检索结果-内蒙古大学图书馆

农业工程学报 2017年第3期33卷 175-181页

作者：郭彩玲宗泽张雪刘刚现代精细农业系统集成研究教育部重点实验室、农业部农业信息获取技术重点实验室中国农业大学北京100083 唐山学院机电工程系唐山063000

针对果园环境下苹果树冠层参数获取精度较低的问题,提出了基于地面三维激光扫描仪高精度获取苹果树冠层参数的方法。选用Trimble TX8地面三维激光扫描仪作为苹果树冠层三维点云数据采集设备,提出了基于标靶球的KD-trees-ICP算法,用于高... 详细信息

针对果园环境下苹果树冠层参数获取精度较低的问题,提出了基于地面三维激光扫描仪高精度获取苹果树冠层参数的方法。选用Trimble TX8地面三维激光扫描仪作为苹果树冠层三维点云数据采集设备,提出了基于标靶球的KD-trees-ICP算法,用于高精度配准苹果树冠层三维点云数据。研究了平均风速小于4.5 m/s时,距离地面三维激光扫描仪不同远近条件下的标靶球配准残差和拟合误差的变化规律,分析结果表明,标靶球平均配准残差为1.3 mm,平均拟合误差为0.95 mm,低于大场景测量配准误差要求(5 mm)。为了提高有风环境下提取苹果树冠层参数的精度,研究了0.9~4.5 m/s区间平均风速影响下的苹果树冠层枝干、果实、叶片的三维点云质量,建立了风速与叶片侧面厚度的曲线拟合模型,分析结果表明,在果园平均风速小于1.6 m/s时可以从苹果树冠层三维点云数据中提取高精度冠层参数。利用地面激光三维扫描仪获取距离苹果树12 000 mm以内冠层参数,测量精度高于人工测量,相对误差小于4%,为果树高通量信息获取提供了技术支持。

关键词：测量误差激光扫描仪精度苹果树冠层三维点云数据

来源：评论

学校读者我要写书评

暂无评论

果树叶片雾滴沉积量检测系统设计与试验

引用

农业机械学报 2017年第S1期48卷 8-14页

作者：杨玮郝子源李民赞张旭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

为了获取植保无人机喷药后雾滴在果树叶片表面的沉积量,设计了面向植保无人机果树低空施药的果树叶片雾滴沉积量检测系统。该系统由LWS型叶面湿度传感器、数据传输模块、上位机检测软件组成。通过LWS型叶面湿度传感器的标定试验,建立了... 详细信息

为了获取植保无人机喷药后雾滴在果树叶片表面的沉积量,设计了面向植保无人机果树低空施药的果树叶片雾滴沉积量检测系统。该系统由LWS型叶面湿度传感器、数据传输模块、上位机检测软件组成。通过LWS型叶面湿度传感器的标定试验,建立了电导率为553μS/cm自来水、860μS/cm甲基硫菌灵溶液、1 525μS/cm磷酸二氢钾叶面肥溶液的回归方程,通过分光光度计验证试验验证了方程的准确性。之后,建立基于Zig Bee的传感器系统数据无线传输网络。同时,利用Qt编写了具有数据分析和显示功能的上位机程序,建立了完整的果树叶片雾滴沉积量检测系统。最后,利用WSZ-4X型植保无人机在樱桃果园中进行了检测系统与水敏纸的对比试验。对比结果显示,使用两种方法获得的雾滴沉积密度曲线的拟合度可达0.926 6。对于单个测量点的雾滴沉积密度,其平均误差为22.8%。在果园中进行试验时,受风速和无人机气流等环境因素的影响,传感器和水敏纸的雾滴分布会出现一定的差异,忽略环境因素影响,可认为两种方法在樱桃果园中测量得到的雾滴沉积密度一致性较好,而使用果树叶片雾滴沉积量检测系统可以更加快速、方便、实时地采集农药雾滴在叶面上的沉积量。

关键词：果树叶片无线网络雾滴沉积量植保无人机

来源：评论

学校读者我要写书评

暂无评论

基于随机森林算法的自然光照条件下绿色苹果识别

引用

农业机械学报 2017年第S1期48卷 86-91页

作者：廖崴郑立华李民赞孙红杨玮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

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别... 详细信息

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。

关键词：自然光照绿色苹果随机森林纹理特征霍夫变换

来源：评论

学校读者我要写书评

暂无评论

基于灰度关联-极限学习机的土壤全氮预测

引用

农业机械学报 2017年第S1期48卷 271-276页

作者：周鹏杨玮李民赞郑立华陈玉青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

为了克服近红外光谱的多重共线性、吸光度非线性等特点给土壤全氮含量预测带来的影响,引入灰度关联-极限学习机方法选择出具有较好预测能力的波长组合,以建立高精度土壤全氮含量预测模型。首先利用一阶微分光谱得到反映土壤全氮含量的... 详细信息

为了克服近红外光谱的多重共线性、吸光度非线性等特点给土壤全氮含量预测带来的影响,引入灰度关联-极限学习机方法选择出具有较好预测能力的波长组合,以建立高精度土壤全氮含量预测模型。首先利用一阶微分光谱得到反映土壤全氮含量的敏感谱区,再利用灰度关联法得到土壤全氮含量的敏感波长,分别为1 007、1 128、1 360、1 596、1 696、1 836、2 149、2 262 nm。最后采用极限学习机,将上述敏感波长作为输入,建立了土壤全氮预测模型。作为对照,同时采用传统相关分析方法选择了敏感波长并建立了回归模型。2种建模结果表明,灰度关联-极限学习机建立的土壤全氮预测模型,其建模决定系数R_c^2为0.913 4,预测决定系数R_v^2为0.878 7,建模精度和预测精度都比传统建模方法高。特别在预测低氮含量土壤时,灰度关联-极限学习机方法优势更明显。

关键词：近红外光谱波长选择灰度关联土壤全氮极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于HYDRUS-3D模型的微润灌溉土壤水分入渗模拟

引用

农业机械学报 2017年第S1期48卷 290-295页

作者：冀荣华刘秋霞陈振海郑立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

掌握土壤水分入渗规律对于合理制定灌溉方案、设置灌溉参数和改进灌溉技术有重要意义。为探究微润灌溉条件下土壤水分入渗规律,利用HYDRUS-3D有限元模型对微润灌溉下土壤水分入渗进行了数值模拟,讨论了初始压力水头和土壤质地对土壤水... 详细信息

掌握土壤水分入渗规律对于合理制定灌溉方案、设置灌溉参数和改进灌溉技术有重要意义。为探究微润灌溉条件下土壤水分入渗规律,利用HYDRUS-3D有限元模型对微润灌溉下土壤水分入渗进行了数值模拟,讨论了初始压力水头和土壤质地对土壤水分入渗的影响。数值模拟结果显示:在土壤水分入渗的垂直剖面上湿润体以微润管为中心呈同心圆状向外扩散,扩散速率与初始压力水头呈正相关。模拟试验周期为36 h,分3个时间段进行土壤水分扩散速率的计算,0~5 h内土壤水分平均入渗速率为1.85 cm/h,6~15 h内的平均入渗速率为0.79 cm/h,16~36h内的平均水分入渗速率为0.59 cm/h。土壤含水率最大值出现在微润管周围,向外围呈减小趋势。相同时间内土壤湿润峰运移距离随初始压力水头的增大而增大,微润灌溉下水分入渗速率在3种质地的土壤(砂壤土、壤土、粘壤土)中依次增大,并测得在压力水头为-180 cm时整个模拟周期中3种质地土壤的平均水分扩散速率分别为:0.69、0.53、0.46 cm/h。研究表明,土壤含水率和水分扩散速率随压力水头的增大而增大,随土壤黏粒含量的增大而减小。

关键词：微润灌溉水分入渗 Hydrus-3D 数值模拟

来源：评论

学校读者我要写书评

暂无评论

基于Android手机平台的冬小麦叶面积指数快速测量系统

引用

农业机械学报 2017年第S1期48卷 123-128页

作者：陈玉青杨玮李民赞孙红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

叶面积指数(Leaf area index,LAI)是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均... 详细信息

叶面积指数(Leaf area index,LAI)是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域,在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像,同时手工测量小麦实际叶面积,根据不同测量结果计算3种叶面积指数:将Android手机图像由RGB空间转换到HSV空间,在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积I_(Area);由ADC多光谱相机自带软件获取的归一化植被指数(NDVI)和调节土壤植被指数(SAVI)数据反演的叶面积指数ALAI;实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明,随着小麦不同生长期的变化,Android手机平台获取IArea与实际测量叶面积指数LAI的R^2大于0.84(P小于0.01),ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R^2大于0.83。

关键词： Android 冬小麦叶面积指数图像处理 ADC

来源：评论

学校读者我要写书评

暂无评论

奶牛隐性乳房炎便携式计算机视觉快速检测系统设计与试验

引用

农业工程学报 2017年第S1期33卷 63-69页

作者：蔡一欣马丽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 农业部农业信息获取技术重点实验室北京100083 河北农业大学信息科学与技术学院保定071001

为解决奶牛隐性乳房炎难以防治的问题,构建了一种基于计算机视觉技术的快速检测系统。通过电脑与USB摄像头采集牛奶p H测试纸图像,提出了一种融合颜色特征与形态学处理的分割方法,分割化学反应区并获取RGB值,使用Foss5000牛乳体细胞分... 详细信息

为解决奶牛隐性乳房炎难以防治的问题,构建了一种基于计算机视觉技术的快速检测系统。通过电脑与USB摄像头采集牛奶p H测试纸图像,提出了一种融合颜色特征与形态学处理的分割方法,分割化学反应区并获取RGB值,使用Foss5000牛乳体细胞分析仪得到牛奶体细胞实测值,采取幂回归法建立RGB值与牛奶体细胞数的预测模型,并基于Android技术开发了便携式移动终端设备。牛场实测20组数据试验结果显示,牛奶体细胞数估测值与实测值相关系数为0.970,估测平均相对误差为3.67%,标准差为1.88%。系统估测牛奶体细胞数较为准确,可用于奶牛隐性乳房炎快速检测。

关键词：机器视觉图像处理模型奶牛乳房炎

来源：评论

学校读者我要写书评

暂无评论

温室绿熟番茄机器视觉检测方法

引用

农业工程学报 2017年第S1期33卷 328-334,388页

作者：李寒张漫高宇李民赞季宇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 河北工业大学电子信息工程学院天津300401

针对基于可见光图像对绿色番茄进行识别过程中,光线不均造成的阴影等会影响果实的识别、枝干和叶片对果实的遮挡以及果实之间的遮挡对果实识别的影响等难题,该文对基于机器视觉的绿色番茄检测方法进行研究。首先通过快速归一化互相关函... 详细信息

针对基于可见光图像对绿色番茄进行识别过程中,光线不均造成的阴影等会影响果实的识别、枝干和叶片对果实的遮挡以及果实之间的遮挡对果实识别的影响等难题,该文对基于机器视觉的绿色番茄检测方法进行研究。首先通过快速归一化互相关函数(FNCC,fast normalized cross correlation)方法对果实的潜在区域进行检测,再通过基于直方图信息的区域分类器对果实潜在区域进行分类,判别该区域是否属于绿色果实,并对非果实区域进行滤除,估计果实区域的个数。与此同时,基于颜色分析对输入图像进行分割,并通过霍夫变换圆检测绿色果实的位置。最终对基于FNCC和霍夫变换圆检测方法的检测结果进行融合,实现对绿色番茄果实的检测。当绿色果实和红色果实同时存在时,将绿色果实检测结果与基于局部极大值法和随机圆环变换检测圆算法的红色番茄果实检测结果进行合并。算法通过有机结合纹理信息、颜色信息及番茄的形状信息,对绿色番茄果实进行了检测,解决了绿色番茄与叶子、茎秆等背景颜色接近等难题。文中共使用了70幅番茄图像,其中35幅图像作为训练集图像,35幅作为验证集图像。所提出算法对训练集图像中的83个果实的检测正确率为89.2%,对验证集图像中105个果实的检测正确率为86.7%,为番茄采摘机器人采摘红色和绿色成熟番茄奠定了基础。

关键词：机器视觉图像处理算法快速归一化互相关函数霍夫变换采摘机器人

来源：评论

学校读者我要写书评

暂无评论

基于改进级联神经网络的大豆叶部病害诊断模型

引用

农业机械学报 2017年第1期48卷 163-168页

作者：马晓丹关海鸥祁广云刘刚谭峰黑龙江八一农垦大学信息技术学院大庆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

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物... 详细信息

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。

关键词：大豆病害特征提取级联神经网络量子遗传算法诊断模型

来源：评论

学校读者我要写书评

暂无评论

基于GNSS的农田平整定位精度优化与试验

引用

农业机械学报 2017年第S1期48卷 40-44页

作者：夏友祥刘刚康熙景云鹏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

基于全球卫星导航系统(Global navigation satellite system,GNSS)农田平整作业中,GNSS定位数据不仅是地形测量和基准面设计的基础,而且在平地作业中实时影响农田平整的精度。针对当前GNSS定位数据误差分析较少,提出一种基于联合滤波算... 详细信息

基于全球卫星导航系统(Global navigation satellite system,GNSS)农田平整作业中,GNSS定位数据不仅是地形测量和基准面设计的基础,而且在平地作业中实时影响农田平整的精度。针对当前GNSS定位数据误差分析较少,提出一种基于联合滤波算法的GNSS定位数据分析处理方法。分析平地作业过程中GNSS定位数据的误差源,结合多路径效应和随机噪声,提出因地形起伏引起的振动误差校正方法,利用卡尔曼、小波变换联合滤波算法,校正数据误差提高定位精度,农田定位对比试验分析表明,高程定位精度明显提高,平地工作中,GNSS定位实际高度波动范围缩小20%,能够更好的指导农田平整工作。

关键词：农田平整全球卫星导航系统误差分析卡尔曼滤波小波变换

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：