检索结果-内蒙古大学图书馆

农业机械学报 2020年第S02期51卷 375-381页

作者：赵若梅邢子正马旭颖宋迪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 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

为开展马铃薯叶片PSⅡ叶绿素荧光参数无损检测研究,利用高光谱成像系统采集200个感兴趣区域样本点的光谱图像并提取反射率,使用封闭式叶绿素荧光成像系统采集相应样本点的qP值。采用SPXY算法将总样本按照2∶1的比例划分为建模集(135个样... 详细信息

为开展马铃薯叶片PSⅡ叶绿素荧光参数无损检测研究,利用高光谱成像系统采集200个感兴趣区域样本点的光谱图像并提取反射率,使用封闭式叶绿素荧光成像系统采集相应样本点的qP值。采用SPXY算法将总样本按照2∶1的比例划分为建模集(135个样本)和验证集(65个样本),采用联合区间偏最小二乘法(Synergy interval partial least squares,siPLS)和随机蛙跳(Random frog,RF)算法各筛选出18个敏感波长,并用选择的特征波长建立偏最小二乘回归(Partial least squares regression,PLSR)模型。结果表明:siPLSPLSR模型的建模集决定系数R2c为0.6285,验证集决定系数R2v为0.6103;RFPLSR模型的建模集决定系数R2c为0.7093,验证集决定系数R2v为0.6872。结果表明利用RF算法筛选的特征波长对马铃薯叶片qP值检测的解释性优于siPLS算法,特征波长在518.72~640.64 nm、650~800 nm和850~1000 nm范围,体现了荧光发射信号是马铃薯作物光化学吸收qP值的重要响应特征,且叶片光化学吸收与叶绿素含量、叶片结构、水分含量等属性紧密关联。绘制叶片qP值分布图为分析马铃薯叶片光化学吸收和光合作用动态提供了直观的分析手段,可为马铃薯作物光合活性评价及复杂生理生化动态监测提供支持。

关键词：马铃薯叶片叶绿素荧光高光谱成像光合作用光化学猝灭系数

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度

引用

农业工程学报 2022年第17期38卷 142-149页

作者：杜蒙蒙李民赞姬江涛 Ali Roshanianfard 河南科技大学农业装备工程学院洛阳471003 机械装备先进制造河南省协同创新中心洛阳471003 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 莫哈格达阿德比利大学农业与自然资源系阿尔达比勒566199

及时、精确地获取小麦基本苗数在田块内部的空间差异信息,有利于实施精准变量追施氮肥,实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响,导致小麦基本苗数反演精度差、可靠性低。为解决上述问题,... 详细信息

及时、精确地获取小麦基本苗数在田块内部的空间差异信息,有利于实施精准变量追施氮肥,实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响,导致小麦基本苗数反演精度差、可靠性低。为解决上述问题,该研究利用大疆Mini无人机获取麦田图像,基于不变目标法完成图像的相对辐射标定,并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型,求解混合像元中植被组分的丰度,基于像元统计法计算植被覆盖度,进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型决定系数R~2为0.87,均方根误差为1.97株/m^(2)。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R~2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m^(2)。由此可知,基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度,研究成果可为小麦精准减量追施氮肥作业提供数据支持。

关键词：无人机模型反演农业遥感无人机图像混合像元小麦基本苗数

来源：评论

学校读者我要写书评

暂无评论

基于深度图像的多姿态肉牛体尺自动测量方法

引用

智慧农业（中英文） 2022年第4期4卷 144-155页

作者：叶文帅康熙贺志将李孟飞刘刚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 中国农业大学农业农村部农业信息获取技术重点实验室北京100083 浙大宁波理工学院计算机与数据工程学院浙江宁波315000

养殖场中肉牛较为活跃,采集得到的图像数据中肉牛姿态多变,肉牛姿态端正帧较少,导致自动测量肉牛体尺困难。针对以上问题,本研究通过分析肉牛骨架特征和肉牛图像边缘轮廓特征,提出一种多姿态肉牛体尺自动测量方法。首先,利用深度相机Azu... 详细信息

养殖场中肉牛较为活跃,采集得到的图像数据中肉牛姿态多变,肉牛姿态端正帧较少,导致自动测量肉牛体尺困难。针对以上问题,本研究通过分析肉牛骨架特征和肉牛图像边缘轮廓特征,提出一种多姿态肉牛体尺自动测量方法。首先,利用深度相机Azure Kinect DK从正上方采集肉牛俯视深度视频数据,对视频数据进行分帧处理;其次,对原始深度图像进行预处理,将肉牛从复杂的背景中提取出来;再次,利用Zhang-Suen算法提取目标图像肉牛骨架,检测骨架交点和端点,分析肉牛头部特征,并确定头部去除点,去除图像中肉牛头部信息;最后,利用改进的U弦长曲率算法提取肉牛轮廓曲率曲线,根据曲率值确定体尺测点,将体尺测点转换到三维空间中,计算体尺参数。本研究通过分析大量深度图像数据,将图像中肉牛姿态分为左歪、右歪、姿态端正、低头和抬头五类。试验结果表明,本研究提出的基于骨架的多姿态肉牛头部去除方法在5种姿态下的头部去除成功率均高于92%;在23头肉牛不同姿态共46帧深度图像中,利用基于改进U弦长曲率的体尺测点提取方法,测得体直长测量的平均绝对误差为2.73 cm,体高测量的平均绝对误差为2.07 cm,腹宽测量的平均绝对误差为1.47 cm。研究结果可为精确测量多姿态下肉牛体尺提供支撑。

关键词：肉牛体尺测量深度图像多姿态 Zhang-Suen算法改进的U弦长曲率算法

来源：评论

学校读者我要写书评

暂无评论

基于计算机视觉的奶牛生理参数监测与疾病诊断研究进展及挑战

引用

智慧农业（中英文） 2022年第2期4卷 1-18页

作者：康熙刘刚初梦苑李前王彦超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 中国农业大学农业农村部农业信息获取技术重点实验室北京100083 浙大宁波理工学院计算机与数据工程学院浙江宁波315200

利用先进的信息技术推动智能养殖业发展已经成为奶牛养殖研究领域的重要目标和任务。计算机视觉技术具有非接触、免应激、低成本及高通量等优点,在畜牧生产中应用前景广阔。本文在阐述了计算机视觉技术在智能化养殖业发展中重要性的基础... 详细信息

利用先进的信息技术推动智能养殖业发展已经成为奶牛养殖研究领域的重要目标和任务。计算机视觉技术具有非接触、免应激、低成本及高通量等优点,在畜牧生产中应用前景广阔。本文在阐述了计算机视觉技术在智能化养殖业发展中重要性的基础上,首先介绍了基于计算机视觉的奶牛生理参数监测进展,包括体尺、体温、体重的前沿监测设备、技术和模型参数。然后阐述了奶牛跛行及乳腺炎等疾病诊断的前沿技术发展过程和研究现状。目前,相关技术研究和应用推广存在检测准确性不高,受环境因素影响较大,非标准化养殖场结构制约检测系统普及,以及检测系统成本较高等问题和挑战。最后,本文结合中国养殖业发展现状,针对保证检测准确性、减少环境干扰等问题,就如何提高计算机视觉技术在智能化养殖业中的准确性和普适性提出了相关建议,旨在为中国奶牛养殖业的科学管理和现代化生产提供新方法和新思路。

关键词：疾病诊断计算机视觉技术体尺奶牛养殖乳腺炎检测系统信息技术环境干扰

来源：评论

学校读者我要写书评

暂无评论

基于微波多普勒法的施肥质量流量检测系统研究

引用

农业机械学报 2020年第S01期51卷 210-217页

作者：杨立伟黄家运张季琴胡号刘刚吕树盛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 中国农业机械化科学研究院北京100083

为了实现施肥量的精确检测,本文构建了基于微波多普勒雷达以及振动干扰抑制方法的肥料质量流量检测系统。由多普勒信号经过快速傅里叶变换处理获得肥料颗粒速度和浓度。定义速度和浓度乘积为传感器输出值,并使用最小二乘法建立传感器输... 详细信息

为了实现施肥量的精确检测,本文构建了基于微波多普勒雷达以及振动干扰抑制方法的肥料质量流量检测系统。由多普勒信号经过快速傅里叶变换处理获得肥料颗粒速度和浓度。定义速度和浓度乘积为传感器输出值,并使用最小二乘法建立传感器输出值和肥料质量流量的线性回归模型。通过对信号的统计规律进行分析,将功率谱的5倍平均值用作区分振动干扰和流量信号的阈值。在实验平台上,使用2种复合肥进行了检测,实验结果表明,肥料质量流量最大检测值可达2629.9 g/min,检测相对误差不大于5%。此外,将检测系统安装在施肥机上,在水泥路上使用第3种复合肥进行了测试,由于振动影响,检测系统最大检测误差达到21.57%。使用提出的振动干扰抑制方法进行处理后,肥料质量流量检测范围在1429.1~2976.9 g/min之间,相对误差不大于10.04%。因此,结合振动抑制方法,微波多普勒法的质量流量检测系统能够精确检测实验平台上和施肥机上不同肥料的质量流量。

关键词：检测系统微波多普勒法肥料质量流量

来源：评论

学校读者我要写书评

暂无评论

基于苹果朝向的最大横切面直径检测方法

引用

中国农业大学学报 2024年第5期29卷 125-134页

作者：余江帆周龙张昭蒋祚琛李云霞芮照钰张漫李旭袁栋栋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 常州大学计算机与人工智能学院江苏常州213164 中国计量大学机电工程学院杭州310018 塔里木大学信息工程学院新疆阿拉尔843300 斯味特果业有限公司江苏宿迁223725

为提高运动苹果的采后分选精度,设计一种基于苹果朝向的最大横切面直径检测方法。采集苹果在传送杆上多位置、多姿态RGB图像,利用张氏标定法进行图像畸变校正,通过颜色分割和形态学处理方法提取苹果区域;基于R通道分量的梯度变化获取苹... 详细信息

为提高运动苹果的采后分选精度,设计一种基于苹果朝向的最大横切面直径检测方法。采集苹果在传送杆上多位置、多姿态RGB图像,利用张氏标定法进行图像畸变校正,通过颜色分割和形态学处理方法提取苹果区域;基于R通道分量的梯度变化获取苹果果梗/花萼区中心,通过对称性判断苹果朝向。计算垂直于朝向的最大直径,将其作为最大横切面直径;针对相机投影角增大产生的投影失真问题,构建投影校正方程以校正检测结果。结果表明:1)对60个苹果(富士和黄元帅各30个)的720幅图像进行直径检测,以单张图像检测结果在±5 mm内作为检测准确的判断标准,所提出的投影校正算法将单张图像的直径检测准确率从65.3%提升至95.3%。2)对每个苹果的12张图像的直径检测结果求平均值作为最终果径,准确率达100%,其中,86.7%的富士和93.3%的黄元帅检测直径在±2 mm以内,均方根误差分别为1.5 mm和1.1 mm。总体结果表明,本研究提出的最大横切面直径检测方法能够精确检测苹果果径,可为苹果大小分级提供技术支持,也为近球形的果蔬分选提供了有效参考。

关键词：苹果采后分选苹果朝向最大横切面直径投影校正

来源：评论

学校读者我要写书评

暂无评论

基于高光谱和深度学习的水稻秸秆覆盖度遥感估算

引用

河南农业大学学报 2024年第5期58卷 838-851页

作者：岳继博李婷宋洁田庆久刘杨冯海宽河南农业大学信息与管理科学学院河南郑州450046 河南农业大学外国语学院河南郑州450046 南京大学国际地球科学系统研究所江苏南京210023 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 北京市农林科学院信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097

【目的】设计一种结合高光谱遥感、卷积神经网络和迁移学习技术的田间水稻秸秆覆盖度(RRC)信息提取方法。【方法】1)实验室测量了多种土壤含水量、水稻秸秆含水量和RRC的“土壤-水稻秸秆”混合光谱。2)基于视觉几何组网络设计了水稻秸... 详细信息

【目的】设计一种结合高光谱遥感、卷积神经网络和迁移学习技术的田间水稻秸秆覆盖度(RRC)信息提取方法。【方法】1)实验室测量了多种土壤含水量、水稻秸秆含水量和RRC的“土壤-水稻秸秆”混合光谱。2)基于视觉几何组网络设计了水稻秸秆覆盖度高光谱网络(RRChyperNet)模型,该模型融合深层和浅层网络特征开展RRC估算。3)基于实验室实测和田间实测“土壤-水稻秸秆”混合光谱评估了使用RRChyperNet模型开展田间RRC估算的可行性。使用决定系数(R^(2))和均方根误差(RMSE)评估田间RRC信息提取的准确性。【结果】1)RRChyperNet可用于开展田间RRC信息高精度估算(R^(2)=0.953,RMSE=0.085)。2)基于预训练的RRChyperNet结合迁移学习方法能够实现对研究区RRC高精度估算(R^(2)=0.867,RMSE=0.093),其精度明显高于广泛使用的随机森林和支持向量机回归模型(R^(2)=0.686~0.691,RMSE=0.122~0.128)。3)研究仅基于水稻秸秆开展了RRChyperNet模型训练和性能测试,其针对小麦、玉米等秸秆覆盖度信息提取精度仍需要未来更多的试验来验证。【结论】RRChyperNet能够提供高精度的田间水稻秸秆覆盖度信息,为动态掌握农田保护性耕作实施进度和落实农业生态环境保护建设提供技术支持。

关键词：卷积神经网络水稻秸秆覆盖度深度学习迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于三维重建的奶牛体重预估方法

引用

农业机械学报 2020年第S01期51卷 378-384页

作者：初梦苑刘刚司永胜冯凡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

为提高奶牛称量的工作效率,降低劳动强度,提出一种基于三维重建的奶牛体重预估方法。首先搭建奶牛深度视频获取平台,利用Kinect相机分别采集奶牛俯视与侧视视角数据,选取深度视频中同步的俯视帧与侧视帧并转换为点云,去除复杂背景提取... 详细信息

为提高奶牛称量的工作效率,降低劳动强度,提出一种基于三维重建的奶牛体重预估方法。首先搭建奶牛深度视频获取平台,利用Kinect相机分别采集奶牛俯视与侧视视角数据,选取深度视频中同步的俯视帧与侧视帧并转换为点云,去除复杂背景提取奶牛点云;然后利用一帧不同步的侧视点云将同步侧视点云中缺失区域补全,配准俯视与侧视点云后,基于俯视点云中奶牛脊柱的位置选取对称面,利用单视角侧视点云获取得到双视角点云,完成奶牛体表点云的重建;最后进行点云曲面重建,利用曲面模型的体积与表面积建立奶牛体重预估模型。利用29头奶牛数据验证模型效果,结果表明,奶牛曲面模型整体表面积、去除四肢及头部的体积与体重呈显著正相关,体重预估绝对误差在-18.67~23.34 kg之间,相对误差均小于3.40%,平均相对误差为2.04%。

关键词：奶牛 Kinect相机点云补全镜像对称三维重建体重预估

来源：评论

学校读者我要写书评

暂无评论

基于RGB-NIR图像匹配的作物光谱指数特征可视化分析

引用

光谱学与光谱分析 2019年第11期39卷 3493-3500页

作者：孙红邢子正张智勇马旭颖龙耀威刘宁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

归一化植被指数(NDVI)基于可见光的红色波段(630~680nm)和近红外区(780~1 100nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并... 详细信息

归一化植被指数(NDVI)基于可见光的红色波段(630~680nm)和近红外区(780~1 100nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°,54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF,SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性三个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red),G(Green),B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示,RGB-NIR图像匹配时间SIFT(1.865s)>SURF(1.412s)>ORB(1.121s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R,G,B,NIR分量校正模型的R2分别为0.78,0.76,0.74,0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。

关键词： RGB和NIR图像图像处理图像匹配对齐植被指数空间分布

来源：评论

学校读者我要写书评

暂无评论

机器学习在苹果智慧生产中的应用

引用

吉林农业大学学报 2021年第2期43卷 138-145页

作者：荆珮李民赞程涛孙妮娜张焕春夏秀波杨剑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 烟台市农业科学研究院智慧农业研究所烟台265500

苹果是我国重要的园艺作物,机器学习和计算机视觉融合促进了苹果检测与识别技术的发展,为苹果智慧生产提供了新的支撑。文章以苹果智慧生产中苹果果实识别、苹果品质和营养的无损检测、苹果品质分级技术为重点,介绍了机器学习在苹果智... 详细信息

苹果是我国重要的园艺作物,机器学习和计算机视觉融合促进了苹果检测与识别技术的发展,为苹果智慧生产提供了新的支撑。文章以苹果智慧生产中苹果果实识别、苹果品质和营养的无损检测、苹果品质分级技术为重点,介绍了机器学习在苹果智慧生产领域中的应用进展。包括基于支持向量机的苹果果实识别方法,基于深度学习的在树水果实时识别方法,光谱技术结合机器学习的苹果品质检测,电子鼻结合机器学习的苹果品质检测,以及机器学习在苹果分级中的应用。最后分析指出机器学习在苹果智慧生产应用中的存在问题,展望了未来的发展方向。

关键词：机器学习苹果计算机视觉智慧农业

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：