检索结果-内蒙古大学图书馆

农业机械学报 2019年第B07期50卷 128-135页

作者：杨斯高万林米家奇吴梦柳王敏娟郑立华中国农业大学农业农村部农业信息化标准化重点实验室北京100083 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

为实现工厂化育苗生产线上黄瓜苗群体株高的快速无损测量,提出一种基于RGB-D(RGB-Depth)相机的温室育苗盘中蔬菜苗株高参数原位测量方法。以黄瓜苗为观测对象,在苗的正上方0.75m处架设RGB-D相机,以获取黄瓜苗盘的俯视彩色图像、深度图... 详细信息

为实现工厂化育苗生产线上黄瓜苗群体株高的快速无损测量,提出一种基于RGB-D(RGB-Depth)相机的温室育苗盘中蔬菜苗株高参数原位测量方法。以黄瓜苗为观测对象,在苗的正上方0.75m处架设RGB-D相机,以获取黄瓜苗盘的俯视彩色图像、深度图像以及彩色三维点云数据。在采集的俯视彩色三维点云中分割出单株幼苗点云集、并实现单株幼苗的定位是蔬菜苗群体株高原位测量的关键。根据RGB-D相机的成像原理,将滤波与聚类分割算法相结合,实现一种基于俯视的彩色三维点云数据处理方法,用于从穴盘幼苗群体点云集中分割出单株幼苗点云集。对黄瓜苗彩色三维点云数据的实验处理结果表明,条件滤波、颜色聚类以及统计滤波相结合的滤波算法能够更好地滤除土壤背景的点云集,欧氏距离聚类分割算法可以从滤除土壤背景后的点云中有效地分割出单株蔬菜苗点云集。最后,根据基于俯视的彩色三维点云数据的幼苗株高计算方法得出单株幼苗的株高。实验结果表明,黄瓜苗株高的平均测量误差为2.30mm,平均测量相对误差为7.69%,该结果可为苗期作物群体关键生长参数的提取提供有效的解决方案。

关键词：工厂化育苗无损测量 RGB-D相机彩色三维点云滤波欧氏距离聚类

来源：评论

学校读者我要写书评

暂无评论

一种针对作物生育期光谱迁移的修正植被指数

引用

光谱学与光谱分析 2019年第10期39卷 3040-3046页

作者：刘豪杰李民赞张俊逸高德华孙红吴静珠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 北京工商大学食品安全大数据技术北京市重点实验室北京100048

针对基于固定特征波长的植被指数不能适用于多个生育期叶绿素含量的诊断这一问题,研究优化提出一种基于双波长计算光谱覆盖面积的叶绿素诊断植被指数,用于稳健地诊断多生育期的营养。以拔节期、孕穗期和扬花期的冬小麦为研究对象,采集其... 详细信息

针对基于固定特征波长的植被指数不能适用于多个生育期叶绿素含量的诊断这一问题,研究优化提出一种基于双波长计算光谱覆盖面积的叶绿素诊断植被指数,用于稳健地诊断多生育期的营养。以拔节期、孕穗期和扬花期的冬小麦为研究对象,采集其325~1 075 nm范围的冠层反射光谱,测定采样样本的叶绿素含量。采用小波去噪和多元散射校正算法对光谱数据进行预处理。通过相关性分析,确定生育期特征波长的迁移范围,进而提出了基于光谱覆盖面积的冬小麦叶绿素含量光谱诊断参数(modified normalized area over reflectance curve,MNAOC)。以信噪比(SNR)和平滑度指标(S)进行综合评价,小波去噪函数的最佳参数为(“sqtwolog”,“mln”,“3”,“db5”)。相关性分析结果表明,生育期特征波段的迁移范围为(700 nm,723 nm)。在分析MNAOC指数对叶绿素含量诊断分辨率的基础上,以0.5 mg·L^-1的分辨率建立一元线性回归模型的结果为:拔节期R 2 c=0.840 1,Rv^2=0.823 7;孕穗期R c^2=0.865 5,Rv^2=0.817 4;扬花期Rc^2=0.833 8,Rv^2=0.807 6。与ratio vegetation index(RVI)等5种双波长植被指数对比表明,由于700和723 nm计算的光谱面积包含了由于生育期导致的光谱动态迁移特征,使得MNAOC指数在模型精度上和多个生育期的普适性上,都优于其他双波长代数运算植被指数,为大田环境冬小麦生育期叶绿素含量诊断提供支持。

关键词：叶绿素诊断光谱迁移生育期响应光谱覆盖面积植被指数

来源：评论

学校读者我要写书评

暂无评论

基于骨架扫描策略的生猪热红外视频目标跟踪方法

引用

农业机械学报 2019年第B07期50卷 256-260,242页

作者：马丽张旭东邢子正张馨月任晓惠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 河北农业大学信息科学与技术学院保定071001 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

为了解决生猪在运动过程中目标检测与跟踪误差较大的问题,提出了一种基于骨架扫描策略的生猪头部及躯干目标检测与跟踪方法。首先,检测热红外视频中生猪的通道区域,去除复杂背景的干扰;其次,对通道区域进行预处理,提取生猪的整体骨架;再... 详细信息

为了解决生猪在运动过程中目标检测与跟踪误差较大的问题,提出了一种基于骨架扫描策略的生猪头部及躯干目标检测与跟踪方法。首先,检测热红外视频中生猪的通道区域,去除复杂背景的干扰;其次,对通道区域进行预处理,提取生猪的整体骨架;再次,设计图像行列扫描策略,扫描骨架前端关键点,提取头部位置;最后,根据头部与身体的空间关系,检测躯干跟踪框的位置,同步实现头部和躯干的目标跟踪。利用采集到的50只生猪的视频数据,在MatlabR2014a平台上进行了测试,并与压缩感知跟踪、核相关滤波跟踪和快速判别尺寸空间跟踪等高效算法进行对比分析。结果表明,本文算法的平均跟踪帧速为31.63f/s,平均跟踪精确度为0.6752(阈值为20像素),分别比压缩感知跟踪、核相关滤波跟踪和快速判别尺寸空间跟踪算法高9.41、7.09、2.72个百分点。

关键词：生猪目标检测与跟踪热红外视频骨架提取

来源：评论

学校读者我要写书评

暂无评论

基于动态K阈值的苹果叶片点云聚类与生长参数提取

引用

农业机械学报 2019年第4期50卷 163-169,178页

作者：刘刚张伟洁郭彩玲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 唐山学院机电工程系唐山063000

根据冠层点云的分布特征,提出一种基于动态K阈值的叶片点云聚类及生长参数提取方法。首先,采用地面三维激光扫描仪获取多站点云数据并完成配准、去噪和抽稀等预处理;然后,随机截取整株点云中的一枝作为研究对象,融合局部凹凸性算法(LCCP... 详细信息

根据冠层点云的分布特征,提出一种基于动态K阈值的叶片点云聚类及生长参数提取方法。首先,采用地面三维激光扫描仪获取多站点云数据并完成配准、去噪和抽稀等预处理;然后,随机截取整株点云中的一枝作为研究对象,融合局部凹凸性算法(LCCP)并改进K-means算法,提出基于动态K阈值的叶片点云聚类方法;最后,采用主成分分析方法(PCA)计算叶片点云法平面方向向量,并根据叶片边界点与中心点的位置关系,计算叶宽、叶长等生长参数。试验结果表明,与传统的点云聚类方法相比,本文方法能够在不损失枝干点云的前提下,精确地分割单叶片,保证了聚类结果的完整性和彻底性;与传统的降维方法相比,本文基于真实三维空间信息提取叶片生长参数能够较大程度提高提取准确性,为进一步评价果树冠层光照分布及果园智能化管理提供技术支持。

关键词：苹果树三维点云生长参数动态K阈值 LCCP算法 K-means算法

来源：评论

学校读者我要写书评

暂无评论

基于Kinect相机的猪体理想姿态检测与体尺测量

引用

农业机械学报 2019年第1期50卷 58-65页

作者：司永胜安露露刘刚李保成河北农业大学信息科学与技术学院保定071001 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

为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分... 详细信息

为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。

关键词：猪姿态检测体尺测量 Kinect相机视频图像处理

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机分类模型的奶牛行为识别方法

引用

农业机械学报 2019年第B07期50卷 290-296页

作者：任晓惠刘刚张淼司永胜张馨月马丽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 河北农业大学信息科学与技术学院保定071001

针对奶牛行为监测耗费人力、监测精度低等问题,以无线传输颈环获得的数据为研究对象,提出了一种基于萤火虫算法优化支持向量机参数的奶牛行为分类方法。该方法利用萤火虫寻优算法优化支持向量机的参数,达到较高的分类精度。实验结果表明... 详细信息

针对奶牛行为监测耗费人力、监测精度低等问题,以无线传输颈环获得的数据为研究对象,提出了一种基于萤火虫算法优化支持向量机参数的奶牛行为分类方法。该方法利用萤火虫寻优算法优化支持向量机的参数,达到较高的分类精度。实验结果表明,无线传输颈环能够实时采集和传输奶牛颈部活动信息,并能有效区分不同奶牛的进食、反刍、饮水3种行为,适用性有了较大提高,其中,分类精度、灵敏度和准确率平均值分别达到97.28%、97.03%、98.02%。对比常规的支持向量机算法,本文方法对同一奶牛的分类精度、灵敏度、准确率平均值分别提高了13.39、28.2、18.8个百分点;不同奶牛的分类精度、灵敏度、准确率平均值分别提高了0.74、2.24、2.12个百分点。本文研究结果可为奶牛异常行为检测、疾病智能化预警提供技术支持。

关键词：奶牛反刍加速度传感器支持向量机行为分类

来源：评论

学校读者我要写书评

暂无评论

基于颜色取样的苹果树枝干点云数据提取方法

引用

农业机械学报 2019年第10期50卷 189-196页

作者：郭彩玲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 唐山学院机电工程系唐山063000 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

为了快速提取苹果树冠层枝干三维点云数据,以不同生长时期苹果树冠层彩色点云数据为研究对象,提出了基于颜色取样的苹果树枝干点云数据提取方法。首先,提出了苹果树冠层彩色点云获取方法,利用Trimble TX8型地面三维激光扫描仪获取冠层... 详细信息

为了快速提取苹果树冠层枝干三维点云数据,以不同生长时期苹果树冠层彩色点云数据为研究对象,提出了基于颜色取样的苹果树枝干点云数据提取方法。首先,提出了苹果树冠层彩色点云获取方法,利用Trimble TX8型地面三维激光扫描仪获取冠层点云数据,同轴全景摄像机获取彩色全景图,采用贴图方法着色点云数据;然后,提取全景图像苹果树冠层区域R、G、B颜色分量信息,根据其分布规律建立枝干部分自适应分割阈值,并根据颜色阈值删除冠层中非枝干部分彩色点云数据;最后,在Geomagic软件中经过封装-创建流形-编辑多边形-填充孔-光滑等一系列操作重建枝干三维模型。苹果树提取枝干点云数据实验结果表明,本文方法点云删除率为75.74%,相对于人工枝干点云数据提取,侧枝数量平均准确率为93.34%,效率提高200倍以上,大大缩短了冠层枝干三维重建时间。本研究成果可为有叶苹果树枝干动力学模型建立提供技术基础。

关键词：苹果树冠层点云提取颜色取样枝干

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的香蕉病害远程诊断系统

引用

华南农业大学学报 2020年第6期41卷 92-99页

作者：史红栩李修华李民赞王伟温标堂广西大学电气工程学院广西南宁530004 广西甘蔗生物学重点实验室广西南宁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 广西捷佳润科技有限公司广西南宁530001

【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型... 详细信息

【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型。进一步开发了包含手机移动应用程序(APP)和远程服务器的软件系统。【结果】通过对比不同迭代次数及不同优化器,最终采用了MomentumOptimizer迭代10000次的模型,平均测试精度达到了98%。设计的APP能够就地获取香蕉图像,并通过网络与集成了诊断模型的远程服务器通信,实时获取诊断结果。【结论】该病害诊断模型识别主要病害的精度高,在线诊断系统简单易操作,可快速有效地在线诊断香蕉常见病害,具有良好的应用前景。

关键词：香蕉病害深度学习 GoogLeNet 图像识别移动应用迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于RED-NIR的主动光源叶绿素含量检测装置设计与试验

引用

农业机械学报 2019年第B07期50卷 175-181,296页

作者：孙红邢子正张智勇龙耀威李民赞 ZHANG Qin 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 华盛顿州立大学精细农业及农业自动化研究中心普尔曼WA99350

为了无损和高效地检测作物叶绿素含量,设计了一种采用主动光源的双波长便携式叶绿素含量检测装置,获取作物在红色范围660nm附近的光谱深吸收和近红外850nm附近的光谱强反射特征。采集作物叶片的反射光信号,经转换、调制和放大后,利用灰... 详细信息

为了无损和高效地检测作物叶绿素含量,设计了一种采用主动光源的双波长便携式叶绿素含量检测装置,获取作物在红色范围660nm附近的光谱深吸收和近红外850nm附近的光谱强反射特征。采集作物叶片的反射光信号,经转换、调制和放大后,利用灰度标准板拟合反射率,660nm和850nm拟合的校正模型R2分别为0.993、0.979。光源稳定性与抗干扰性测试结果显示,660nm和850nm光源的稳定性均方差分别为0.0079和0.0044,误差率分别为2.378%和1.223%;抗干扰性的均方差分别为0.0099和0.0187,误差率分别为2.000%和4.360%。通过叶绿素浸提溶液配比,设计了叶绿素梯度与双波长反射率的相关性试验,结果显示,660nm和850nm与叶绿素浓度相关系数分别为-0.919和0.272。660nm附近叶绿素对光谱有深吸收的特征,将其作为主要测试波长;850nm附近是叶片结构和以环境光学响应为主,反射光与叶绿素相关性不强,将其作为检测的参比波长。以田间玉米苗期植株为试验对象,利用双波长采集作物反射率,计算归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)和土壤调整型植被指数(SAVI),其与SPAD仪器测量值的相关系数r分别为0.892、0.846、0.867、0.883。基于NDVI、DVI、RVI和SAVI建立SPAD多元线性回归模型,其决定系数R2为0.831。利用该装置提供的模型嵌入功能导入诊断模型可直接输出叶绿素诊断结果,为作物叶绿素含量快速检测提供支持。

关键词：叶绿素含量光学检测主动光源植被指数光谱分析

来源：评论

学校读者我要写书评

暂无评论

质心跟踪视频棉花行数动态计数方法

引用

农业工程学报 2019年第2期35卷 175-182页

作者：梁习卉子陈兵旗李民赞魏超杰杨艳秋王进冯杰中国农业大学工学院北京100083 石河子大学机械电气工程学院石河子832003 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

为了实现无人植保车在棉田全覆盖视觉导航,该文提出了一种基于视频的棉花行动态计数方法,将棉花行数作为植保车直线植保作业行驶到田端后,判断2个直线作业区间隔距离的依据,以适应实际作业环境中不同的棉花种植行距。通过2G-R-B将彩色... 详细信息

为了实现无人植保车在棉田全覆盖视觉导航,该文提出了一种基于视频的棉花行动态计数方法,将棉花行数作为植保车直线植保作业行驶到田端后,判断2个直线作业区间隔距离的依据,以适应实际作业环境中不同的棉花种植行距。通过2G-R-B将彩色图像转化为灰度图像,强调了棉花行信息;通过在坐标系中设置固定位置和大小的关注区域,在减小计算量的同时,有效避免了田端缺苗、棉花行不规则等现象对检测结果造成的影响;通过对关注区域内各列灰度累计曲线的波峰筛选,适应3个生长期的棉花行的定位,识别正确率高于85%;通过设置浮动窗口并求其灰度质心为跟踪目标,提高了不同生长期和不同农田环境下的目标识别和跟踪适应性;通过对质心构建目标窗口,并计算前后帧目标窗口在图像坐标系中所在位置的重叠率,将后一帧目标窗口遍历前一帧图像中的目标窗口,关联重叠率>0.1的目标窗口,实现了视频图像中多个棉花行的跟踪。结果表明:该算法对于不同生长期的棉花行有较好的跟踪效果,对田端缺苗、杂草等农田环境有较好的鲁棒性。每帧图像的平均处理时间为150 ms,能够满足实时处理要求。

关键词：机器视觉棉花识别棉田喷药侧向移动苗列行计数

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：