检索结果-内蒙古大学图书馆

农业工程学报 2021年第21期37卷 9-15页

作者：张振乾李世超李晨阳曹如月张漫李寒李修华中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083 广西大学电气工程学院南宁530004

为实现移动机器人香蕉园巡检自动导航,研究提出了一种基于双目视觉的香蕉园巡检路径提取方法。首先由机器人搭载的双目相机获取机器人前方点云,进行预处理后对点云感兴趣区域进行二维投影并将投影结果网格化,得到网格地图;然后采用改进... 详细信息

为实现移动机器人香蕉园巡检自动导航,研究提出了一种基于双目视觉的香蕉园巡检路径提取方法。首先由机器人搭载的双目相机获取机器人前方点云,进行预处理后对点云感兴趣区域进行二维投影并将投影结果网格化,得到网格地图;然后采用改进的K-means算法将道路两侧香蕉树分离,其中初始聚类中心通过对网格地图进行垂直、水平投影以及一、二阶高斯拟合确定;最后基于最小包围矩形提取导航路径,将道路两侧网格以最小矩形框包围,提取两包围框中间线作为期望导航路径。测试结果表明,改进的K-means算法聚类成功率为93%,较传统方法提高了12个百分点;导航路径提取平均横向偏差为14.27 cm,平均航向偏差为4.83°,研究方法可为香蕉园巡检机器人自动导航提供支持。

关键词：机器人机器视觉香蕉园巡检路径提取

来源：评论

学校读者我要写书评

暂无评论

基于热红外图像处理技术的农作物冠层识别方法研究

引用

光谱学与光谱分析 2021年第1期41卷 216-222页

作者：马晓丹刘梦关海鸥温冯睿刘刚黑龙江八一农垦大学信息与电气工程学院黑龙江大庆163319 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为解决农作物冠层热红外图像边缘灰度级分布不均且噪声较大,而传统图像分割方法难以实现其目标区域有效识别的难题,以苗期红小豆冠层热红外图像为研究对象,将模糊神经网络和仿射变换有机结合,提出了基于热红外图像处理技术的农作物冠层... 详细信息

为解决农作物冠层热红外图像边缘灰度级分布不均且噪声较大,而传统图像分割方法难以实现其目标区域有效识别的难题,以苗期红小豆冠层热红外图像为研究对象,将模糊神经网络和仿射变换有机结合,提出了基于热红外图像处理技术的农作物冠层识别模型。首先利用五层线性归一化模糊神经网络的自适应特性,选取高斯隶属度函数,自动计算冠层可见光图像识别的推理规则,有效地分割了可见光图像中的冠层区域。通过分析3种分割指标和熵,定量评价可见光图像冠层分割质量。网络迭代38次时,误差精度为0.000952,该算法平均有效识别率为96.13%,获取可见光冠层图像的像元信息熵值范围为2.4544~5.1987,与标准算法所得冠层图像的像元信息熵仅相差0.2459。然后以取得可见光图像的冠层有效区域为参考图像,采用仿射变换算法,调整优选平移、旋转、缩放等图像变换因子,配准原始热红外图像,提出了基于仿射变换的冠层热红外图像识别方法。对于初始温度范围值在16.35~19.92℃的农作物热红外图像,计算选取旋转幅度为1.0和缩放因子为0.9时,作为异源图像的最优配准参数,获取目标图像的最大温差为3.17℃,相对于原图像的平均温度值由18.711℃下降至17.790℃,进而实现了基于热红外图像处理技术的农作物冠层识别。最后以熵的互信息作为监督指标,对农作物冠层热红外图像识别方法进行评价。提出的冠层热红外图像识别方法,所获取的目标图像与初始热红外图像的平均互信息为4.3687,标准目标图像和初始热红外图像的平均互信息为3.9818,二者仅相差0.4869。同时,两种冠层热红外图像的平均温度差值为0.25℃,高效消除了原始热红外图像的背景噪声。结果表明本研究方法的有效性和实用性,能够为应用热红外图像反映农作物生理生态信息特征指标参数提供技术借鉴。

关键词：热红外成像图像处理神经网络仿射变换冠层识别

来源：评论

学校读者我要写书评

暂无评论

固体颗粒肥变量撒施控制技术研究现状与展望

引用

江苏农业科学 2022年第20期50卷 69-77页

作者：张季琴刘刚张东峰姜碧琼仁重义宁夏大学机械工程学院宁夏银川750021 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

变量施肥技术能够按需精准投入肥料,在降低肥料使用量的同时提高作物产量,是实现现代绿色农业发展的重要手段。固体颗粒肥变量撒施控制技术作为变量施肥技术的重要组成部分,能够为实现化肥“减量增效”提供技术支撑。系统分析固体颗粒... 详细信息

变量施肥技术能够按需精准投入肥料,在降低肥料使用量的同时提高作物产量,是实现现代绿色农业发展的重要手段。固体颗粒肥变量撒施控制技术作为变量施肥技术的重要组成部分,能够为实现化肥“减量增效”提供技术支撑。系统分析固体颗粒肥变量撒施控制技术,重点阐述国内外变量撒施、条施控制、工况监测和颗粒肥排肥流量检测技术的研究现状。目前,国内外变量撒施控制技术已基本成熟,近年来的研究主要集中在撒肥盘结构参数优化方面;对于变量条施控制技术的研究主要集中在排肥轴转速控制算法方面,近年来对于排肥轴转速、排肥口开度双变量控制系统的研究已成为热点;工况信息的监测技术已经相对较成熟,但颗粒肥流量的在线检测仍是难点。我国固体颗粒肥变量撒施控制技术研究主要存在控制技术发展不均衡、系统通用性、智能化水平有待提高、市场化程度低等问题。最后为我国变量撒施控制技术的研究与发展提出建议。

关键词：固体颗粒肥变量施肥控制技术工况监测流量检测

来源：评论

学校读者我要写书评

暂无评论

基于植物电信号的小麦苗期等渗干旱胁迫与盐胁迫辨识

引用

农业机械学报 2021年第7期52卷 231-236页

作者：李进海李洋 RICARDO Ferraz de Oliveira 姚杰鹏黄岚王忠义中国农业大学信息与电气工程学院北京100083 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083 圣保罗大学路易斯·德奎罗兹农业学院皮拉西卡巴3538709

针对早期干旱胁迫与盐胁迫在植物处于逆境时难以区分的问题,提出一种基于光诱导植物电信号的干旱胁迫与盐胁迫辨识方法。使用光/暗循环刺激获取了小麦幼苗在正常状态以及等渗干旱胁迫与盐胁迫下的植物叶表面电位,并利用一对一分类策略... 详细信息

针对早期干旱胁迫与盐胁迫在植物处于逆境时难以区分的问题,提出一种基于光诱导植物电信号的干旱胁迫与盐胁迫辨识方法。使用光/暗循环刺激获取了小麦幼苗在正常状态以及等渗干旱胁迫与盐胁迫下的植物叶表面电位,并利用一对一分类策略的支持向量机(One-versus-one support vector machine,OVOSVM)对获取的植物电信号样本进行分类。三折交叉验证结果显示:对正常状态与干旱胁迫下小麦幼苗叶表面电位进行二分类,分类准确率达到100%;对正常状态与盐胁迫下小麦幼苗叶表面电位进行二分类,准确率为94.44%;进行三分类时准确率达到96.30%;对等渗干旱胁迫与盐胁迫下获取的小麦叶表面电位进行二分类,分类准确率为100%。研究表明,植物电信号作为一种辨识逆境胁迫的方法,可对等渗条件下早期干旱胁迫与盐胁迫进行准确区分。

关键词：小麦幼苗叶表面电位光诱导植物电信号等渗干旱胁迫与盐胁迫支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于BSO-SVR的香蕉遥感时序估产模型研究

引用

农业机械学报 2021年第S01期52卷 98-107页

作者：张海洋张瑶李民赞李修华王俊田泽众中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 广西大学电气工程学院南宁530004 河南科技大学电气工程学院洛阳471003

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测... 详细信息

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测与分析。融合阈值分割和形态学开操作方法,滤除香蕉关键生育期内遥感影像的厚云和云阴影区域;引入头脑风暴优化算法(Brain storming optimization algorithm,BSO)自动搜寻支持向量回归算法(Support vector regression,SVR)的最优惩罚因子和核函数参数,解决SVR模型的参数优化不足导致模型预测精度低的问题;搭建基于BSO-SVR的时间序列遥感估产模型,深入挖掘多时相遥感信息,以提升香蕉估产准确度。结果表明,相较于网格搜索算法(Grid search,GS)和灰狼优化算法(Grey wolf optimizer,GWO)搜寻SVR模型的最优参数,本文提出的头脑风暴优化算法具有更高的预测精度和更快的预测速度,在2019年和2020年BSO-SVR模型测试集的决定系数(Coefficient of determination,R;)分别为0.777和0.793,验证集R;分别为0.765和0.636,运行时间分别为0.320、0.331 s;与传统的岭回归模型(Ridge regression,RR)和偏最小二乘回归模型(Partial least squares regression,PLSR)相比,BSO-SVR模型的预测性能最佳,其次是RR模型,PLSR模型表现最差。本文提出的时序估产模型实现了香蕉田块产量的精准预估。

关键词：香蕉遥感估产时间序列头脑风暴优化算法支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

一种对作物Mg2+活体检测的全固态微针型传感器制备及应用

引用

农业工程学报 2025年第09期 29-36页

作者：王志豪樊成孝王焯黄岚王忠义中国农业大学信息与电气工程学院现代精细农业系统集成研究教育部重点实验室农业农村部农业信息获取技术重点实验室

镁元素对作物的生长发育至关重要，通过监测作物体内镁离子的浓度变化，即可监测作物的生长状态。为实现作物茎杆Mg2+快速准确原位活体检测，研制了一款微针型全固态离子选择性电极（all-solid-state ion-selective electrodes,ASS-ISE... 详细信息

镁元素对作物的生长发育至关重要，通过监测作物体内镁离子的浓度变化，即可监测作物的生长状态。为实现作物茎杆Mg2+快速准确原位活体检测，研制了一款微针型全固态离子选择性电极（all-solid-state ion-selective electrodes,ASS-ISEs）。该传感器以不锈钢微针为导电基底材料，在其尖端构建石墨烯-聚（3,4-乙烯二氧噻吩）/聚（苯乙烯磺酸盐）(PEDOT)固态转接层，并在固态转接层表面涂附离子选择性敏感膜（ion selective membrane,ISM）。首先，对传感器进行电位校准；然后，通过扫描电子显微镜（scanning electron microscopy,SEM）测试、水层测试、电化学阻抗谱（electrochemical impedance spectroscopy,EIS）测试等传感器性能表征方法，对针-石墨烯-PEDOT-ISM型和针-ISM型两种传感器进行对比测试；最后，将传感器应用于小麦苗茎秆Mg2+原位活体检测，并设置对照试验。结果表明，传感器响应时间为7.0 s，检测限低至1.0×10-7mol/L、能斯特斜率为27.04 mV/dec，寿命可达30 d以上；两种传感器的水层测试及EIS测试结果表明，石墨烯-PEDOT固态转接层结构，可以显著增加离子选择性薄膜和不锈钢基底之间的低频电容，有效抑制水层的形成，降低传感器表面的电荷转移电阻，减少信号漂移，提高响应电位的稳定性。小麦苗茎杆Mg2+原位活体检测结果及纯琼脂和去离子水对照试验结果表明，该传感器可以有效检测其茎杆中Mg2+浓度变化，变化范围为10-3.42～10-3.03mol/L，检测结果可靠。综上所述，该传感器检测限低、电位响应稳定，可用于作物茎秆Mg2+浓度变化原位活体检测，应用前景广泛。

关键词：传感器作物Mg2+检测石墨烯电位校准

来源：评论

学校读者我要写书评

暂无评论

基于轻量二阶段检测模型的自然环境多类蔬菜幼苗识别

引用

农业机械学报 2021年第10期52卷 282-290页

作者：孟庆宽张漫叶剑华都泽鑫宋名果张志鹏天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网... 详细信息

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网络对输入图像进行运算,以提高图像特征提取速度与效率;在此基础上,引入特征金字塔网络(Feature pyramid networks,FPN)单元融合特征提取网络不同层级特征信息,用于增强深度学习检测模型对多尺度目标的检测精度;然后,通过压缩检测头网络通道维数和全连接层数量,降低模型参数规模与计算复杂度;最后,将距离交并比(DistanceIoU,DIoU)损失作为目标边框回归损失函数,使预测框位置回归更加准确。试验结果表明,本文提出的深度学习推理模型对多类蔬菜幼苗的平均精度均值为97.47%,识别速度为19.07 f/s,模型占用存储空间为60 MB,对小目标作物以及叶片遮挡作物的平均精度均值达到88.55%,相比于Faster RCNN、RFCN模型具有良好的泛化性能和鲁棒性,可以为蔬菜田间农业智能装备精准作业所涉及的蔬菜幼苗检测识别问题提供新方案。

关键词：蔬菜幼苗深度学习作物识别轻量卷积二阶段检测模型

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的非结构化田间道路场景识别

引用

农业工程学报 2021年第22期37卷 152-160页

作者：孟庆宽杨晓霞张漫关海鸥天津职业技术师范大学自动化与电气工程学院天津300222 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 黑龙江八一农垦大学电气与信息学院大庆163319

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对... 详细信息

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将该文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,该文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为2.41×10^(6),相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。

关键词：机器视觉语义分割环境感知非结构化道路轻量卷积注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

基于Kinect V3深度传感器的田间植株点云配准方法

引用

农业工程学报 2021年第21期37卷 45-52页

作者：李修华魏鹏何嘉西李民赞张木清温标堂广西大学电气工程学院南宁530004 广西甘蔗生物学重点实验室南宁530004 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 捷佳润科技集团股份有限公司南宁530001

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种... 详细信息

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法(Random Sample Consensus,RANSAC)结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在5.8~17.4 mm之间,平均点位误差在13.1~28.9 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。

关键词：自动化传感器点云植株三维建模点匹配 RANSAC Kinect

来源：评论

学校读者我要写书评

暂无评论

基于可见光光谱和YOLOv2的生猪饮食行为识别

引用

光谱学与光谱分析 2020年第5期40卷 1588-1594页

作者：嵇杨培杨颖刘刚中国农业大学信息与电气工程学院北京100083 现代精细农业系统集成研究教育部重点实验室北京100083 农业部农业信息获取技术重点实验室北京100083

猪的进食、饮水行为是评价生猪健康程度最直接的依据,利用计算机视觉技术实时监控生猪的进食、饮水等状况对提高生猪养殖福利有重要的意义。提出一种基于可见光光谱和改进YOLOv2神经网络的生猪进食、饮水行为识别方法,该方法在生猪可见... 详细信息

猪的进食、饮水行为是评价生猪健康程度最直接的依据,利用计算机视觉技术实时监控生猪的进食、饮水等状况对提高生猪养殖福利有重要的意义。提出一种基于可见光光谱和改进YOLOv2神经网络的生猪进食、饮水行为识别方法,该方法在生猪可见光图像序列上构建头颈模型,结合改进的YOLOv2神经网络实现真实养殖场景中的生猪目标检测,并利用位置信息对生猪的进食、饮水行为进行预判断,对符合判断的图像使用图像处理方法精准判断生猪进食、饮水行为。首先在生猪图像序列上构建头颈模型,利用未被遮挡的头颈作为检测目标,该模型能有效改善生猪目标检测过程的遮挡问题,且能够精准定位生猪的头部,为后续识别进食饮水行为提供辅助。然后采用国际主流神经网络YOLOv2作为目标检测的基础网络模型,改进其激活函数,实现快速精准地生猪目标检测。在使用网络训练前,对生猪数据集使用K-means算法进行聚类候选边框,其mAP值和Recall值相比于最初YOLOv2提高了3.94%和5.3%。为了增加网络对输入变化或噪声的鲁棒性,对比使用ReLU,Leaky-ReLU和ELU三个激活函数的性能,可以发现使用ELU的性能比前两者有明显提高。将改进后的网络与原YOLOv2,SSD模型以及Faster R-CNN相比,该模型的mAP值达到90.24%,Recall值达到84.56%,均优于后三者。最后利用目标检测得到的生猪头颈位置信息,对生猪的进食、饮水行为进行预判断。当图像中进食、饮水区域出现生猪时,对该图进行背景差分法、形态学运算等处理,并结合饮水区域停留时间等对生猪的进食、饮水行为进行更精准判断。实验表明:利用该方法判断生猪的进食、饮水行为,准确率分别达到94.59%和96.49%,均优于直接使用传统方法判断的结果,可应用于实际养殖过程中辅助养殖人员进行生猪管理。

关键词：可见光光谱生猪目标检测深度学习行为识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：