检索结果-内蒙古大学图书馆

农业工程学报 2024年第19期40卷 146-158页

作者：李易达王雨欣李晨曦赵冀马恢张漫李寒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 张家口市农业科学院张家口075000

基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热... 详细信息

基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热红外图像间的信息互补性,通过图像自动配准技术可以弥补热红外图像缺点,为自动化检测提供基础。为解决可见光图像与热红外图像之间辐射、形状和纹理差异,导致不同模态图像配准难度较大问题,该研究提出了一种融合改进头脑风暴(brain storm optimization algorithm,BSO)与Powell算法的可见光与热红外图像配准方法。研究通过对原始BSO优化算法进行改进使得整体算法更好寻找到最优仿射变换矩阵进而完成图像配准任务,具体改进包含以下5个方面:使用混沌映射函数初始化BSO群体分布、修改新个体变异范围、手肘法动态调整BSO中K-means聚类数、在个体变异方式策略中加入混沌本地搜索方法、在算法执行过程中根据BSO算法前期后期不同特性动态调整概率参数。研究选用互信息值(mutual information,MI)、归一化互信息值(normalized mutual information,NMI)、均方根误差(root mean square error,RMSE)和平均结构相似性指数(mean structure similarity index measure,MSSIM)作为评价指标。该研究算法相对比Powell优化算法、遗传算法(genetic algorithm,GA)和BSO_Powell算法在温室数据中MI指标分别提升0.054 2、0.076 9、0.040 5,NMI指标分别提升0.015 9、0.023 1、0.052 7,RMSE指标分别降低15.02、13.03、27.08,MSSIM指标分别提升0.052 3、0.048 8、0.122 4;大田数据中MI指标分别提升0.064 2、0.066 7、0.035 5,NMI指标分别提升0.007 7、0.012 5、0.012 4,RMSE指标分别降低14.06、10.57、15.40,MSSIM指标分别提升0.047 1、0.038 1、0.042 9。结果表明,所提出算法具有很强的鲁棒性,能够准确完成复杂环境下马铃薯多模态图像配准任务。

关键词：图像配准头脑风暴算法 Powell算法互信息马铃薯

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的玉米拔节期冠层识别

引用

农业工程学报 2021年第21期37卷 53-61页

作者：孙红乔金博李松李民赞宋迪乔浪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 中国农业大学农业部农业信息获取技术重点实验室北京100083

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3000张... 详细信息

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略。其次在Google Colab云平台训练SSDLite-MobileDet网络模型。为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置。结果表明,田间玉米冠层识别模型精度达到91%,检测视频的帧率达到89帧/s以上。研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础。

关键词：深度学习目标检测识别拔节期玉米冠层

来源：评论

学校读者我要写书评

暂无评论

基于无人机LiDAR的农田平整地势测量方法

引用

农业机械学报 2021年第S01期52卷 51-57,117页

作者：金志坤景云鹏刘刚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

为了提高农田平整作业中地势测量速度与精度,本文提出一种基于无人机LiDAR的农田平整地势测量方法。通过无人机搭载LiDAR测量系统,获取高精度农田地势点云数据。对采集的点云数据进行预处理,通过直通滤波方法去除z轴方向上的大量噪点。... 详细信息

为了提高农田平整作业中地势测量速度与精度,本文提出一种基于无人机LiDAR的农田平整地势测量方法。通过无人机搭载LiDAR测量系统,获取高精度农田地势点云数据。对采集的点云数据进行预处理,通过直通滤波方法去除z轴方向上的大量噪点。使用渐进式形态学滤波算法,分割农田地面点与非地面点。在保留主要农田地势信息特征的基础上,使用基于VoxelGrid滤波器的农田地势点云精简方法对农田地势点云数据进行精简。在4块不同面积的农田中,分别使用无人机LiDAR测量方式与全球导航卫星系统(GNSS)测量方式进行地势测量试验,试验结果表明,与GNSS测量真值的平整度相比,其准确度分别为94.681%、91.364%、90.588%和90.287%,与GNSS测量真值的最大高程差相比,其准确度分别为99.391%、98.167%、97.025%和98.776%,与GNSS测量真值的高差分布列相比,其准确度分别为99.307%、97.914%、98.673%和95.110%。本文提出的基于无人机LiDAR的农田地势测量方法可快速精准测量农田地势信息,可为下一步农田平整作业提供数据支持。

关键词：农田平整无人机LiDAR 点云地势测量

来源：评论

学校读者我要写书评

暂无评论

基于地基激光雷达的玉米株高与茎粗自动测量研究

引用

农业机械学报 2021年第S01期52卷 43-50页

作者：苗艳龙彭程高阳仇瑞承李寒张漫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

株高和茎粗是玉米株型中重要的表型参数,可以反映玉米的生长状况和活力,地基激光雷达可实现表型参数的快速自动测量。首先,使用地基激光雷达获取田间2个玉米品种在4个生长期的三维点云数据;其次,使用点云处理软件对采集的玉米点云数据... 详细信息

株高和茎粗是玉米株型中重要的表型参数,可以反映玉米的生长状况和活力,地基激光雷达可实现表型参数的快速自动测量。首先,使用地基激光雷达获取田间2个玉米品种在4个生长期的三维点云数据;其次,使用点云处理软件对采集的玉米点云数据进行匹配、分割,人工点云测量玉米表型;之后,对玉米点云进行下采样、直通滤波、基于随机采样一致性平面分割、统计滤波和圆柱分割等处理,分割单株玉米、去除地面点云、滤除离群点、植株点云分层和提取待测量茎秆点云;运用最高点提取和地面点分割,测量玉米株高,椭圆拟合测量茎横截面长轴和短轴长度。结果表明,与田间测量值相比,京农科728人工点云测量株高、茎横截面长轴和短轴长度的均方根误差分别为21.5、1.24、1.86 mm,农大84分别为23.6、1.56、1.23 mm。与人工点云测量值相比,京农科728自动点云测量值的均方根误差分别为10.2、6.65、3.45 mm,农大84分别为7.1、4.95、3.26 mm。研究表明,地基激光雷达点云数据测量株高、茎粗的方法,适用于不同生长期、不同品种的玉米,与人工田间测量方法具有高度的一致性,可以替代人工测量。

关键词：玉米株高茎粗地基激光雷达点云

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的玉米定位施肥控制系统设计与试验

引用

农业机械学报 2021年第S01期52卷 66-73页

作者：宗泽刘刚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

为了实现农田环境下的苗期玉米定位定量施肥作业,提高肥料利用率,本文设计了基于机器视觉的苗期玉米定位施肥控制系统,控制自驱动履带式田间玉米定位施肥机,使用切片式排肥器结构实现间歇式施肥。采集苗期玉米冠层图像后,利用颜色特征... 详细信息

为了实现农田环境下的苗期玉米定位定量施肥作业,提高肥料利用率,本文设计了基于机器视觉的苗期玉米定位施肥控制系统,控制自驱动履带式田间玉米定位施肥机,使用切片式排肥器结构实现间歇式施肥。采集苗期玉米冠层图像后,利用颜色特征区分连续拍摄过程中的大量背景图像和识别错误的株心,改进了株心识别定位方法;建立施肥滞后误差补偿模型,实时计算施肥相对距离,准确计算排肥器的落肥时刻,实现了按株间歇式自动定位施肥。经过试验与验证分析,改进的株心定位识别方法明显缩减了图像处理时间,提高了算法鲁棒性;3个挡位施肥量(7.25、14.5、21.75 g)的施肥稳定性变异系数分别为1.93%、1.87%、1.93%,施肥量控制精度大于95%,施肥位置准确性平均误差为3.2 cm,可以实现精准定位施肥。本文设计的施肥控制系统可以实现苗期玉米按株定位定量施肥,达到了减施提质、科学施肥的目的。

关键词：施肥控制系统机器视觉苗期玉米按株间歇式施肥株心识别定位

来源：评论

学校读者我要写书评

暂无评论

基于SOM-K-means算法的番茄果实识别与定位方法

引用

农业机械学报 2021年第1期52卷 23-29页

作者：李寒陶涵虓崔立昊刘大为孙建桐张漫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

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGBD图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法。首先,利用RGBD相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓... 详细信息

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGBD图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法。首先,利用RGBD相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处理;再次,将处理后的数据输入到采用K-means算法优化的SOM神经网络中,得到点云聚类结果;最后,根据聚类点,通过坐标转换得到世界坐标信息,拟合得到各个番茄的位置和轮廓形状。以果实识别的正确率和定位结果的均方根误差(RMSE)为指标对该算法进行验证和分析,采集80幅图像共366个番茄样本,正确识别率为87.2%,定位结果均方根误差(RMSE)为1.66 mm。与在二维图像上利用Hough变换进行果实识别的试验进行对比分析,进一步验证了本文方法具有较高的准确性和较强的鲁棒性。

关键词：番茄果实深度点云图像分割神经网络识别与定位 SOM-K-means算法

来源：评论

学校读者我要写书评

暂无评论

基于热红外视频的生猪耳根温度检测方法

引用

农业机械学报 2021年第S01期52卷 284-290页

作者：冯彦坤康熙王彦超李孟飞刘刚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

基于热红外视频的生猪体温实时检测过程中,针对生猪头部姿态多变不能准确检测耳根温度的问题,提出了一种生猪耳根温度精准检测方法。首先,根据生猪头部运动轨迹数据,对饲喂栏通道进行最佳耳根测温区域划分;然后,提出了一种位置偏移算法... 详细信息

基于热红外视频的生猪体温实时检测过程中,针对生猪头部姿态多变不能准确检测耳根温度的问题,提出了一种生猪耳根温度精准检测方法。首先,根据生猪头部运动轨迹数据,对饲喂栏通道进行最佳耳根测温区域划分;然后,提出了一种位置偏移算法,检测最佳耳根测温区域中的头部姿态端正帧(Head posture correct frame,HPCF);最后,构建了基于YOLO v4的生猪头部和耳根检测模型,对生猪头部和耳根区域进行精准定位,实现了HPCF的自动检测,分别提取HPCF的左、右耳根检测框内的最高温度作为各自的耳根温度。试验结果表明,基于YOLO v4模型的平均检测精度(mAP)达到93.15%,头部和耳根定位精准;HPCF检测准确率为91.33%;将算法提取的耳根温度和手动提取的耳根温度进行比较,分析结果表明,对于测试的HPCF中的左右耳根温度,误差在0.3℃以内的测试图像分别占97%和98%。上述研究结果可为生猪体温异常实时监测与预警提供技术手段。

关键词：热红外视频生猪耳根温度目标检测

来源：评论

学校读者我要写书评

暂无评论

纳米银柔性农用温度传感芯片设计与试验

引用

农业工程学报 2021年第10期37卷 198-205页

作者：路逍李浩榛刘刚张淼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

柔性传感技术可拓展生态无人农场“机-物”感知与信息交互的应用场景。该研究利用喷墨打印技术制备了基于导电纳米银材料的柔性温度传感芯片,解析了聚二甲基硅烷(Polydimethylsiloxane,PDMS)保护层对传感芯片灵敏度、重复性、稳定性及... 详细信息

柔性传感技术可拓展生态无人农场“机-物”感知与信息交互的应用场景。该研究利用喷墨打印技术制备了基于导电纳米银材料的柔性温度传感芯片,解析了聚二甲基硅烷(Polydimethylsiloxane,PDMS)保护层对传感芯片灵敏度、重复性、稳定性及寿命的改进作用,并通过动植物体表、根际及极端温度动态监测验证了该传感器农用测温可行性。结果表明:PDMS保护层实现了对纳米银温敏层的防水保护,提升了传感器环境适应性及寿命;在零下18~100℃范围内的自制柔性温度传感芯片的测温灵敏度为0.330℃-1,测定误差小于0.6℃,稳定性达到0.02℃/min;典型农用测温场景下,柔性温敏芯片与高精度铂电阻测温结果的一致性较好,测温误差明显小于商用红外测温仪,均方根误差仅为0.108℃。纳米银柔性温度传感芯片可快速准确地获取待测对象的温度变化,具有良好的农业应用前景。

关键词：温度传感器纳米银柔性传感芯片农业环境监测

来源：评论

学校读者我要写书评

暂无评论

变量施肥滞后时间检测与位置修正方法研究

引用

农业机械学报 2021年第S01期52卷 74-80页

作者：刘刚胡号黄家运张季琴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

针对变量施肥位置滞后问题,在已有研究的基础上,以提高变量施肥机作业精度为目标,利用压力传感器、ArduinoUNO等设备搭建了滞后时间检测系统,并建立了落肥时间及其影响因素之间的关系模型,以该模型为数据基础提出了基于滞后距离的施肥... 详细信息

针对变量施肥位置滞后问题,在已有研究的基础上,以提高变量施肥机作业精度为目标,利用压力传感器、ArduinoUNO等设备搭建了滞后时间检测系统,并建立了落肥时间及其影响因素之间的关系模型,以该模型为数据基础提出了基于滞后距离的施肥位置修正方法。该方法利用滞后时间和作业速度计算滞后距离,当机具与网格边界距离与滞后距离相等时改变施肥状态,实现施肥位置的修正。田间试验结果表明:本文提出的滞后时间检测方法的检测精度为84.1%;建立的转速-滞后时间模型能够准确计算滞后时间,基于滞后距离的施肥位置修正方法能够有效提高施肥位置精度,施肥位置滞后距离减小了61.8%。

关键词：变量施肥滞后时间位置滞后滞后修正

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v3-tiny的奶牛乳房炎自动检测方法

引用

农业机械学报 2021年第S01期52卷 276-283页

作者：王彦超康熙李孟飞张旭东刘刚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

针对利用热红外技术检测奶牛乳房炎精度低的问题,提出了一种改进YOLO v3-tiny的奶牛乳房炎自动检测方法,构建了自动检测奶牛关键部位模型。改进YOLO v3-tiny算法以YOLO v3-tiny为基础,首先在卷积层与池化层之间加入残差网络,增加网络深... 详细信息

针对利用热红外技术检测奶牛乳房炎精度低的问题,提出了一种改进YOLO v3-tiny的奶牛乳房炎自动检测方法,构建了自动检测奶牛关键部位模型。改进YOLO v3-tiny算法以YOLO v3-tiny为基础,首先在卷积层与池化层之间加入残差网络,增加网络深度,进行深层次地特征提取、高精度地检测分类;其次在网络的关键位置加入了压缩激励(Squeeze and excitation,SE)注意力模块,强化有效特征,增强特征图的表现能力;最后比较了激活函数ReLU、Leaky ReLU与Swish的性能,发现激活函数Swish优于激活函数ReLU和Leaky ReLU,故将网络模型主干部分卷积层中的激活函数更改为Swish激活函数。改进后的奶牛关键部位检测模型检测结果准确率为94.8%,召回率为97.5%,平均检测精度为97.9%,F1值为96.1%,与传统模型相比,准确率提高了9.9个百分点,召回率提高了1.7个百分点,平均检测精度提高了2.2个百分点,F1值提高了6.2个百分点,性能指标均优于YOLO v3-tiny模型,满足实时检测的要求。使用该目标检测算法进行奶牛乳房炎检测试验,将获得的温差与温度阈值比较,判定奶牛乳房炎的发病情况,并以体细胞计数法进行验证。结果表明,奶牛乳房炎检测精度可达77.3%。证明该方法能够实现奶牛关键部位的精准定位并应用于奶牛乳房炎检测。

关键词：奶牛乳房炎检测深度学习改进YOLO v3-tiny 热红外技术目标识别

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：