风信子的养殖方法和形态特征

风信子的养殖方法和形态特征（精选14篇）

风信子的养殖方法和形态特征 篇1

2、种球种植：风信子因种球的花芽已经分化形成，在种植过程中可以不用底肥。把种球种植到盆土中，土壤高度以盖住种球最高点2公分为准，没有球根种植经验的话，建议以种球顶端最高点露出土壤半公分为宜(主要防止浇水过多造成腐茎病，建议大家用后者)，种植完成后浇透盆水。

4、前期养护：风信子种植后可放在不高于10度左右的环境里催根发芽，整个催根发芽期大约在20～30天(视环境温度可有不同)。在浇水的环节上，做到干透浇透，切记不要随意浇水，可以用掂量花盆重量的方法来判断干湿程度。

5、后期养护：风信子出芽后可以适当提高生长环境的温度来缩短开花需要的时间，生长温度控制在在15～20度左右为宜。低于10度，生长相对缓慢，但对生长没有太大影响，高于25度则容易产生盲花现象(花芽生长不好无法开花)。平时可以加长日照时间，日照多，则植株相对较矮，株型优美。正常养护下，从出芽到开花大约需要30天左右，环境温度高，则开花比较早。

6、花期养护：风信子花期大约为10～15天，环境温度低，则花期相对较长。开花后可移入室内观赏，每日适当给一定的光照，防止叶片、花茎陡长。

7、花后处理：等风信子花谢后可以除去残花养球，在日常管理中可以2周左右施一次氮肥(饼肥)，促进土壤中的球茎发育，养球的好坏直接影响来年的再次开花。在夏天来临后，叶片慢慢会自然枯黄，浇水量可逐步减小，等球茎进入休眠后完全禁水，放置阴凉处(低于30度为宜，温度过高对形成花芽不利)。

风信子的养殖方法和形态特征 篇2

1养殖观念落后

养殖观念的落后表现在对养殖业的发展形势、市场行情和投入不足。基层养殖户往往依靠传统经验就盲目进行养殖生产, 造成生产效益低下, 甚至赔钱。由于缺乏有效的行业信息, 对究竟养什么动物赚钱不了解, 只是跟风似的别人养什么赚钱就跟着养什么。对市场规律不能很好地掌握, 一般畜牧行业的市场行情周期是三年, 现代随着生产技术的提高, 养殖周期的缩短, 市场周期有缩短的趋势。

畜牧部门、政府、院校、相关企业等应该在畜牧发展中发挥作用, 通过报纸、媒体、传单、下乡指导等传递新的科技信息。 或通过科技示范发挥带头作用, 逐渐改变基层养殖户的养殖观念, 逐步实现现代化养殖。

2品种问题

优良的品种决定动物生产性能的好坏, 现在生产中大多数基层养殖场都未进行规范的引种。 有些养殖场为降低饲养成本, 购买一些价格低廉的不纯的品种, 其生长速度、遗传稳定性等都难以达到较好的性能, 而且往往由于卫生、防疫等都不过关, 直接影响到猪场生产的健康和安全问题。

养殖户引种要从正规的大型养殖场引种, 根据自身饲养需要决定引进纯种还是引进杂交品种, 引种后加强饲养管理和消毒, 隔离观察无异常后在混入自家群内饲养。

3利润分配不均

农村基层养殖户生产组织化程度低, 畜牧业生产与加工、经销联系不紧密, 产业化程度不高, 养殖户仅仅从事着生产环节, 获取生产环节的微薄利润, 而对上游的饲料, 与下游的销售环节则主要依赖于企业和经销商, 而且出售的动物的价格往往受经销商的控制, 缺乏话语权, 尤其是市场行情较低, 销售困难时经销商会压低收购产品的价格。 养殖户作为主要的生产者付出资金和劳动力最多, 而且承担的风险也最大, 受益很少[1]。

现在基层养殖户可结合当地饲料资源合理搭配饲料, 降低饲养成本。或者加入养殖合作社, 与生产和销售环节加强联系, 对于控制成本, 增加效益大有好处。

4疫病防治不科学

由于动物疫病具有传染性的特点, 如果不提前预防, 一旦疫病发生、蔓延, 控制扑灭起来, 需要耗费较大的财力, 甚至对人体健康产生威胁, 我国养殖业大多以农村家庭分散饲养为主, 防疫基础薄弱, 疫病种类多, 发病范围广。 有些养殖户认为养殖数量不多, 没有必要防疫, 还会增加饲养成本。 有时缺乏专业的技术指导或没有按照科学的免疫程序进行防疫, 这样都会使疾病发生率增高。 基层养殖户要结合饲养的动物种类, 当地的发病特点决定是否防疫, 防疫何种疫病并制定科学的防疫程序, 对防疫接种中需要注意的问题如疫苗的使用方法、接种剂量、药物影响等要清楚, 否则会影响免疫效果。 饲养量较大的养殖场最好进行抗体检测, 根据采血的结果分析免疫的效果并合理确定免疫时间。免疫抗体水平达不到规定要求时, 尽快实施一次加强免疫[2]。

5重治疗, 轻护理

基层养殖户这种情况比较多见, 养殖户认为动物得病后最好的办法就是用药, 忽视了通风、隔离、消毒、保温、加强营养等辅助措施, 这样不利于疾病的恢复。比如消毒, 在动物治疗过程中仍然可能通过消化道或呼吸道排出病原体, 从而感染其他动物, 不消毒的话, 病原体就会在环境中存留一段时间, 成为危险因素[3]。

总之, 基层畜牧养殖户在饲养管理中存在的问题较多, 养殖户只有选对品种、改变观念、进行科学的饲养管理和做好疫病防控才能充分发挥动物的生产性能, 有效控制疾病, 降低损失, 增加收益。生产中还需要养殖户不断提升自身的专业知识和对科学防控疫病的认知水平, 增强养殖户对管理工作及疫病防治重要性的认识, 才能保障动物健康, 促进基层畜牧业健康的发展。

摘要：近年来, 国家对畜牧业的扶植力度不断加大, 模式也在由传统农业向现代农业转变, 这就需要应用先进的饲养管理技术武装畜牧业, 然而传统畜牧业由于受到观念、饲养技术、疫病防治、生物安全措施等各种因素的影响, 还处于不断发展的阶段, 在畜牧养殖管理中仍存在一些问题, 尤其是基层养殖户中问题更是突出, 对此, 文章就基层畜牧养殖管理中的问题和解决方法做一介绍。

关键词：基层,养殖管理,问题,解决方法

参考文献

[1]蒙善朝.畜牧养殖专业户的风险和风险管理.中国畜牧兽医文摘, 2011 (27) :28-29.

[2]汪言海.畜牧养殖过程中动物疾病病因的分析与防控.农家致富顾问, 2014 (07) :96-97.

风信子的养殖方法 篇3

在种植封信在的时候，首先要对它的球茎进行消毒杀菌，以防止它的球根腐烂。方法是：将球根干枯的表皮及老根除去，在泡在事先真不好的高锰酸钾溶液中两小时，进行浸泡消毒。当浸泡好以后拿出阴干水分备用。

二、种植

因为封信在的球根的花芽已经分化构成，所以在种植它的时候，是能够不用底肥的，直接把他的种球种植在盆土中，盆土众多饿土壤高度以盖住种球最高点两公分左右为准。

三、前期养护

当风信子种植后，可放在温度不高于10以上的环境中进行催根发芽，一般它的发芽时间在20-30天左右。在发芽期间的浇水，必须要做到干透浇透，不要随意的对它浇水。

四、后期养护

当风信子的种球发芽后，能够对它适当的提高环境的生长温度来缩短它的开花需要时间。能够控制在15-20℃左右，这个温度是它生长最好的温度。如果温度低于10℃，它的生长都比较缓慢，如果高于25℃，就容易导致不开花。

五、花期的养护

风信子的我花期大约在半个月左右，有时候也会因为温度的影响导致它的花期变化，如果温度比较低，它的花期就会延长。风信子开花以后，就能够移到室内进行养殖了，只要每一天对它进行适当的关照就能够了。

六、花谢处理

当风信子的花谢了以后，能够出去它的残花进行养球，在日常管理中能够两周左右施一次氮肥促进球茎在土壤中的发育，风信子的种球养护的好坏直接影响来年的再次开花。所以在夏天来临后，它的叶片慢慢会自然枯黄，这时候要减少对它的浇水量，等球茎进入休眠后就不用浇水了，可放置阴凉处。等到来年在养殖。

风信子日常注意事项

1、如果是对风信子进行的水培养殖，那么养殖它的水要一个星期换一次水，如果是用水培营养液养则视浑浊程度每15-20天更换一次营养液，不管怎样要持续瓶内水质的清洁。

2、风信子在球茎发芽的时候，是不能放置在油阳光照射的地方，发芽后应置于光线明亮，持续空气流通，以利于它的生长。

3、如果是进行土培养殖的风信子，在种植过程中必须要土壤干透后再浇水，以免水分过多球茎腐烂。

总结精选（5）：

风信子培植须知：

风信子原产南欧、地中海东部沿岸及小亚细亚一带。喜凉爽、空气湿润、阳光充足的环境，性耐寒，要求排水良好的砂质土，低湿粘重土壤生长极差。风信子喜肥，无论盆栽或地栽，最好施足基肥，土壤要疏松，生长期间经常追肥。地栽的出苗后及时松土，冬季施一次追肥，春天开花前、后再各追肥一次。盆栽促成栽培于9月份植球，每盆植3-4个。放置阳光下，11月份移入温室内，春节可开花。风信子促成栽培时，务使先处于较低温度下，使其生长根系而不发叶，后在半荫而温度稍高之处，使叶生长必须高度，最后再给予较高温度和充足阳光，这样才能使茎叶丰满，花朵繁茂。风信子以分球繁殖为主，夏季地上部枯死后，挖出鳞茎，将大球和子球分开，子球需培养三年才能开花。为培育新品种，亦可播种繁殖，实生苗需4-5年才能开花。风信子株形矮小，花序整齐而奇异，花色冷艳别有情调。盆栽，置于室内欣赏。风信子可用水培法栽培，将开花的植株移入形状别致的玻璃器皿中，加入水，其花、叶、根均可欣赏，雅致洁净，能置于室内任何地方。

水：在生长期和花期要持续植株湿润。一般房间的空气湿度即可。

肥：开花期不需施肥。开花前后可各施追肥1次，栽培时施足基肥。

土：宜排水良好、肥沃的砂壤土。忌土壤粘重，或用水培法栽培。

温：耐寒。

光：花期放置室内较耐久，有条件的话，最好每一天有4小时放在光线明亮的南、东、西窗前。

风信子习性喜阳、耐寒，适合生长在凉爽湿润的环境和疏松、肥沃的砂质土中，忌积水。

注意事项：

1、消毒：因种球由荷兰海运方式进口，运输的时间比较长，难免会有霉菌的入侵，推荐大家首先对球根消毒杀菌，防止腐烂。方法：将种球干枯的表皮及老根除去，泡在多菌灵溶液内（浓度为1：500-1000左右）半小时，进行侵泡消毒。

2、阴干：消毒后，将种球里的水甩干，自然阴干一天。

3、前期养护：种植后可放在不高于10度左右的环境里催根发芽，整个催根发芽期大约在20-30天（视环境温度可有不同）。在浇水的环节上，做到干透浇透，切记不要随意浇水，能够用掂量花盆重量的方法来决定干湿程度。

4、后期养护：出芽后能够适当提高生长环境的温度来缩短开花需要的时间，生长温度控制在在15-20度左右为宜。低于10度，生长相对缓慢，但对生长没有太大影响；高于25度则容易产生盲花现象（花芽生长不好无法开花）。时能够加长日照时间，日照多，则植株相对较矮，株型优美。正常养护下，从出芽到开花大约需要30天左右，环境温度高，则开花比较早。

5、花期养护：花期大约为10-15天，环境温度低，则花期相对较长。开花后，可移入室内观赏，每日适当给必须的光照，防止叶片、花茎陡长。

6、花后处理：等花谢后，能够除去残花养球。在日常管理中能够2周左右施一次氮肥（饼肥），促进土壤中的球茎发育，养球的好坏直接影响来年的再次开花。在夏天来临后，叶片慢慢会自然枯黄，浇水量可逐步减小，等球茎进入休眠后完全禁水，放置阴凉处（低于30度为宜，温度过高对构成花芽不利）。

种植过程中必须要土壤干透后再浇水，以免水分过多球茎腐烂。

【相关阅读】

风信子原产地在地中海东北部，有着很长的栽培历史，可追溯到15世纪。300多年来，风信子一向是欧洲园艺植物育种家喜爱的花卉育种对象，育种目标是培育新奇的花色、重瓣花和大而秀丽的花朵。风信子的栽培种数量在19世纪末到达了最高峰，随后的100年随着许多栽培种的丢失，风信子的品种有所下降。遗留下来的风信子资源，由于风信子爱好者阿伦（Alan Shipp）等人的努力而得以保存，阿伦在立陶宛建立了风信子种质资源收集中心。

风信子最早是作为来自土耳其的植物在花园中种植。1453年，土耳其的回教君王默罕默德二世征服了伊斯坦布尔后喜欢上了种植风信子。1520-1566年，奥斯曼帝国的统治者也喜欢种植风信子、郁金香和许多其它的球茎花卉。由于受帝王贵族爱好种植的影响，风信子很快从土耳其传到了捷克斯洛伐克、匈牙利、奥地利、法国等欧洲国家。

1613年，德国出版的一本书《Hortus Eystettensis》首次刊登了一张重瓣花风信子的照片，1622年，法国巴黎出版的一本书《Theatrum Florae》中有蓝色单瓣花、白色单瓣花和重瓣花的风信子图片，1629年，英国出版的《Paradisus Terrestris》一书中有6种不同的风信子图片，其中有两种是重瓣花的品种，之后黄色花的风信子品种由俄国传到了英国。

到17世纪末，当郁金香种植在荷兰开始走下坡路后，荷兰的育种家开始将育种的注意力转向其他花卉。以荷兰Haarlem为中心的周边地区成了风信子种植和新品种选育的重要区域，当地的沙质壤土富内含机质，地下水位距离地表仅0.6-1米高，十分适合风信子生长。

风信子的品种改良在荷兰取得了长足的发展，18世纪初的图片资料显示，风信子的每茎花序上最多着花数只有10-15朵花，到了18世纪末花序每茎着花数已上升到了60朵之多。尽管风信子的贸易量从来没有到达超过郁金香的数量，但人工选育出来的每个新花色的风信子品种推向市场都能卖到一个很高的价位。如18世纪由彼特（Peter Voerhelm）发现的重瓣花品种‘大不列颠国王’（‘KingofGreatBritian’）是一个很赚钱的品种，每个球茎售价100英镑。

18世纪，在荷兰的种植园中有一个红色花的风信子透过芽变构成了淡蓝色花的品种，这在当时是十分珍贵稀有，据说发现者害怕丢失这个种，曾用鸟笼把它悬挂在天花板上收藏，到种植季节才把它取出种植，这个突变种被保留了下来，命名为‘孤本’（‘La Unique’），它成了之后许多淡蓝色花风信子品种的父母亲本。风信子透过突变产生了多种不同色彩的花，不断增加的栽培品种也促进了19世纪风信子产业的发展。

1838年查理（Charles MIntosh）在他写《鲜花园》（Flower Garden）一书中谈到荷兰花农种植的风信子栽培种多达2000多个，书中列举了200多个品种，花色很丰富，包括黄色、紫色，还有白色、红色和蓝色等，其中有些重瓣花栽培种具有深色的花心，但如今的`商业栽培风信子只有单瓣花的品种才有深色的花心。

这一时期，盛行着用特制玻璃容器装满水种植风信子，而维多利亚时期种植风信子的玻璃容器现今则成了古董收藏家的收藏对象。直到这天，人们仍然透过使用玻璃瓶种植风信子，来向孩子们展示植物的生根和发芽的过程。

20世纪，风信子的盛行期过去后，风信子的种植面积急剧下降。第一次世界大战对世界园艺花卉产业造成了严重的影响，也导致了许多风信子栽培种的丢失。接下来的第二次世界大战使花卉园艺产业继续下滑，到了20世纪70年代，风信子在世界范围种植生产面积跌到了最低谷，当时花卉供应商能用于栽培生产的风信子栽培种只有50几个，这些大部分是17世纪培育得较好的品种。从20世纪50年代至70年代全世界只培育出了约10个新的风信子栽培种。

几十年来人们似乎对培育风信子新品种或找回丢失的老品种失去了兴趣。幸运的是一位叫阿伦（Alan Shipp）的农场主正努力设法改变现状，他正收集和繁殖所有的风信子栽培种，研究没有命名的品种，并努力扩大风信子的应用范围。他是当今唯一一位能供应种类繁多的维多利亚时期风信子栽培种的花卉供应商，阿伦的工作得到了许多风信子爱好者的热心帮忙，大大增加了他对风信子品种的收集范围。

1997年3月，一封意外的信给阿伦带来了一些颇为重要的信息，这封信来自立陶宛的维尔纽斯花卉研究站负责人丽塔（Rita Riziulyte）小姐，她告知阿伦他们研究站收集保留了大约60个风信子栽培种。阿伦之后明白其中有38个是他没有收集到的品种，有些品种甚至是在西欧已不见了50多年的品种。在这60个品种中有些是风信子国际品种登记机构有记载的品种，其它没有登记的品种在18-19世纪的品种目录文献中也能查到一些，其中最令阿伦震惊的是一个叫‘太阳花’（‘Sunflower’）（注：1897年之前的品种）的品种和一个神秘的黄色重瓣花的品种；此外，还有19种有名字但未被记录，这些品种人们正努力从西方的文献资料中查找它们的原始记录，人们透过大田试种后将最终评估出它们的品种特性。

风信子很容易种植，种植时只需要带给充足的光照。在春天的花园中，风信子的花色和香味所产生的装饰效果是许多花卉所无法比拟的，自立陶宛的激动人心的风信子新品种将预示着人们对风信子兴趣的增加，并激励人们去追祟这种园艺花卉界的瑰宝。

花语

风信子花语：胜利、竞技、喜悦、爱意、幸福、浓情、倾慕、顽固、生命、得意、永久的怀念。

园艺用风信子新品种的花语：注目。

蓝色的风信子：生命。

紫色的风信子：悲伤、妒忌，忧郁的爱（得到我的爱，你必须会幸福快乐）、道歉(对不起，请原谅我）、后悔。

蓝色的风信子：恒心、贞操、彷佛见到你一样高兴、高贵浓郁。

深蓝色风信子：因爱而有些忧郁。

黄色的风信子：幸福、美满，与你相伴很幸福。

粉色的风信子：倾慕、浪漫。

淡紫色风信子：轻柔的气质、浪漫的情怀。悲伤。

白色的风信子：恬适、沉静的爱（不敢表露的爱）、暗恋。

红色的风信子：感谢你，让我感动的爱（你的爱充满我心中）。

桃红色风信子：热情。

淡绿风信子：如果你想没有秘密，必先拥有善良的心。

婚礼用花

在英国，蓝色风信子一向是婚礼中新娘捧花或饰花不可或缺的代表新人的纯洁，祈望带来幸福。

传说

传说英俊潇洒的美少年海新瑟斯和太阳神阿波罗是好朋友，而西风之神杰佛瑞斯也很喜欢海新瑟斯，且常为此吃醋，但海新瑟斯总是较喜欢阿波罗且经常和他一齐玩乐。有一天，当他们正兴高采烈地在草原上掷铁饼，恰巧被躲在树丛中的杰佛瑞斯发现了，心里很不舒服，想捉弄他们一番。

当阿波罗将铁饼掷向海新瑟斯之际，嫉妒的西风之神偷偷地在身旁用力一吹，竟将那沉甸甸的铁饼打在海新瑟斯的额头上，一时之间血流如柱，这名英俊的少年也因此一命呜呼了。阿波罗惊慌之余，心痛地抱起断了气的朋友“唉！唉！”（Ai！Ai！）地叹着气，只见由海新瑟斯的伤口不断地涌出鲜血，落到地面上并流进草丛里。

花卉风信子的养殖方法介绍 篇4

2、水温不宜高，在15℃以下较好。

3、把球根放瓶颈上，待发根后，可将水位降低至根部刚能触及水面，这样可使根部充分吸收氧气，促进根须的生长。当根部发育后，黑布将培养容器遮住，让球根进一步发育。

4、球茎发芽前不要放在直射阳光下照射。

5、待芽长出五厘米时放阴暗处，待根充分生出后放在无直接阳光照射的温暖处，经常加水使水分浸到球茎。

6、叶与花蕾长出时，每日晒阳光一二小时，使其叶与花梗健壮;每天调一个方向，不使偏向一边生长。不必施肥，就会在翌年三四月开出一朵鲜艳芳香的风仙子。

7、在您家里温度保持在17°C至20°C的环境下，您将欣赏到花苞生长和显色过程。但不要将它们直接靠近有热源的地方，这样美丽的风信子花就能延长开放时间。

关于风信子的养殖方法土培 篇5

选择排水良好、疏松肥沃的中性沙质壤土。种植前进行土壤消毒，喷施代森锌或代森铵。然后将土壤深翻至30厘米左右，施足基肥，基肥可使用腐叶土、骨粉等。9～10月栽种，种植深度10厘米，株行距15厘米X 15厘米。种后立即浇透水。入冬后畦面覆草或盖一层有机肥保温、保湿。翌年2～3月新芽出土，3月下旬至4月中旬抽序开花。在现蕾前后各施1次液体速效磷、钾肥。6月中下旬，地上部分枯萎，及时将鳞茎挖起，否则鳞茎易腐烂。同时将鳞茎置于通风处风干，剔除病球，贮存于阴凉干燥处，待秋季再进行种植。

风信子的养殖方法和形态特征 篇6

一般认为,模式识别就是研究通过计算机自动将待识别物体的模式分配到各个模式类中的技术,特征选择和提取是模式识别的一个重要环节[1]。零件图像特征 可以是空 间域的原 始特征,如零件的灰度/色彩、轮廓曲线、纹理特征等,也可以是频率域特征。不同种类的图像或不同应用环境的图像所要求 提取的特征是不同的,因此提取方法也不一样[2]。经过边缘检测的图像反映了图像的最基本特征,对于用边缘来呈现原始特征的图像,可以将端点、分叉点和点方向编码数作为主要特征 参数。本文注重于图像二值像素特征的研究,提出将零件图像二值像素系数作为零件图像的特征,并应用神经网络实现零件图像的识别。

1图像边缘特征提取法

本文对如图1所示的零件1和零件2进行识别,零件1和零件2的外型比较相似。对这2幅零件图进行边缘检测,得到如图2所示的边缘检测图像。边缘检测图像是二值图像,反映了零件最基本的信息和特征[3]。

1.1子矩阵

图2中的零件边缘是白色像素,背景是黑 色像素,利用图像黑白像素分布的不同可以进行图像识别。把边缘检 测后的图像分成m×n个子矩阵,图3(a)~(f)分别是零件1和零件2边缘检测图像的2×2、4×2和4×4子矩阵图像。

1.2特征样本

子矩阵中的白色像素用1表示,其余像素 用0表示,统计各子矩阵中用1表示的像素量,并将各子矩阵中为1的像素量与各子矩阵中0和1的像素量之和的比值作为相对像素系数,这样就得到相对像素系数矩阵[Cij]m×n,即特征参 数。将相对像素系数矩阵的各列按自左到右、上下首尾相接的次序组成行向量Ck(k=1,2,…,m×n),Ck即特征样本。表1~3分别是零件1和零件2的C4、C8和C16特征样本。

2基于径向基神经网络的识别仿真

2.1径向基神经网络

径向基函数(RadialBasisFunction,RBF)神经网络由输入层、隐层和输出层组成。隐层节点由高斯核函数构 成,输出层节点通常是简单的线性函数[4]。

隐层节点中的基函数对输入信号将在局部产生响应,当输入信号靠近基函数 的中央范 围时,隐层节点 将产生较 大的输出。最常用的基函数是高斯函数:

式中,x是n维输入向量;ci是第i个基函数的中心,与x具有相同维数的向量;‖x-ci‖是向量x-ci的范数,通常表示x和ci之间的距离;σi是第i个感知的变量,它决定该基函数围绕中心点的宽度;m是感知单元的个数。

2.2学习样本和测试样本

将表1、表2和表3的特征样本作为RBF神经网络的学习样本。识别时,采集零件1和零件2的图像并进行 边缘检测,处理成2×2子矩阵、4×2子矩阵和4×4子矩阵,统计相对像素系数作为RBF神经网络的测试样本,如表4~6所示。

2.3识别仿真

利用学习样本和测试样本,借助MATLAB语言编写RBF神经网络识别程序,识别结果如表7所示。可以看出,识别结果是理想的。

3识别仪的设计与识别

本文利用C#软件设计零件图像特征识别仪,其操作界面主 要由采集 图像显示区和标定装配件区组成。标定装配件区有4个控件:增加、移除、读取图像、标定识别物。增加控件的作用 是增加要 识别的零件;移除控件的作用是删除一个已经标定好的零件;读取图像控件的作用是手动读取零件图像;标定识别物控件的作用是标定出读取好的图像为何种零件。图4所示是零件2的识别结果,表示识别合格。

4结语

识别仿真以及识别仪的检测结果表明:利用图像黑白像素分布的不同可以进行图像识别,图像分割的子矩阵数量 越多,图像的特征样本就越多,识别结果也越好;但若子矩阵数 量过多,识别的运算量会很大。

摘要：提出了基于零件图像相对像素系数和神经网络的零件特征提取和识别方法。首先对零件图像进行边缘检测,然后将处理的图像分成若干个子区域并分别统计各子区域的白色像素相对量,该相对量称为相对像素系数,是零件图像的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别。利用C#软件设计了零件图像的虚拟识别仪,实验表明该方法是有效的。

昙花的养殖方法和形态特征 篇7

2、阳光：昙花喜半阴，春、秋季节放室外半阴处培养，防止阳光直晒，夏季宜放室内光线明亮、通风良好的地方，亦可放北面阳台上或大树阴下，但要避免强光曝晒，否则极易引起变态茎萎黄，降低观赏价值。

3、温度：昙花喜欢温暖湿润和半阴的环境，所以要注意温度的问题，3月到9月之间，它应该在13～19℃的环境中，而9月到12月时要保持12～18℃，12月到第二年的3月要让昙花在10～16℃的温度中，尤其要注意冬天不能低于0℃。北方地区盆栽，一般可于10月上、中旬搬入室内越冬。越冬期间放向阳处，室温保持在10℃左右，控制浇水，以维持盆土不过分干燥为宜。

4、浇水：昙花春、秋季节浇水要见干见湿，夏季浇水应适当多些，但盆内不能积水，否则易烂根。天气干热季节，每天早晚各向植株上喷1次清水，增加空气湿度，以利生长和开花。

风信子种球水培方法和注意事项 篇8

2、往玻璃容器中加水时，注意水温不宜过高，最好低于15℃;水面要离球茎约1厘米，不要用水没过球茎。

3、将装好水的风信子玻璃容器置于暗处，促使风信子的球茎生长发根。待玻璃容器上的球茎发根后，可以将容器中水位降低至球茎根部刚能触及的水面，这样可使根部充分吸收氧气，促进根须的生长。

4、球茎发芽前尽量在阴暗处生长，千万不要放在直射的太阳光下照射;等根部生长发育好后，将玻璃容器移到温暖有充足光照的窗台，经常换水、加水，保持水面能浸到球茎;给水培风信子换水时，千万小心谨慎，因为风信子的根非常脆弱，很容易被折断，以免伤了根部，影响风信子的生长和开花。

5、当风信子开花时，每日需将玻璃容器拿到阳光下晒1-2小时。因为植物都有向阳性，为防止花茎长时间因趋光而偏向一边生长导致花“弯腰”，每天将玻璃容器换一个方向。

6、开花期室内温度应保持在17-20℃。

风信子的养殖方法和形态特征 篇9

在生产制造过程中, 存在大量的零件分类和识别。通常这些带有高强度重复性和智能性的工作只能由人工来完成, 但对于快速自动化生产线, 人工不能精确和准确识别, 存在以下几个问题:1) 检验速度慢;2) 会有漏检;3) 检验质量不稳定;4) 离线检测的周期长, 无法防止废品的连续出现, 从而造成零件的浪费, 同时降低了生产效率。所以, 人工检测难以达到降低消耗、提高产品质量的目的, 如果将检测过程自动化, 检测的同时把信息反馈给零件加工机, 找出不合格的零件并对零件进行适当的调整, 就既能提高生产效率和产品质量, 也能降低生产成本和节约资金。

边缘是零件图像的基本特征之一, 所谓边缘是指周围像素灰度强度有发差变化的那些像素的集合, 它通常存在于目标与背景、目标与目标、区域与区域、基元与基元之间[4]。机械零件有明显的形状特征, 其图像具有区域特征和边界特征。Hu提出的7个不变矩[5]可用来描述零件的区域特征, 但该方法是计算目标区域内的所有像素, 计算量大。文献[6]采用边界矩来描述零件的特征, 由于只计算了边界矩, 减少了计算量, 但在离散条件下不具有不变性。文献[9]基于边界矩的特征对零件图像的轮廓进行特征提取, 对零件图像划分为若干个子区域, 分别计算各个子区域的边界矩, 特征单一, 误差大。本文在文献[9]的基础上结合面积特征, 对零件图像进行识别。

1 零件轮廓的特征提取

1.1 不变矩特征的提取

对于经过优化的二值图像, 可用矩来表示图像中的区域形状特征。矩是一种非常重要的表示目标总体形状的特征量, 如大小、形心、和旋转情况等特征值均与矩有关, 对具有旋转和缩放变化的目标有良好的不变性及抗干扰性。

定义1:对于二维离散图像灰度空间, 在一定区域内的像素点 (x, y) 的灰度函数f (x, y) , 其 (p+q) 阶中心矩为:

为图像质心。中心矩具有平移不变性, 生产线上的零件反映到图像空间会发生旋转和缩放, 因此要求零件的特征量具有旋转、平移和缩放的不变性, 对中心矩归一化为:

这样进过归一化后的中心矩具有旋转、平移和缩放的不变性, 可以作为零件的特征。但直接使用中心矩作为零件的不变特征是不够的, 因此以归一化的中心矩作为基础, 构造出更多的矩不变量。根据 (3) 导出两个相互独立的不变矩:

将零件轮廓图像以质心为中心, 平均划分为4个子区域, 分别计算各子区域归一化边界矩 (以逆时针方向进行计算) , 然后组成向量Ck, k=1, 2, 3, 4, 并以此作为整幅零件轮廓图像的分布特征[9]。

1.2 面积特征的提取

面积特征是零件图像的重要特征, 图像的面积是衡量其所占范围的一种客观度量, 由零件所占区域的边界决定。当对图像进行处理时, 如对图像进行缩放变换时, 其区域面积也发生改变, 设其外接矩形缩放倍数为F, 则对面积定义如下。

定义2:对于二维离散图像灰度空间, 在一定区域内的像素点的灰度函数f (x, y) , 以质心 (, ) 到图像外边缘的长方形区域内, 区域内零件轮廓面积则缩放之后的面积

2 识别方法

增加面积特征对图像加以过滤, 减少了对图像进行分布特征的计算量, 从而加快了识别速度。

识别方法如下:

Step1:依据面积值进行过滤, 如对编号为1的图像, 满足与其S或S相等的图像为新的待识别图像。

Step2:令其中计算M2, M1所使用的数据由1所在的区域的X方向和Y方向的像素值计算得到;2至4的计算方法同1。

Step3:若满足1-1≤εAND 2-2≤AND 3-3≤AND 4-4≤ (为图像的编号, =1…, 为很小的量, 本文经试验确定为0.004) , 只要满足3个条件就认为图像匹配。

3 实验结果与分析

以XP操作系统为实验环境, 在VC++6.0平台下完成实验。本文采用文献[9]中的零件图片作为实验材料, 选取7幅不同类别的零件图像, 并分别放大50%, 共得到14幅图像, 其中7幅原图, 编号1—7, 放大50%的图像编号8—14, 例如, 2号零件图像的原始图像和放大图像分别为2和9, 如图1所示。

将整幅轮廓图像分成4个部分后进行的识别结果如表1所示。

从表1中可以看出, 编号为7的漏识别编号为14的图片, 识别正确率为96%, 比文献[9]识别率为93%提高了3个百分点。

4 结束语

针对机械零件轮廓的二值图像特征, 将该图像由质心, 平均分割成4个部分, 针对各子区域轮廓图像分别计算边界矩, 作为零件识别的依据, 同时结合面积特征, 把多个特征结合起来, 对图像进行分类识别。这种方法简单有效, 计算量不大, 提高了识别的精度, 适用于快速自动化生产线上的零件分类与识别。

摘要：本文在研究和分析了零件图像特征提取技术的基础上, 利用二值化的零件图像, 依据Hu不变矩特征和面积特征相结合, 克服了单一特征识别的局限性。从实验结果的对比可以看出, 多特征识别减少了误差, 具有较好的识别性能。

关键词：不变矩,面积特征,图像识别

参考文献

[1]夏庆观, 路红, 赵茜, 等.基于MAQ的零件图像特征提取和识别[J].机械设计与制造, 2005, (9) :132-133.

[2]夏庆观, 盛堂红, 路红, 等.零件图像特征提取和识别的研究[J].中国机械工程, 2005.16 (22) :2031-2033.

[3]陈珂, 殷国富, 罗小宾.基于统计特征聚类原理的图像识别技术[J].四川大学学报:工程科学院, 2003, 35 (3) :83-86.

[4]陈丽敏, 赵杰, 张岩.基于B样条修匀公式的边缘检测的改进方法[J].黑龙江牡丹江师范学院, 2003

[5]Hu M K.Visual pattern recognition by moment invariant[J].IEEE Trains On Information Theory, 1962, 8 (2) :179-187.

[6]CHEN C C.Improved moment invariants for shape discrimination[J].Pattern Recongnition, 1993, 26 (5) :683686.

[7]周长发.精通Visual C++图像处理编程[M].北京:电子工业出版社2006.

[8]Rafael C.Gonzalez, Richard E.Woods.数字图像处理[M].电子工业出版社, 2008.

[9]严华, 殷国富, 宁芊.基于边界矩的机械零件图像轮廓特征提取技术[J].计算机集成制造系统, 2008.14 (7) :1735-1739.

风信子水培方法 篇10

ps：多菌灵大概一块钱一包，很便宜，买多菌灵的时候能够捎带一包。

2、水培用的器皿，什么器皿都OK，最好是高一点的，比如亚腰的水培瓶，还有其他水培瓶也一样，当然自己用饮料瓶也OK。

3、水培风信子水要放多少，这个问题比较重要，因为后期发现有的花友风信子水培的时候会出现发霉腐烂的状况，就和水多有关系，水位刚刚到风信子根盘就能够了，不用淹没半个球。

4、风信子水培关小黑屋是什么状况，关小黑屋的意思就是给风信子做遮黑处理，这样做的原因是，在黑暗的环境下容易生根，M栽的就不存在这样的问题，因为生根在土里，就是黑的。通俗的说就是在黑暗的环境下更适合生根。

5、风信子水培平时加水的时候，切记不要撒到球身上，这样会容易导致发霉，能够沿着瓶璧加水，再次提醒不要水位过高。

6、水培的风信子看到有发霉的怎样办这个状况相比较较正常，主要是因为空气过于潮湿的原因，所以干燥的环境不容易发霉，发霉了，花友可用棉签沾多菌灵溶液把发霉点清理干净即可，没有什么大问题。

7、根烂了怎样办，有个别的花友会出现这种奇葩的结局，水培的风信子根烂了，这种状况，推荐花友把球拿出来，然后把烂根清理掉，然后把风信子重新晾干，土栽。

总结：

风信子的养殖方法和形态特征 篇11

1 人脸图像的小波变换

小波分析是一种新的时频分析方法,是对傅立叶分析理论的发展和扩延, 其实质是对信号用一组多尺度的高通和低通滤波器进行滤波,将信号的低频部分和高频部分分解到不同的频带上,再进行分析处理[6],而且在时频两域都具有表征信号局部特征的能力[7],成为图像分析和信号处理领域的强有力工具。

1.1 2DWT算法

为了方便处理图像数据,在作图像处理中要将连续小波进行离散化,因此在计算机实现图像处理过程中通常要把小波进行二维离散处理,我们将这种离散化后所得到的小波及其对应的小波变换称之为离散小波变换。

二维小波是由一个二维尺度函数φ(x,y)和三个二维小波函数ϕH(x,y)、ϕV(x,y)和ϕD(x,y)组成的,每个都是一维的尺度函数φ(x)和相应的小波函数ϕ(x)的乘积,因此得到4个乘积函数,其为可分离的尺度函数:

φ(x,y)=φ(x)φ(y)

三个可分离的方向敏感小波函数为

ϕH(x,y)=ϕ(x)φ(y)

ϕV(x,y)=φ(x)ϕ(y)

ϕD(x,y)=ϕ(x)ϕ(y)

这些小波函数会沿着不同方向的图像灰度发生变化,如ϕH(x,y)沿着列方向变化,例如水平边缘;ϕV(x,y)沿着行方向变化,例如垂直边缘;ϕD(x,y)沿着对角线方向变化。

对于尺寸为N×M的图像f(x,y)的离散小波变换是

undefined

undefined

i={H,V,D},j0是任意的开始尺度,Wφ(j0,m,n)系数定义了在尺度j0的f(x,y)的近似,Wundefined(j,m,n)系数是对于j≥j0的水平、垂直和对角线方向的细节。一般令j0=0,N=M=2J,j=0,1,2…,J-1,m,n=0,1,2,…,2j-1。

图像可以看作是二维矩阵,如果设图像矩阵的大小为N×M,且N=M=2n(n为非负的整数)。

那么每次小波变换后,图像分解为4个大小为原来尺寸1/4的子带图,如图1(a)所示,分别包含了相应频带的小波系数,低频子带LL1,高频子带的水平分量、垂直分量、斜边分量分别为LH1、HL1、HH1。相当于在水平方向和垂直方向上进行隔点采样,然后对低频子带LL1可以下一层小波分解,得到更高分辨率的四个子带LL2、LH2、HL2、HH2。图1(b)为二层小波分解[8]的系数分布。

1.2 人脸图像的小波变换

图2给出Yale人脸库一张人脸图像的小波分解过程,其中LL2为二维分解的低频分量,为原始图像的1/16。由于人脸有着丰富的表情,而表情主要由人的眼睛和嘴巴表现出来,并且眼睛和嘴巴的水平特征比垂直特征突出,因此水平边缘子带HL刻画的是人脸的表情特征;而人脸的轮廓和鼻子的垂直特征比水平特征突出,并且容易受发型和侧脸姿势的影响,因此垂直边缘子带LH刻画的是人脸的姿势;而对于刚体性物体来说,对角边缘信息很重要,因为代表的是整体结构特征,但是人脸是非刚体性物体,对角边缘信息易受表情和姿态的影响,因此稳定性差。由图2可以看出,人脸图像的大部分信息集中在低频部分,并且对人脸的侧脸姿势和表情来说,低频子带稳定性好,即减少了由于姿势和表情引起的差别的影响。另外,对一幅图像进行n次二维小波变换,所得的低频子带的大小只是原始尺寸的1/22n,不仅降低了图像的维数,也达到了降低后续算法复杂度的目的。本文是对人脸图像先进行两维小波分解,然后取低频部分作为后续的特征提取和识别工作。

2 特征脸方法

特征脸方法是一种对人脸图像描述的方法[9],是建立在主成分分析(Principal Components Analysis,PCA)的基础上,是一种基于整体灰度的统计方法,目的是将高维图像空间中人脸图像映射到低维特征空间,将大量图像数据降维后再进行分类识别。其基本原理是采用K-L变换表示人脸图像[10],假设人脸处于低维数据空间,且不同表情间具有可分性,将人脸图像经K-L变换后得到一组新的正交基。若将K-L变换矩阵的特征值按降序排序:λ1≥λ2≥...≥λm...≥λM,则与之对应的特征向量W=[e1,e2,...,em],m≤M,即把人脸图像分解为若干特征分量,因为人脸图像的特征分量长得很像人脸,因此称为“特征脸”,并且能够从特征脸的部分加权系数重构原人脸图像,如图3所示。选取前m(m

但是特征脸方法存在着两大缺陷:首先,主成分分析训练的是样本的总体散布矩阵,即无法训练样本的类别信息。其次,将图像矩阵转化为图像向量后,虽然可以简化运算量,但是随着训练图像个数的增大,使得整个特征提取过程计算量大。因此改进的方法是寻找一种具有最优判别性的特征提取方法。

3 线性判别分析法

线性判别分析法(Linear Discriminant Analysis,LDA),是在特征脸方法基础上的一种改进,其目的是将最具有判别能力的低维特征从高维特征空间里提取出来,并且这些低维特征能够使不同类别的样本尽量地分开,同一类别的样本尽量聚集在一起,也就是最大化类间分布,同时最小化类内分布。假设属于c类的N张人脸表情图像{X1,X2,…,XN},其中类间散布矩阵undefined,类内散布矩阵undefined,mi为ci类样本均值,m为所有样本均值。LDA方法的目标就是要获得一个使类间离散度与类内离散度比值最大的投影方向Wopt,满足undefined[11]。

PCA方法能很好的找到两张图像之间的相似之处,而LDA方法则更注重图像的细节部分。因为细节部分是区分人脸表情的关键,因此LDA方法更有利于人脸表情的识别。但是在实际应用中,通常并不直接使用这种方法进行人脸特征提取,这是因为用LDA特征提取容易出现小样本问题[11],训练样本数远远小于图像向量的维数,引起类内散布矩阵sw奇异。

为了解决类内散布矩阵sw奇异的问题,改进的方法是将PCA方法与LDA方法相结合,即Fisherfaces方法[12],也称FLD方法。该方法首先利用PCA法对原始的人脸图像进行降维,将人脸图像投影到一个低维特征子空间中,从而保证样本类内离散度矩阵非奇异,再在此特征子空间中应用LDA法,训练一个具有最优辨别力的分类器。

4 基于小波分析和Fisherfaces的表情识别

通过以上方法的分析可知,特征脸方法虽然达到降维的目的,但是计算量还是很大以及没考虑训练样本的类别信息,因此首先通过小波二维变换[13]减少数据量;而LDA方法可以区分训练样本的类别信息,但是存在求解困难问题,因此本文采用一种基于小波变换和Fisherfaces方法进行人脸表情识别。

4.1 基于2DWT和Fisherfaces(FLD)识别算法步骤

整个识别过程分为两个阶段,即训练阶段和识别阶段。

对于训练阶段:

(1)首先将所有训练样本进行预处理,在生成特征脸之前,将人脸图像通过二维离散小波变换,提取其中的低频子图像代替原始图像。如果原来的训练样本为N,进行一层小波变换,把一张图片分解成四个不同频段的子图,就可以得到4N张子图像。由于低频子图像刻画的是人脸的不变特征,具有良好的稳定性,又减少了计算量。

(2)计算特征脸形成人脸库。对每幅训练样本的低频子图像进行PCA变换,从而构造特征脸子空间。任意一张人脸图像映射到子空间中,就对应着子空间中的一个点;同时,子空间中的任意一点也对应着一张图像,从而作为人脸识别的依据。

(3)在此基础上,计算LDA方法的特征子空间,计算出特征系数矢量库。

对于识别阶段:

(1)确定一个待识别对象后,首先对测试图像进行预处理,包括对测试图像进行图像归一化、灰度变换、二值化等操作。

(2)将处理得到的待识别人脸图像,先作相应的小波变换,分解的层数与训练样本相同,然后把得到的低频部分投影到对应的特征子空间。这时候人脸识别问题就转化为坐标系数的归类问题。

(3)采用最近邻人脸识别法,计算待测试图像与全部训练样本集的欧式距离,当距离最短的说明待识别图像有可能是库中某个人;而要确定待识别图像就是某人,则需用相似度进一步判断。相似度S与人脸相似度阈值θ相比较,如果S>θ,则确定待测试图像就是库中某个人。

根据以上识别方法步骤,可得出算法流程图如图4所示。

图5给出了人脸识别结果,第一张为待识别图像,其余为训练样本集,与测试人脸距离越小的人脸表情越相似。

4.2 仿真实验结果

实验一:采用ORL人脸库[14],样本集的大小为400,一共是40人,每人表情、姿势不一样的10张图像。选取每人前五张人脸图像,共200张作为训练样本集,每人后五张人脸图像,共200张作为测试样本集,采用最小近邻分类器[15]计算识别率。随着训练人数增加,表1为PCA,FLD,2DWT+PCA以及2DWT+FLD四种方法的识别率变化。表1,表2为FLD和本文提出的方法的训练和分类时间。

从表1实验结果可以看出:FLD线性判别法比特征脸方法更适合于表情识别。本文采用小波变换和FLD结合的人脸表情识别方法,大大提高了识别率。从表2可以看出的同时,采用小波变换和FLD结合的方法,提高识别率的同时,也提高了识别速度。

实验二:采用Yale人脸库[14],样本集的大小为165,一共是15人,每人11张图片。选取每人前五张人脸图像,共75张人脸图像作为训练样本集,每人后六张人脸图像,共90张作为测试样本集,采用最小近邻分类器计算识别率。随着训练样本人数增加,表3为PCA,FLD,2DWT+PCA以及2DWT+FLD四种方法的识别率变化。

从实验二在Yale人脸库中四种方法的实验结果,可以看出四种方法的识别率相对ORL人脸库的识别率都有明显下降趋势,这是因为Yale人脸库中的人脸图像表情变化比ORL人脸库中的人脸表情变化大。本文所采用的基于小波变换的Fisher特征脸识别方法识别率下降速度慢,且还是有着较高的识别率。

5 结束语

风信子的养殖方法和形态特征 篇12

(1)花盆盆质要求：生产上多用暗红色塑料盆。为与家庭装潢相协调，可以用色彩有变化的塑料花盆栽培。

(2)花盆大小：红掌分株苗或组培苗长有2叶时即可移栽至9厘米直径的盆中，每盆移栽1株。待长满盆后，即可定植于16-20厘米盆径的盆中。

2.红掌养殖的盆土配制

红掌喜富含腐殖质、肥沃、疏松、排水好的土壤。生产上多用泥炭土或腐叶土加1/3的珍珠岩。家庭可使用如下配方：泥炭土：腐叶土：沙：珍珠岩=4：2：2：2。

3.红掌养殖的浇水方法

红掌喜湿润偏潮湿的土壤和较高的空气湿度。春、夏、秋生长旺季保持盆土的潮湿，同时经常向其叶面和四周喷雾，以增加空气湿度。秋末气温下降至18℃左右时逐步减少供水，使盆土湿润。冬季是开花的季节，不能缺水，但因冬季温度较低，浇水不宜多，保持盆土湿润即可，同时因室内空气湿度较低，应注意向其叶面和四周喷雾数次。如布置于空调房间，应增加喷雾次数。开花时注意不应将水喷在花上。

4.红掌养殖的施肥方法

红掌喜肥，但不耐浓肥。秋末、冬季、春初气温较低时不施肥，春季见新叶长出后开始追肥，每10天追施腐熟的10倍液肥混合等量的1000倍磷酸二氢钾液，或1000倍“花多多”通用肥1次。秋末气温下降至15℃后停止施肥。

5.红掌养殖的四季管理

(1)春季管理

春季气温稳定在15℃以上时进行换盆(幼株每年换盆1次，成株一般2-3年换盆1次)，待成活后移至光照合适处培

养。

红掌怕强光照直射，喜半阴。在早春气温不超过25%时应放置于光照充足的环境下培养。春季后期应移至半阴处培养。红掌的花期很长，条件合适时可开花不断。如长时间布置于室内光线较暗处，会影响后续开花，而且叶片易失去光泽，新生叶叶柄也易徒长伸长，致使株形涣散。

春季气温在20℃以上时红掌开始发新叶生长。见新叶出后开始追肥。出叶初期盆土以湿润为宜，待出叶后增加浇水量，保持盆土的潮湿。

(2)夏季管理

红掌生于高温高湿的热带雨林，所以夏季是红掌的生长旺季，管理上应保持土壤的潮湿，注意补充空气湿度，定时施肥。但红掌怕强光，应放置于室内光线明亮处或庭院半阴处培养。布置于室内时，因室内空气湿度较低，不能满足其对空气湿度的要求，应经常向其四周和叶片喷雾洒水。夏季最好不要将红掌放置于空调房间内培养。

(3)秋季管理

秋初气温较高时管理同夏季。秋季气温凉爽后可适当增加早晚光照或放置于半阴处培养，其他管理同夏季。随着气温的降低，可逐步增加光照。

秋季气温下降至20℃时，在庭院培养的红掌应及时移人有光照的室内或窗台上培养。注意保持室内的温度，并逐步减少浇水的次数，使盆土湿润。布置于室内时注意补充室内的空气湿度。气温下降至18℃以下时停止施肥。

(4)冬季管理

红掌不耐寒，冬季室内气温应保持在15℃以上，不然不能开花。如温度低于10℃，红掌容易受冻。

充足的光照有利于红掌开花，光照充足时红掌开花多而花色艳。故应将盆栽放置于有光照的窗台上培养。但光照较强时叶色易发黄，不利于观赏，应遮去中午的强光照。开花后可将盆栽布置于光线明亮的房间内观赏。

冬季室内气温保持在15—20℃时，应保持盆土湿润，继续施肥，中午时向红掌叶片和四周喷雾数次，以增加室内的空气湿度。如室内使用空调增温，会使室内的空气湿度降低，应定时向红掌叶片和四周喷雾洒水以增加空气湿度。

(5)花期管理

保证充足的早晚光照，保持室内的温度在15℃以上，盆土以湿润为宜，注意施肥，以提供营养，保证后续开花。

6.红掌养殖的修剪方法

(1)生长期及时剪除枯黄叶、病叶。

(2)叶片过密时适当间除部分老叶。剪除老叶，还可促使新叶的生长。

7.红掌养殖的注意事项

盆栽用土，以腐叶土6份、河沙(或珍珠岩)3份、腐熟牛粪或鸡粪等有机肥1份混合配制成的培养土为好。上盆栽植时。盆底部填充深1/4～1/3颗粒软的碎砖块等物，以利盆土排水。

成株2～3年换1次盆，换盆时去掉旧土更换新的培养土，并结合进行分株繁殖。生长季节每10～15天追施1次液肥，注意保持盆土有充足的水分，并经常向叶面及盆周围地面喷水，以增加空气湿度，但不要将水喷到花上，以免影响开花质量。春、秋季应适当遮荫。早晚见光;夏季可遮去50%～70%左右的阳光;冬季温室栽培不遮光。家庭中可放在靠南面窗子附近。

8.红掌养殖的繁殖方法

红掌常用分株和扦插繁殖。

(1)分株繁殖

于4～5月份将开花后的植株从盆中倒出，将有气生根的侧株剪下，单独盆栽成为新株。分升的子株至少应带有3～4片叶。

(2)扦插繁殖

将较老的枝条剪下，去叶片，每1～2节为一插穗，直立或平卧插在河沙、蛭石或珍珠岩中，温度保持在25～35℃，30天左右可长出根和新芽。在高温环境中栽培的红掌，经人工授粉可以得到种子，收种子后立即播种，温度25～30℃，15天左右可发芽。

茶花的养殖方法和注意事项 篇13

茶花惧风喜阳、地势高爽、空气流通、温暖湿润、排水良好、疏松肥沃的砂质壤土，黄土或腐殖土。pH5.5-6.5最佳。适温在20-32 ℃之间，29℃以上时停止生长，35 ℃时叶子会有焦灼现象，要求有一定温差。环境湿度70%以上，大部分品种可耐-8 ℃低温(自然越冬，云茶稍不耐寒)，在淮河以南地区一般可自然越冬喜酸性土壤，并要求较好的透气性。

以利根毛发育，通常可用泥炭，腐锯木，红土，腐植土，或以上的混合基质栽培。茶花春秋冬三季可不遮阴，夏天可用50%遮光处理。

茶花对土壤的需求。

首先我们要知道，土壤是山茶花生长的根本条件，因此对于土壤的选择也是非常的重要的，一般我们在选择土壤的时候，应该选择含有腐殖质较高的土壤，偏微酸性的土壤，一般土壤的PH值为5-6.5之间为佳;

茶花适宜的生长温度。

一般山茶花适宜的生长温度为18-25度，环境的温度过高或者过低都不利于山茶花的生长，特别要注意的是冬季的时候，将植物移至室内生长，一搬中午的时候将植物移动到阳台上去，夏季也要注意防晒，防止温度过高;

茶花适量的浇水。

一般山茶花都喜欢在湿润的环境中生长，所以要主要给山茶花浇水，但是要注意的是要保持土壤不要太干或者太湿为好，一般在春夏季多浇水，这也有利于山茶花的生长，冬季的时候要注意少浇水，两到三天浇一次水为好;

茶花适量的施肥。

山茶花是喜肥的植物，因此在养殖的过程中，注意记得施肥，一般在生长期的时候，加入磷钾肥，这也有利于山茶花的生长，从而也使花开的更加茂盛一些，同时也要主要施肥不要过多;

茶花定时的进行花枝修剪。

修剪工作也是非常的重要的，一般等到山茶花花蕾密集的时候，建议进行定期的修剪工作，剪掉弱枝、整理花蕾，同时也能够促进山茶花对营养物质的吸收;

茶花防止病虫害。

茶树花也是很容易生病虫害的，一般有黑霉病、炭疽病这两种病虫害，注意在病虫害期间注意给山茶花喷洒一些除病虫害的药物为好，能够起到很好的促进生长的作用;

茶花养殖注意事项：

1、土壤的需求：首先我们要知道，土壤是山茶花生长的根本条件，因此对于土壤的选择也是非常的重要的，一般我们在选择土壤的时候，应该选择含有腐殖质较高的土壤，偏微酸性的土壤，一般土壤的PH值为5-6.5之间为佳。

2、修剪：茶花的生长较缓慢，不宜过度修剪，一般将影响树形的徒长枝以及病虫枝、弱枝剪去即可。若每枝条上的花蕾过多，可疏花仅留1～2个，并保持一定距离，其余及早摘去，以免消耗养分。此外，还要及时摘去接近凋谢的花朵，也可减少养分消耗，以利植株健壮生长，形成新的花芽。

3、病虫害防治：茶花的病害主要有黑霉病、炭疽病等，可喷洒0.5度波尔多液进行防治。虫害主要有茶梢蛾，防治方法可剪除虫梢，一般在4～6月进行为宜。

4、浇水：盆栽茶花应该保持土壤湿润，但是不宜过于湿润或者过干过湿的现象。春季为了发芽抽梢可适当多浇，夏季坚持早、晚浇水，最好喷叶面水，使叶片湿透，避免用急水直浇、满灌，避开中午前后高温时浇水;秋季浇水要适量;冬季则宜在中午前后浇水。

5、放置场所：茶花宜放置于温暖湿润、通风透光的地方。春季要光照充足，夏季烈日不宜生长最好放置在阴凉处，避开阳光直射，如果放置在阳台上，那效果比较好，也便于观赏，但是要注意楼下的安全。

6、施肥：茶花喜肥，盆栽时候需要方式基肥，施肥以磷钾肥为主，施用肥料包括腐熟后的骨粉、头发、鸡毛、砻糠灰、禽粪以及过磷酸钙等物质。平时不宜施肥太多，一般在花后4～5月间施2～3次稀薄肥水，秋季11月份施一次稍浓的水肥即可。用肥应注意磷肥的比重稍大些，以促进花繁色艳。

风信子的养殖方法和形态特征 篇14

空间聚类作为空间数据挖掘 (SDM) 的任务之一, 同时也是空间模式识别和空间数据挖掘的重要手段。目前应用最为广泛的一种聚类方法k-means算法由MacQueen提出。其主要思想是对于给定的数据点集D:Pi∈Rd (i=1, 2, …, n) 有n个对象具有d维属性, 以期聚合为k个簇, k-means聚类算法旨在搜索出最小化等式1中SE (误差平方和) 的解集。

其中mi表示第i簇的平均值, ‖pj-mj‖描述这些点之间的欧氏距离, [ci]表示在第i个簇中点的个数。

空间对象本质上具有地理位置和属性特征双重含义, 二者结合才能完整地描述空间特征和空间差异。综合考虑, 这两类特征的空间聚类方法主要有分治法和一体化法。分治法中的空间聚类分析存在着两个偏向, 一是从事GIS理论方法和技术工具研究的工作者大多根据空间对象的地理坐标进行聚类, 即只考虑对象的空间邻近性, 而不考虑对象属性特征的相似性;另一种是从事GIS应用和地学研究的工作者, 则直接套用传统聚类分析方法, 根据属性特征集进行分析, 而忽视了对象的空间邻近性。本文介绍的方法基于一体化法进行改进, 一体化法是将空间要素的位置 (即坐标) 和非空间属性数据都视为空间要素的属性数据, 并使用属性距离函数计算相似度, 再结合k-means算法进行聚类的方法。

本文主要做了以下工作: (1) 定义了3种曼哈顿空间距离来度量空间对象的相似度; (2) 给出了基于曼哈顿距离的ACA-Cluster算法对空间对象进行聚类, 在聚类过程中将空间坐标作为一个属性变量加以考虑, 从而实现对空间对象进行多角度的聚类; (3) 最后通过实验结果对比, 证明在两种距离测度方式下一体化法的扩展功能, 距离测度不同, 算法同样能发挥较好的作用。

1 相似度距离定义

聚类分析中常用的距离有近10种, 最常采用的距离之一曼哈顿距离。

定义1空间曼哈顿距离

设研究区域S有N个空间对象S={s1, s2, …, sN}, 空间对象si以该点状地物或区域中心Pi= (xi, yi) 来记录平面直角坐标。对象对应的属性向量为A (si) = (ai1, ai2, …, aim) , 则对象Pi和Pj之间的位置曼哈顿距离和属性曼哈顿距离可分别表示为:

位置距离可以表达地物之间的邻近程度, 属性距离则刻画地物之间属性特征的相似性。在聚类分析中, 一般要求同类的地物既要在空间上邻近, 又要在属性特征上相似。由此可见, 单独采用位置距离或属性距离作为聚类分析的尺度, 均不能很好地满足这一要求。为此, 定义3种把位置距离和属性距离结合在一起的空间距离。

定义2基于位置距离和属性距离结合的空间距离

第一种定义方法是把空间坐标和属性特征同等对待, 空间距离为spadis (si, sj) :

定义3同等加权空间距离

第二种定义方法是对位置距离和属性距离进行加权, 分别为wp和wa。同等加权空间距离 (equal weighting method distance) 为ewmdis (si, sj) :

定义4不等加权空间距离

事实上, 坐标中的两个坐标值对聚类分析的作用不同, 其重要性用向量W (p) = (ws, wy) 表示;同样, 属性特征集中的m个特征对聚类分析的作用也是不一样的, 其重要性可用权重向量W (f) = (w1, w2, …, wm) 来表示, 于是有了不等加权空间距离 (unequal weighting method distance) 为uewmdis (si, sj) :

2 基于空间位置和属性特点的空间聚类算法

算法1 ACA-Cluster

输入:簇的数目和包含n个样品的数据集

输出:centernum个簇

(1) 设置最大叠代次数iternum。

(2) 随机取centernum个样品作为聚类中心。m_center (i) .feature=m_pattern (i) .feature, m_center (i) .index=i;m_pattern (i) .category=i;i= (1～centernum) , 其余样本中心号为-1, 样品到本类中心的距离为max (max为无穷大) 。

(3) For j=1to n

For i=1to centernum

spades (m_parrentj, m_centerk)

Assign each m_parrentj to the cluster which has the closest diastance

//假设选取的样品分别属于每一类, 需要分三类A、B、C, 参见图1 (a) , 用本文定义2的spadis () 距离来计算其余样本到这三类的距离, 将它们归为距离最近的类。至此, 所有的样本都归类完毕。

(4) For i=1to centernum Do

//计算各个类中心所有样品特征值的平均值作为该聚类中心的特征值。随着聚类中心的改变, 样本的类号也在改变。

(5) 循环第3和第4步, 直至不再有样本类号发生变化或达到了最大迭代次数。

3 实验

3.1 实验数据

山东是我国东部沿海经济发达省份之一, 经过20多年的经济高速增长, 生态环境受到的压力越来越大, 但省内也存在着明显的空间差异。为此, 对全省17个城市的生态环境状况进行聚类分析, 以把握其空间分布形态和差异规律。山东省17个城市的平面直角坐标和2000年生态环境指标数据如表1所示, 采用了平面直角坐标和6个生态环境属性指标共计8个属性值来描述一个对象。

计算空间距离时还必须注意:第一, 由于空间坐标和属性特征之间、各个属性特征之间的取值单位不一样, 具体数值可能相差悬殊, 为消除取值单位的影响, 必须对坐标值和属性特征值进行无量纲化处理, 公式为:

vmin和vmax分别为特征值 (或坐标值) vi的最小值和最大值, 无量纲化以后, 各属性介于0～100之间, 各属性特征之间、属性特征和空间坐标之间具有横向可比性。

本文共进行了2个大实验, 一个是基于欧氏距离的聚类, 还有一个基于曼哈顿距离的聚类。分别采用属性指标聚类、直角坐标聚类和空间聚类。最优聚类必须以达到WC最小和BC最大这一目的为依据, 公式8中给出了两者的定义, mi指的是每个簇的均值。

根据以上定义, 本文中对比了两个实验的WC和BC。

3.2 基于欧氏距离的聚类结果

图1和图2分别表示基于属性聚类、基于空间聚类和基于空间属性结合聚类的实验结果。通过图2和图3的对比, 说明曼哈顿距离聚类结果同样也能反映出相似的聚类趋势。从5次运行试验的Bc和Wc曲线来看, 各实验的曲线走势相似, 说明利用曼哈顿距离进行聚类也能达到文献中提到的效果, 同样能够在考虑属性相似的同时考虑空间位置相近, 说明将空间要素的位置 (即坐标) 和非空间属性数据都视为空间要素的属性数据的一体化思想在曼哈顿距离测度方式下算法扩展成功。此外, 在对同一空间数据集进行空间聚类分析时, 可以考虑用以上提到的空间对象相似度测量的方式来获取更多的聚类信息, 从而进一步丰富了聚类结果, 为决策者提供了更多的决策依据。

由于初始种子的选取方式采用随机的方式, 就本文提到的数据集共有680个候选方式, 因此初始种子的不同会造成不同的聚类结果。在此利用一个有效性指数θ, 公式9中给出定义, 来判断受k约束的簇哪个是最优的。

将θk作为判断最优结果的依据, 将聚类结果返回GIS数据库中, 绘制地图。实验结果如图3-图5所示。图3由于仅采用属性特征的聚类分析, 没有考虑城市之间的地域邻近性, 因此聚类结果存在着同一类型的城市被其它类型的城市分开的现象, 即同一类对象在空间上处于不相邻位置的现象。

图4仅采用位置坐标的聚类只考虑了地缘关系, 尽管各类型区自成一片, 但各类型区并没有实际的地学内涵, 仅仅表示空间位置上的特征。

从图5聚类分析结果可以看出, 只有基于坐标和属性相结合的空间聚类, 既保持了同一类型区连成一片, 又可以根据各类型区的属性指标的中心值赋予其地学含义, 刻画了对象在其生态指标数据上的相似程度, 同时刻画了各指标类别的空间分布格局, 所以聚类结果更为合理。

4 结语

(1) 本文给出的3种空间距离测度都是在曼哈顿距离意义下定义的, 本文只采用了基于位置距离和属性距离结合的空间距离。加权曼哈顿距离采用的权值不同, 是针对不同的领域专家对二者的重视度差异提出的, 同时能反映出聚类者对空间对象的位置和属性的偏好程度, 这些都会使得聚类结果发生变化, 使空间聚类分析更加丰富多彩。

(2) 本文提出的聚类方法同时反映了空间位置和属性特征, 使聚类结果更具客观性。尤其在区域规划中对各个功能区的划分, 每个功能区自身应是连成一片的, 且内部不能有孔 (其它类型区) 。本文方法更加有效, 同时证明了该算法思想在两种距离测度中具有可扩展性。

(3) 根据本文所述的空间距离测度, 采用现代聚类方法如遗传算法、人工神经网络、进化算法、决策树等方法进行空间对象分类, 是一个值得注意的研究方向。

(4) 本文所用的初始种子的选择方法是采用随机法, 实验发现, 不同的初始种子集合将会显著地影响聚类结果。因此, 只有在所有可能集合里的某些初始种子集合才能带来最佳聚类。如何把本算法和种子集合选择中较优越的方法结合起来也是研究重点之一。

摘要：利用空间坐标和属性特征的有机结合, 定义了3种曼哈顿空间距离, 用matlab编程给出了基于该空间距离的ACA-Cluster聚类算法, 并对山东省生态环境质量进行了聚类分析和类型分区。实验表明, 该方法可以较好地反映出空间位置邻近和属性特征相似的空间聚类要求。