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 34-39页

作者：曹如月李世超季宇寒徐弘祯张漫李民赞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

为了实现对农田动态环境中多机协同导航作业的调度管理,开展了基于蚁群算法的多机协同作业任务规划研究。将多机协同作业任务规划分为2个环节:任务分配和任务序列规划。首先,采用全局与局部相结合的方法,综合考虑路径代价和任务执行能力... 详细信息

为了实现对农田动态环境中多机协同导航作业的调度管理,开展了基于蚁群算法的多机协同作业任务规划研究。将多机协同作业任务规划分为2个环节:任务分配和任务序列规划。首先,采用全局与局部相结合的方法,综合考虑路径代价和任务执行能力,建立了多机协同作业任务分配模型;然后,通过对比分析任务序列规划问题和旅行商问题,利用蚁群算法建立了农机作业的任务序列规划模型;最后,利用Matlab平台对基于蚁群算法的任务序列规划进行了仿真试验,根据涿州试验农场的实际地块信息,设置多组不同的任务集合,分析蚁群算法优化路径、各代最佳路径长度和平均长度以及适应度进化曲线。仿真结果表明,基于蚁群算法进行任务序列优化可以有效地降低路径代价,提高作业效率,算法运行时间均小于1s,满足多机协同作业的实时性需求。

关键词：多机协同任务分配任务序列规划蚁群算法仿真

来源：评论

学校读者我要写书评

暂无评论

基于移动机器人平台的玉米植株三维信息采集系统

引用

农业机械学报 2019年第B07期50卷 15-21页

作者：李鹏劳彩莲杨瀚冯宇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

为了快速、无损、自动获取玉米植株的三维信息,设计了一种基于移动机器人平台的玉米植株三维信息采集系统。首先,通过四轮驱动移动机器人与升降平台配合,精准控制Xtion深度相机多视角采集盆栽玉米植株的三维点云数据;然后,对获取的点云... 详细信息

为了快速、无损、自动获取玉米植株的三维信息,设计了一种基于移动机器人平台的玉米植株三维信息采集系统。首先,通过四轮驱动移动机器人与升降平台配合,精准控制Xtion深度相机多视角采集盆栽玉米植株的三维点云数据;然后,对获取的点云进行配准拼接与滤波,实现玉米植株的三维重建;最后,对重建后的玉米模型进行叶片的分割与参数测量。该系统的移动机器人运动误差可以控制在1cm之内,玉米植株叶片参数测量误差在1%~5%之间,证明了该系统进行玉米植株三维信息采集的可行性。

关键词：玉米植株移动机器人三维信息信息采集

来源：评论

学校读者我要写书评

暂无评论

离心圆盘式撒肥机撒肥均匀性试验

引用

农业机械学报 2019年第B07期50卷 108-114页

作者：杨立伟陈龙胜张俊逸孙红刘豪杰李民赞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

为了开展基于作物实时传感器的田间变量作业离心圆盘式撒肥机的研究,综合考虑已设计的离心圆盘撒肥机的结构和机理,选取并分析撒肥高度、圆盘叶片位置角、肥料下落位置角3个关键参数对双圆盘离心撒肥机撒肥均匀性的影响。基于Design-Exp... 详细信息

为了开展基于作物实时传感器的田间变量作业离心圆盘式撒肥机的研究,综合考虑已设计的离心圆盘撒肥机的结构和机理,选取并分析撒肥高度、圆盘叶片位置角、肥料下落位置角3个关键参数对双圆盘离心撒肥机撒肥均匀性的影响。基于Design-Expert的试验设计,进行了响应面分析试验和单因素试验,分析各因素对撒肥均匀性的影响。响应面分析试验结果表明,各因素对分布变异系数影响由大到小分别为下料位置角、撒肥高度、叶片位置角;经参数优化后,撒肥高度为68.80cm、下料位置角为60°、叶片位置角29.63°时,肥料分布变异系数最小,为9.95%;验证试验结果表明,分布变异系数预测值的平均值为9.95%,试验值的平均值为18.93%,平均相对误差为47.26%。单因素试验结果表明,单个因素变化下,撒幅范围内肥料质量分布变化明显;撒肥高度为70cm、下料位置角为30°,当叶片位置角取22.5°时,肥料分布变异系数最小,为22.87%;下料位置角30°、叶片位置角为22.5°,当撒肥高度取80cm时,肥料分布变异系数最小,为17.26%;以分布变异系数最小原则,撒肥高度为80cm、叶片位置角22.5°,当下料位置角取60°时,肥料分布变异系数最小,为15.76%。

关键词：离心圆盘撒肥机变量施肥响应面分析变异系数

来源：评论

学校读者我要写书评

暂无评论

基于几何形态学与迭代随机圆的番茄识别方法

引用

农业机械学报 2019年第B07期50卷 22-26,61页

作者：孙建桐孙意凡赵然季宇寒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

为解决番茄采摘机器人作业过程中果实识别不准确的问题,提出一种基于几何形态学和迭代随机圆相结合的目标提取算法,该算法可对图像中粘连的果实进行有效分割与识别。首先,以串收番茄佳西娜为研究对象,使用RGB相机采集图像;其次,对图像进... 详细信息

为解决番茄采摘机器人作业过程中果实识别不准确的问题,提出一种基于几何形态学和迭代随机圆相结合的目标提取算法,该算法可对图像中粘连的果实进行有效分割与识别。首先,以串收番茄佳西娜为研究对象,使用RGB相机采集图像;其次,对图像进行Canny边缘检测操作,获得果实边缘轮廓点;然后,对果实边缘轮廓点进行基于几何形态学的处理,获得果实轮廓点;最后,对果实轮廓点分组处理后,进行迭代随机圆的处理,得到果实识别结果。对该算法的正确率和准确率进行了验证,结果表明,果实识别正确率为85.1%,果实识别准确率为79.1%,此算法在一定程度上解决了复杂环境下多个果实粘连或被少量遮挡情况下的果实分割问题。

关键词：番茄迭代随机圆几何形态学图像识别

来源：评论

学校读者我要写书评

暂无评论

基于消费级深度相机的玉米植株三维重建

引用

农业机械学报 2019年第7期50卷 222-228页

作者：劳彩莲杨瀚李鹏冯宇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

根据植物表型分析对植物三维重建的需求,针对植物特征点不易提取而影响三维重建的问题,提出了一种基于深度相机的植物三维重建方法。首先,对深度相机进行内部参数标定和深度畸变矫正,以获取准确的深度信息;然后,固定好相机和转盘的相对... 详细信息

根据植物表型分析对植物三维重建的需求,针对植物特征点不易提取而影响三维重建的问题,提出了一种基于深度相机的植物三维重建方法。首先,对深度相机进行内部参数标定和深度畸变矫正,以获取准确的深度信息;然后,固定好相机和转盘的相对位置,精确地计算出在当前深度相机的坐标空间下、转盘旋转一个固定角度θ对应的矩阵T;最后,按旋转角θ等间隔转动转盘,获取一系列点云,并结合矩阵T实现点云拼接,完成三维重建。通过与使用商业软件Skanect的重建结果进行对比,本文重建方法只需要配准一次,还原度更高,效率更好,鲁棒性更强,满足植物形态测量需求。

关键词：玉米植株深度相机三维重建配准

来源：评论

学校读者我要写书评

暂无评论

基于光饱和影响校正的作物叶绿素分布光谱成像检测

引用

光谱学与光谱分析 2019年第12期39卷 3897-3903页

作者：孙红邢子正乔浪龙耀威高德华李民赞 Qin Zhang 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 Center for Precision&Automated Agricultural System Washington State UniversityProsserWA 99350USA

叶绿素含量是作物光合能力与营养评价的重要指标,因此快速检测作物叶绿素含量与分布可为作物营养动态分析与长势评估提供支持。基于RGB(Red,Green,Blue)和NIR(Near Infrared)多光谱图像的获取,开展玉米作物营养状态分布光谱学成像检测... 详细信息

叶绿素含量是作物光合能力与营养评价的重要指标,因此快速检测作物叶绿素含量与分布可为作物营养动态分析与长势评估提供支持。基于RGB(Red,Green,Blue)和NIR(Near Infrared)多光谱图像的获取,开展玉米作物营养状态分布光谱学成像检测。构建了多光谱图像采集平台获取RGB和NIR图像,研究了基于光饱和校正算法的RGB图像的光饱和校正与NIR图像去噪方法,通过图像的匹配分割,冠层的提取校正,建立了基于冠层图像的作物SPAD值检测模型与分布成图。采集15株玉米植株RGB-NIR图像,并同步获取不同植株,不同位置共68个叶绿素含量指标SPAD值。首先对RGB图像进行光饱和校正,再对NIR图像进行滤波和图像增强,其次对RGB和NIR图像进行了SURF(speeded-up robust features)和RANSAC(random sample consensus)图像匹配,利用RGB图像的颜色特征,采用ExG(Extra Green)和OTSU算法生成分割掩模,对RGB图像和NIR图像进行分割提取,提取图像的R,G,B和NIR分量,利用4阶灰度板进行反射率校正,然后计算作物图像中像素级P SPAD值,并建立图像P SPAD值与叶绿素仪SPAD值的拟合模型,最后绘制作物SPAD分布图。通过HSI(Hue,Saturation,Intensity)彩色模型中的I分量直方图对比去饱和前后光分布范围,以作物SPAD值分布图验证光饱和校正算法对作物叶绿素含量分布检测提升的效果。RGB图像光饱和校正前I分量集中在[140~180]之间,光饱和校正后的RGB图像I分量集中在[85~130]之间,校正了相机成像时产生模糊和RGB图像饱和。对分割后的RGB图像和NIR图像提取R,G,B,NIR分量进行4阶灰度板校正,相关系数分别为0.829,0.828,0.745和0.994,进而生成R,G,B和NIR四波段的反射率伪彩色图像,反射率R NIR>R G>R R>R B。体现了作物的在蓝光和红光区域吸收光,在绿光区域和近红外区域反射光的光谱特性。校正前后的R和NIR分量反射率计算图像P SPAD值拟合叶绿素含量指标SPAD值的模型结果显示,校正前R 2为0.3326,校正后R 2为0.6193,绘制作物的SPAD特征分布图,可为作物的营养动态快速分析与分布检测提供技术支持。

关键词：光饱和校正多光谱分析作物检测叶绿素分布图像处理

来源：评论

学校读者我要写书评

暂无评论

温室传感器技术的研究进展与应用展望

引用

中国农业信息 2020年第3期32卷 1-13页

作者：程涛荆珮沈超张漫李民赞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

【目的】智能温室是设施农业未来的发展趋势,传感技术和物联网技术是智能温室的基础,分析温室传感器技术的研究进展与应用展望很有意义。【方法】温室传感器根据应用领域可划分为环境因素传感器和植物体信息传感器,从传感器的精度、特... 详细信息

【目的】智能温室是设施农业未来的发展趋势,传感技术和物联网技术是智能温室的基础,分析温室传感器技术的研究进展与应用展望很有意义。【方法】温室传感器根据应用领域可划分为环境因素传感器和植物体信息传感器,从传感器的精度、特点、适用范围、发展趋势等方面对两类传感器进行了分析。【结果】环境因素传感器包括光照传感器、空气温湿度传感器、CO传感器和土壤相关的传感器,植物体信息传感器包括植物温度传感器、植物水分传感器和植物营养元素传感器。光照传感器以硅光电池使用最广,空气温度传感器中最具应用前景之一的是半导体PN结型温度传感器,空气湿度传感器中的电阻式、电容式感湿材料都有应用,CO传感器以红外线应用原理为主。在土壤和植物体信息传感器中,光谱学扮演着越来越重要的角色。【结论】未来温室专用传感器领域会进一步细分,土壤和植物体信息传感器继续成为未来的研究热点。温室传感器总体上会朝着体积更小、精度更高、非接触式、实时检测的方向不断发展,传感器的信息融合趋势会愈加明显。传感器和物联网技术在智能温室发展中将会发挥越来越重要的作用。

关键词：温室物联网传感器环境因素植物体信息

来源：评论

学校读者我要写书评

暂无评论

作物叶片叶绿素动态监测系统设计与试验

引用

农业机械学报 2019年第B07期50卷 115-121,166页

作者：张智勇马旭颖龙耀威李松孙红李民赞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

为了实现作物生长过程中叶绿素的动态在线监测,设计开发了一款叶绿素在线检测传感器系统。应用可见-近红外(660、880nm)波段光谱检测植物叶绿素含量的体积小、功耗低的模块,通过AD转换电路、数字滤波电路得到叶片反射光数字信号,利用灰... 详细信息

为了实现作物生长过程中叶绿素的动态在线监测,设计开发了一款叶绿素在线检测传感器系统。应用可见-近红外(660、880nm)波段光谱检测植物叶绿素含量的体积小、功耗低的模块,通过AD转换电路、数字滤波电路得到叶片反射光数字信号,利用灰度板对反射光信号进行反射率校准,660nm和880nm波段的反射率校正模型的R2分别为0.9996和0.9995;取10个不同等级叶绿素溶液样本共80个,使用国标法检测叶绿素含量后将溶液倒入无纺布开展叶绿素梯度仿真测量。叶绿素检测模块测量双波长反射率后,分别计算归一化差值植被指数(NDVI)和叶绿素指标SPAD指数值。建立相应的叶绿素含量检测数学模型,其决定系数R2分别为0.9557、0.9587。开展活体植株叶绿素检测验证试验,叶片原位光谱测量后,再将叶片剪碎,使用国标法测量叶绿素真实值,检测样本与真实值的相关系数分别为0.8887、0.8745。进而开展在线动态监测试验,实时监测水肥胁迫组和正常水肥管理对照组玉米幼苗植株,监测90h内的叶绿素含量变化,可知,相同管理条件下植株叶绿素含量变化规律大致相同,受水肥胁迫的影响,水肥胁迫组的叶绿素浓度呈下降趋势。证明了传感器系统在线监测作物叶绿素动态的可行性,可为农作物生长与胁迫动态监测提供技术支持。

关键词：叶绿素含量动态监测光谱分析物联网

来源：评论

学校读者我要写书评

暂无评论

基于车载三维激光雷达的玉米叶面积指数测量

引用

农业机械学报 2019年第6期50卷 12-21页

作者：张漫苗艳龙仇瑞承季宇寒李寒李民赞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

为使用车载三维激光雷达快速获取作物的株高、叶面积指数(LAI)等作物形态参数,以玉米为研究对象,采用车载三维激光雷达点云数据,提出了一种基于玉米分层点云数量或分层点云数量与地面点云数量比值计算LAI的方法。使用车载平台获取京农科... 详细信息

为使用车载三维激光雷达快速获取作物的株高、叶面积指数(LAI)等作物形态参数,以玉米为研究对象,采用车载三维激光雷达点云数据,提出了一种基于玉米分层点云数量或分层点云数量与地面点云数量比值计算LAI的方法。使用车载平台获取京农科728和农大84玉米的三维点云数据;对点云数据进行预处理,获得已测量LAI真值区域的点云数据;进行玉米植株点云与地面点云分割,根据地面起伏程度,基于随机一致性平面分割算法,将距离阈值设置为0.06m;依据玉米垂直结构分布,将玉米植株划分为上、中、下3层,计算每层点云数量并分别标记为H、M和L,同时,将上、中、下每层的点云数量与地面点云数量的比值标记为Hr、Mr和Lr,分别建立H、M、L和Hr、Mr、Lr与LAI真值的线性回归模型。试验结果表明:采用Hr、Mr变量建立的LAI二元线性回归测量模型最优,京农科728玉米训练集R2为0.931,验证集R^2为0.949;农大84玉米训练集R^2为0.979,验证集R2为0.984,本文方法可为田间快速测量LAI提供解决方案。

关键词：玉米叶面积指数激光雷达分层

来源：评论

学校读者我要写书评

暂无评论

基于产量监测系统的小麦产量图生成与空间变异性分析

引用

农业机械学报 2019年第B07期50卷 136-143页

作者：刘仁杰孙意凡张振乾张漫杨玮李民赞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

为了准确获取冬小麦农田产量空间差异性信息,提升产量监测系统的采集精度与产量空间分布图的插值精度,采用研发的收获机产量实时监测系统,从绘制准确的产量空间分布图入手,对2013-2015年的小麦产量数据进行了插值及空间变异性分析,结果... 详细信息

为了准确获取冬小麦农田产量空间差异性信息,提升产量监测系统的采集精度与产量空间分布图的插值精度,采用研发的收获机产量实时监测系统,从绘制准确的产量空间分布图入手,对2013-2015年的小麦产量数据进行了插值及空间变异性分析,结果表明:阈值滤波的预处理方法可以有效剔除产量异常值,还原真实田间产量分布情况。通过RMSE对比得出,普通克里金(OK)方法绘制的试验地块产量空间分布图插值精度更高,最小值为826.70kg/hm2,出现在2013年OK法指数模型中,搜索策略为椭圆形、最大相邻要素5个、最小相邻要素3个、1个扇区。由半方差函数拟合曲线参数得出3年产量空间变异性信息及监测系统的最优采样间距,分别为2013年与2014年的产量空间变异完全来源于空间自相关,2013年主要表现在2~12m的中尺度范围,2014年表现在2~5m的中尺度范围;2015年由随机因素引起的空间变异为25%,表现在2m以下的小尺度范围,空间自相关引起的变异为75%,表现在2~15m的中尺度范围;产量监测系统的采样间距应保持在2~10m,过小或过大将受到较大随机因素或插值精度降低的影响。

关键词：小麦产量分布图空间变异性分析阈值滤波普通克里金 IDW插值

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：