检索结果-内蒙古大学图书馆

农业机械学报 2021年第S01期52卷 134-139页

作者：邵志明王怀彬董志城原育慧李军会赵龙莲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

为了解决苹果表面早期损伤难以检测的问题,提出了一种基于近红外相机成像技术和图像阈值分割方法的苹果表面早期损伤检测方法。使用T2SL近红外相机采集苹果样本近红外图像,通过最大类间方差法对近红外图像进行背景分割,基于图像的灰度... 详细信息

为了解决苹果表面早期损伤难以检测的问题,提出了一种基于近红外相机成像技术和图像阈值分割方法的苹果表面早期损伤检测方法。使用T2SL近红外相机采集苹果样本近红外图像,通过最大类间方差法对近红外图像进行背景分割,基于图像的灰度直方图进行无损和有损区域分割阈值的设定,并结合形态学处理提取苹果样本的损伤区域。该方法对无表面损伤苹果样本的判别准确率是88%,对即时损伤后样本的判别准确率是90%,对损伤后30 min样本的判别准确率达到96%。基于近红外相机成像和阈值分割的苹果早期损伤检测不需要建模学习,类似一种无监督判别分析方法,研究结果表明,利用该方法进行苹果表面早期损伤检测是可行的。

关键词：苹果近红外相机成像阈值分割早期损伤

来源：评论

学校读者我要写书评

暂无评论

基于双目视觉和改进YOLOv8的玉米茎秆宽度原位识别方法

引用

智慧农业（中英文） 2023年第3期5卷 86-95页

作者：左昊轩黄祺成杨佳昊孟繁佳李思恩李莉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 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学水利与土木工程学院北京100083

[目的/意义]玉米茎秆宽度是影响玉米抗倒伏能力的重要指标。玉米茎秆宽度测量存在人工采集过程繁琐、设备自动采集识别精度误差较大等问题,研究一种玉米茎秆宽度原位检测与高精度识别方法具有重要应用价值。[方法]采用ZED2i双目相机并... 详细信息

[目的/意义]玉米茎秆宽度是影响玉米抗倒伏能力的重要指标。玉米茎秆宽度测量存在人工采集过程繁琐、设备自动采集识别精度误差较大等问题,研究一种玉米茎秆宽度原位检测与高精度识别方法具有重要应用价值。[方法]采用ZED2i双目相机并将其固定在田间获取实时的玉米茎秆左目和右目图片,对原始图片进行数据增强,使用YOLOv8对玉米茎秆进行识别,再通过多次增加注意力机制(Coordinate Attention,CA)模块,和替换损失函数(Efficient IoU Loss,EIoU)的方法,进一步提高玉米茎秆的识别精度,然后通过对玉米茎秆的三维重建,获取识别框边界点在世界坐标系下的三维数据,通过距离公式计算出茎秆宽度。最后对改进后的YOLOv8模型与YOLOv8原模型、YOLOv7、YOLOv5、Faster RCNN、SSD进行对比,验证模型的识别准确性和识别精度。[结果和讨论]改进后的YOLOv8模型的查准率P、查全率R、平均精确率mAP_(0.5)、平均精确率mAP_(0.5∶0.95)分别达到了96.8%、94.1%、96.6%、77.0%,玉米茎秆宽度原位检测宽度计算的线性回归决定系数R~2,均方根误差RMSE和平均绝对误差MAE分别为0.373、0.265和0.244 cm,可满足实际生产对玉米茎秆宽度测量精度的要求。[结论]本研究提出的基于改进YOLOv8模型的玉米茎秆宽度原位识别方法可以实现对玉米茎秆的原位准确识别,很好地解决了目前人工测量耗时费力和机器视觉识别精度较差的问题,为实际生产应用提供了理论依据。

关键词： YOLOv8 注意力机制双目视觉玉米茎宽检测三维重建

来源：评论

学校读者我要写书评

暂无评论

基于近红外稳态空间的苹果病变检测系统设计与试验

引用

农业机械学报 2021年第S01期52卷 140-147页

作者：赵龙莲邵志明薛金丹原育慧董志城李军会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

为了实现苹果内部病变的无损检测,设计了基于近红外稳态空间分辨技术的苹果病变检测系统。系统选用波长830 nm的半导体激光器作为光源,选择感光面积大、感光系数灵敏的FDS1010光电探测器实现苹果内部病变无损检测。搭建试验平台对检测... 详细信息

为了实现苹果内部病变的无损检测,设计了基于近红外稳态空间分辨技术的苹果病变检测系统。系统选用波长830 nm的半导体激光器作为光源,选择感光面积大、感光系数灵敏的FDS1010光电探测器实现苹果内部病变无损检测。搭建试验平台对检测系统的性能进行了分析,包括电流稳定性、温度稳定性和光强稳定性,系统稳定性满足试验需求。选择Evans Blue固体配制不同质量分数的纯吸收溶液,对检测装置的准确性和灵敏度进行验证,发现随着溶液浓度的升高,吸光度呈现线性变化的趋势,在纯吸收溶液中系统表现出了稳定的检测性能,且对不同质量分数也表现出良好的分辨性能。根据稳态空间分辨检测技术原理,设计苹果病变替换试验,通过改变光源的位置,并记录"源-探"之间的距离,依据漫射传输方程求出苹果病变位置的光学参数,与目前已知的苹果内部组织光学参数一致。研究结果表明该系统可以实现苹果内部病变无损检测。

关键词：苹果内部病变近红外稳态空间分辨技术无损检测

来源：评论

学校读者我要写书评

暂无评论

基于IGWO算法的冬小麦作物-土壤全氮含量一体化监测

引用

农业机械学报 2021年第S01期52卷 304-309,359页

作者：田泽众张瑶张海洋孙红李民赞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

为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农... 详细信息

为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农田为研究区,通过采集冬小麦冠层反射光谱,结合实验室测定精确全氮含量,利用IGWO算法选择冬小麦作物-土壤共同特征波长。结果表明,相较于遗传算法(Genetic algorithm,GA)等其他仿生学优化算法,改进灰狼优化算法可以选择冬小麦作物-土壤共同冠层反射光谱特征波长。在随机森林(Random forest,RF)回归模型下,冬小麦作物和土壤全氮含量测试集的决定系数(Coefficient of determination,R^(2))分别为0.7888和0.7534。与其他仿生学算法相比,IGWO选择的特征波长405、495、582、731、808 nm预测性能最佳,能够有效利用全谱信息且符合冬小麦生理特征。改进灰狼优化算法能够选择冬小麦作物-土壤共同的冠层反射光谱特征波长,实现对冬小麦作物-土壤全氮含量的较高精度估计,可作为估测田间冬小麦作物-土壤全氮含量的有效途径。

关键词：冬小麦高光谱作物-土壤一体化监测全氮灰狼优化算法特征选择

来源：评论

学校读者我要写书评

暂无评论

基于GWO-GRNN的双变量施肥系统排肥量预测模型构建

引用

江苏农业科学 2023年第2期51卷 210-217页

作者：张季琴刘刚仁重义张东峰姜碧琼宁夏大学机械工程学院宁夏银川750021 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

双变量施肥系统排肥量预测模型的构建主要以数学统计和机器学习方法为主。针对机器学习建模方法中普遍存在的运算过程耗时较长问题,基于灰狼算法(gray wolf optimizer,GWO)和广义回归神经网络(general regression neural network,GRNN)... 详细信息

双变量施肥系统排肥量预测模型的构建主要以数学统计和机器学习方法为主。针对机器学习建模方法中普遍存在的运算过程耗时较长问题,基于灰狼算法(gray wolf optimizer,GWO)和广义回归神经网络(general regression neural network,GRNN),提出一种排肥量预测模型构建方法(GWO-GRNN),并对其有效性进行了验证。首先,基于双变量施肥试验平台进行3种不同固体颗粒肥的定时排肥试验,获得试验数据集;其次,提出GWO-GRNN算法对GRNN的平滑因子进行优化,并将寻优过程与现有算法(DE-GRNN)进行对比,结果表明GWO-GRNN算法整体上具有较快的收敛速度和较短的运行时间;最后,基于获得的最佳平滑因子构建3种颗粒肥的排肥量预测模型,并分别选取3种颗粒肥未参加训练的18个样本作为测试集,对模型精度进行验证。结果表明,构建的3种颗粒肥排肥量预测模型决定系数均在0.99以上,平均相对误差均在2%左右。该方法能够在保证排肥量预测模型精度的同时提升运算效率,具有较好的适应性。

关键词：灰狼算法广义回归神经网络双变量施肥排肥量预测

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

基于YOLOv5 m和CBAM-CPN的单分蘖水稻植株表型参数提取

引用

农业工程学报 2023年

作者：陈慧颖宋青峰常天根郑立华朱新广张漫王敏娟中国农业大学智慧农业系统集成研究教育部重点实验室中国科学院分子植物科学卓越创新中心植物分子遗传国家重点实验室中国农业大学烟台研究院

为快速获取单分蘖水稻植株的形态结构和表型参数，该研究提出了一种基于目标检测和关键点检测模型相结合的骨架提取和表型参数获取方法。该方法基于目标检测模型生成穗、茎秆、叶片的边界框和类别，将所得数据分别输入到关键点检测模型... 详细信息

为快速获取单分蘖水稻植株的形态结构和表型参数，该研究提出了一种基于目标检测和关键点检测模型相结合的骨架提取和表型参数获取方法。该方法基于目标检测模型生成穗、茎秆、叶片的边界框和类别，将所得数据分别输入到关键点检测模型检测各部位关键点，按照语义信息依次连接关键点形成植株骨架，依据关键点坐标计算穗长度、茎秆长度、叶片长度、叶片-茎秆夹角4种表型参数。首先，构建单分蘖水稻的关键点检测和目标检测数据集；其次，训练Faster R-CNN、YOLOv3、YOLOv5s、YOLOv5m目标检测模型，经过对比，YOLOv5m的检测效果最好，平均精度均值（mean average precision,mAP）达到91.17%；然后，应用人体姿态估计的级联金字塔网络（cascaded pyramid network,CPN）提取植株骨架，并引入注意力机制CBAM(convolutional block attention module)进行改进，与沙漏网络（hourglass networks,HN）、堆叠沙漏网络模型（stacked hourglass networks,SHN）和CPN模型相比，CBAM-CPN模型的预测准确率分别提高了9.68、8.83和0.5个百分点，达到94.75%,4种表型参数的均方根误差分别为1.06、0.81、1.25 cm和2.94°。最后，结合YOLOv5m和CBAM-CPN进行预测，4种表型参数的均方根误差分别为1.48、1.05、1.74 cm和2.39°，与SHN模型相比，误差分别减小1.65、3.43、2.65 cm和4.75°，生成的骨架基本能够拟合单分蘖水稻植株的形态结构。所提方法可以提高单分蘖水稻植株的关键点检测准确率，更准确地获取植株骨架和表型参数，有助于加快水稻的育种和改良。

关键词：目标检测注意力机制水稻关键点检测骨架提取表型参数单分蘖植株

来源：评论

学校读者我要写书评

暂无评论

基于数字示波器的车载式土壤电导率检测系统研究

引用

农业机械学报 2020年第S02期51卷 395-401页

作者：杨玮韩雨李民赞孟超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

在电流电压四端法原理基础上,采用信号发生器替代恒流源作为激励源来提供振幅更大、稳定性更高的正弦信号,以数字示波器替代电压源进行反馈信号检测从而解决电压有效值转换和AD转换频率较慢的问题,改进设计开发了一款基于数字示波器的... 详细信息

在电流电压四端法原理基础上,采用信号发生器替代恒流源作为激励源来提供振幅更大、稳定性更高的正弦信号,以数字示波器替代电压源进行反馈信号检测从而解决电压有效值转换和AD转换频率较慢的问题,改进设计开发了一款基于数字示波器的土壤电导率检测系统。农田现场车载式测量实验分为稳定性检测和定点测量两部分。稳定性实验测试下该检测系统能够稳定读取相关数据。农田定点测量实验结合土壤样本采集和实验室实验,得出每个定点测量点土壤电导率测量值和土壤电导率实验室真值(R2=0.7531)。根据实验中拖拉机牵引犁盘抖动导致电极与待测土壤之间形成的两种测量接触面的情况,分析并消除了实验中拖拉机抖动现象对数据结果的影响后,土壤电导率实测数据与实验数据之间的决定系数R2提高到0.8552~0.9066,表明设备能够在排除测量方式等外界因素影响下,测量精度达到较高水平。实验数据对比结果显示,基于数字示波器的车载式土壤电导率仪能够在农田现场进行稳定测量,并且具有较好的性能和准确度。

关键词：土壤电导率电流电压四端法信号发生器数字示波器

来源：评论

学校读者我要写书评

暂无评论

半主动悬架山地拖拉机姿态控制系统设计与仿真

引用

农业机械学报 2022年第S02期53卷 338-348页

作者：刘国辉郝称意李民赞孙红中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 山西农业大学农业工程学院太谷030801 中国农业大学烟台研究院烟台264670 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

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主... 详细信息

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主动悬架拖拉机时域仿真模型,以车身垂向位移、车身倾斜角和车身俯仰角作为拖拉机的姿态变化参数进行仿真试验。通过构建增量式比例积分微分(Proportion integration differentiation,PID)控制器和反向传播(Back propagation,BP)神经网络PID控制器仿真模型实现对半主动悬架拖拉机车身姿态的自动控制,并分别对两种控制器的控制性能进行测试与评价。利用车身垂直向加速度和车轮相对动载作为半主动悬架系统性能的评价指标,对两种控制方式下的半主动悬架性能进行了评价。仿真结果表明:基于传统增量式PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少42.17%、侧倾角均方根减少36.76%、俯仰角均方根减少57.85%,其车身垂向加速度为0.0177 m/s^(2),4个车轮的动载荷均方根分别为0.0284、0.0346、0.0239、0.0304 N。基于BP神经网络PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少74.54%、侧倾角均方根减少74.66%、俯仰角均方根减少75.03%,其车身垂向加速度为7.5758×10^(-5)m/s^(2),4个车轮的动载荷均方根值分别为0.0197、0.0235、0.0166、0.0198 N。相比增量式PID控制的半主动悬架拖拉机,基于BP神经网络PID控制的半主动悬架拖拉机,其车体平稳性得到了较好的提高。

关键词：山地拖拉机姿态调节半主动悬架 BP神经网络PID 控制仿真

来源：评论

学校读者我要写书评

暂无评论

基于图像处理和GBRT模型的表土层土壤容重预测

引用

农业机械学报 2020年第9期51卷 193-200页

作者：杨玮兰红李民赞孟超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

针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBR... 详细信息

针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.8782,平均绝对误差达到0.021 g/cm^3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。

关键词：土壤容重图像处理梯度提升决策回归树模型预测土壤表面粗糙度土壤阻力

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：