于Android系统手机的叶面积测量方法[J].农业机械学报,2013,44(9):203-208.

[10] 郭文川,周超超,韩文霆.基于Android手机的植物叶片面积快速无损测量系统[J].农业机械学报,2014,45(1):275-280.

[11] 孙飒爽,吴 倩,谭建昌,等.枝条遮挡下单个苹果目标识别与重建方法的研究[J].西北农林科技大学学报(自然科学版),2017,45(11):138-146.

[12] 刘时城,温仲明,戚德辉,等.基于面向对象特征提取的植物叶片面积测量方法[J].西北农林科技大学学报(自然科学版),2017,45(5):161-166.

[13] 刘洪波，张江辉，白云岗,等.香梨叶面积测定方法对比研究[J].新疆农业科学，2013,50(3)：453-459.

综上所述，通过功能锻炼为主的治疗可以对腰椎不稳起到较好的治疗效果，防止腰椎不稳的复发。量化的动态X线测量技术较常规腰椎过伸过屈位片更能精准的呈现患者腰椎局部的稳定情况及治疗前后腰椎的松弛度，可作为腰椎不稳诊断的一项依据，值得临床推广。