检索结果-内蒙古大学图书馆

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

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

高光谱成像的马铃薯叶片含水率分布可视化

引用

光谱学与光谱分析 2019年第3期39卷 910-916页

作者：孙红刘宁吴莉郑涛李民赞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

为了快速检测马铃薯叶片的水分含量,并探究受到干旱胁迫时叶片含水率变化情况,利用高光谱成像对马铃薯叶片含水率进行检测和可视化研究。采集71个叶片,用烘干法对叶片水分梯度进行控制,共得到355个样本。使用高光谱分选仪器采集叶片862.... 详细信息

为了快速检测马铃薯叶片的水分含量,并探究受到干旱胁迫时叶片含水率变化情况,利用高光谱成像对马铃薯叶片含水率进行检测和可视化研究。采集71个叶片,用烘干法对叶片水分梯度进行控制,共得到355个样本。使用高光谱分选仪器采集叶片862.9～1 704.2 nm(256个波长)的光谱成像数据,采用称重法测量含水率。利用Sample set partitioning based on joint X-Y distance(SPXY)算法将总样本按照2∶1的比例划分为建模集(240个样本)和验证集(115个样本)。对采集的数据进行光谱特征分析,本文分别用CA和RF两种算法,各筛选得到15个特征波长。基于CA筛选出相关系数高于0.96的15个波长分别为1 406.82, 1 410.12, 1 403.62, 1 413.32, 1 416.62, 1 419.82, 1 400.32, 1 423.12, 1 426.32, 1 429.62, 1 432.82, 1 436.12, 1 439.32, 1 442.52和1 445.8 nm。基于RF算法筛选被选概率高于0.3的15个特征波长,按照被选择概率值从大到小排列,分别为1 071.62, 1 041.12, 1 222.52, 1 465.22, 1 397.02, 1 449.02, 1 034.32, 1 523.22, 976.42, 1 172.52, 979.82, 1 165.82, 1 037.72, 1 426.32和869.8 nm。用CA和RF算法筛选到的特征波长建立PLSR模型,分别记为CA-PLSR模型和RF-PLSR模型。利用高精度模型检测结果,对马铃薯叶片含水率进行可视化分析,首先计算马铃薯叶片图像每个像素点的含水率,得到灰度图像,然后对灰度图像进行伪彩色变换,绘制出叶片含水率可视化彩色图像。为了体现马铃薯叶片烘干处理中含水率变化进程,用HSV彩色模型对样本叶片的伪彩色图像进行分割,获得分割图像结果,显示出在某含水率区间的叶片面积比例。结果显示, CA算法选取的15个波长均在1 400.3～1 450.0 nm范围内, CA-PLSR模型的建模精度(R■)为0.975 5、建模集均方根误差(RMSEC)为2.81%,验证集精度(R■)为0.933 2、验证集均方根误差(RMSEV)为2.31%。RF算法选取的特征波长分布范围较CA法选取范围广,具有局部"峰谷"特性,且RF-PLSR模型的建模集精度(R■)为0.983 2、 RMSEC为2.32%,验证集精度(R■)为0.947 1、 RMSEV为2.15%。选取RF-PLS模型计算马铃薯每个像素点的含水率,得到伪彩色变换图像,观察可知随着烘干时间的增加含水率逐渐下降;并能够从叶片结构角度看到,随着水分胁迫的加强,叶片从边缘开始失水,逐渐向叶片中间蔓延,其中叶茎和叶脉的含水率较其他部位高。计算得到叶片伪彩色图像中含水率大于90%, 80%和70%的像素点占整个叶片图像的比例。利用高光谱成像技术可以实现马铃薯叶片的含水率检测与分布可视化表达,为监测马铃薯生长状况以及叶片含水率分析提供新的理论根据。

关键词：含水率马铃薯叶片高光谱成像图像分割可视化

来源：评论

学校读者我要写书评

暂无评论

马铃薯冠层光谱响应特征参数优化与生长期判别

引用

光谱学与光谱分析 2019年第6期39卷 1870-1877页

作者：孙红刘宁邢子正张智勇李民赞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

快速判别马铃薯作物的生长进程是指导田间关键生长期科学水肥管理的重要依据。研究在马铃薯发棵期(M1)、块茎形成期(M2)、块茎膨大期(M3)和淀粉积累期(M4)四个关键生长期,利用ASD便携式光谱仪采集80个样本区的314组作物冠层反射率数据,... 详细信息

快速判别马铃薯作物的生长进程是指导田间关键生长期科学水肥管理的重要依据。研究在马铃薯发棵期(M1)、块茎形成期(M2)、块茎膨大期(M3)和淀粉积累期(M4)四个关键生长期,利用ASD便携式光谱仪采集80个样本区的314组作物冠层反射率数据,并同步采集叶片测定叶绿素含量。在光谱数据预处理后,分析了马铃薯不同生长期的光谱反射率变化特征,并初步选取了光谱“峰谷”响应参数,提出了一种基于方差分析与变量减少组合的光谱参数筛选算法(variance analysis combined with variable reduction,VACVR)用于明确光谱学响应的优化指标,采用Kennard-Stone(K-S)法划分样本集,最终基于支持向量机(support vector machine,SVM)方法建立马铃薯关键生长期判别模型。针对光谱数据,首先使用变量标准化(standard normalized variable,SNV)进行光谱预处理,在定性分析了随着生长期的推进马铃薯冠层反射特征的变化趋势的基础上,基于作物生长期动态光谱学响应与峰谷特性选取14个参数,包括:8个位置参数、2个面积参数、4个植被指数参数。采用K-S算法将样本按照3∶1划分为训练集(240个样本)和测试集(74个样本)。分析马铃薯不同生长期冠层反射光谱发现,随生长期的推进冠层光谱存在差异性:即在400~500和740~880 nm范围内,光谱反射率呈降低趋势;在530~640和910~960 nm范围内,反射率呈升高趋势;在530~640 nm范围内,M2和M3生长期的平均光谱非常接近,M4生长期的平均光谱与其他三个生长期的差别较大。叶绿素平均含量随生长期的进程,从M1(28.12 mg·L^-1)到M2(31.04 mg·L^-1)增加,在M2生长期达到最大值,之后M3(22.00 mg·L^-1)和M4(15.36 mg·L^-1)依次减少。光谱响应参数随着生长期的进程,绿峰位置Lg和红谷位置Lr逐渐红移,红边位置Lre逐渐蓝移;蓝边面积A be逐渐增大,红边面积A re逐渐减小;红边面积与蓝边面积比值依次呈现减小趋势。根据VACVR算法筛选10个敏感光谱响应参数,建立SVM判别模型,训练集判别率为100%,测试集判别率为94.59%,该模型可在判别马铃薯的生长期的基础上为田间管理决策提供支持。

关键词：马铃薯作物光谱特征参数优化生长期判别

来源：评论

学校读者我要写书评

暂无评论

GNSS双天线结合AHRS测量农田地形

引用

农业工程学报 2019年第21期35卷 166-174页

作者：景云鹏刘刚金志坤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京10083 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

为减小GNSS农田平整过程中农田地势信息的采集误差,提高农田三维地形的测量精度,该文提出了一种基于GNSS双天线和姿态航向参考系统(attitude and heading reference system, AHRS)组合的地形测量方法。以GNSS平地系统为试验平台,利用AHR... 详细信息

为减小GNSS农田平整过程中农田地势信息的采集误差,提高农田三维地形的测量精度,该文提出了一种基于GNSS双天线和姿态航向参考系统(attitude and heading reference system, AHRS)组合的地形测量方法。以GNSS平地系统为试验平台,利用AHRS获取平地铲的姿态角和三轴加速度信息,建立GNSS双天线的位置解算方程组;对采集过程中的误差源进行分析,使用最小二乘法和五点三次平滑法对振动误差进行趋势项消除和平滑处理,获得高精度的农田三维地形测量数据。水泥路面的试验结果表明:位置解算方程可以有效地对双天线的位置信息进行解算,通过误差处理后定位天线测量数据的波动范围减小了9.57%,定向天线测量数据的波动范围减小了8.42%。3块不同面积(35 m×50 m、35 m×100 m和35 m×200 m)的农田平地作业试验结果表明:与单天线地形测量方式相比,双天线测量得到农田平整度的准确性分别提高了14.286%、14.063%和10.084%,最大高程差的准确性分别提高了8.642%、8.333%和8.897%,高差分布列的准确性分别提高了1.536%、3.357%和2.991%。本文提出的地形测量方法可以有效降低采集数据的误差,可为农田平整作业提供高精度的地势信息。

关键词：土地利用测量地形 GNSS双天线姿态航向参考系统位置解算误差处理

来源：评论

学校读者我要写书评

暂无评论

基于特征点匹配的全景相机图像拼接方法研究

引用

农业机械学报 2019年第B07期50卷 150-158页

作者：徐弘祯李世超季宇寒曹如月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

全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首... 详细信息

全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首先对多幅图像进行预处理,包括通过柱面投影变换统一坐标系,采用基于特征点的SIFT算法提取图像的特征点并进行匹配;针对传统SIFT算法存在错误匹配而影响图像拼接质量的问题,使用RANSAC算法进行多次优化迭代,达到剔除错误匹配点的效果;针对匹配后生成的图像变换矩阵,为防止其线性结果不稳定并进一步优化结果,采用非线性的LM算法进行优化,使用线性加权平滑算法对图像进行融合,实现全景图像的生成。试验采用计算图像重叠区域相关系数定量评价图像拼接效果,并对获取的30组共60幅图像采用RANSAC算法和LM算法进行处理。结果表明,经过RANSAC算法处理后,误匹配点得到明显剔除,匹配特征点之间的平均几何距离偏移量明显减小,其平均值由39.4013像素下降至0.5819像素,相关系数由0.2878上升至0.7249。与手动设置阈值的剔除误匹配点方法进行了比较,经过RANSAC算法处理后的平均相关系数为0.7249,大于阈值设为0.4时的0.5933,以及阈值设为0.6时的0.2007,证明该算法能够实现多种情况下的图像拼接,剔除误匹配点;经过LM算法处理后,平均几何距离偏移量由0.5819像素进一步下降至0.5693像素,平均相关系数由0.7249进一步上升至0.7261,证明图像变换矩阵得到进一步优化,全景图像的拼接质量得到进一步提高。

关键词：全景相机图像拼接 SIFT算法特征点匹配 RANSAC算法 LM算法

来源：评论

学校读者我要写书评

暂无评论

基于基质含水率的作物蒸腾量估算与预测模型研究

引用

农业机械学报 2019年第B07期50卷 187-194页

作者：陈士旺李莉杨成飞李文军孟繁佳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

作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量... 详细信息

作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0.9729、0.9796,预测模型的预测精度分别为0.9915、0.9890,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。

关键词：作物蒸腾量基质含水率变化量估算模型预测模型线性回归 GABP神经网络

来源：评论

学校读者我要写书评

暂无评论

鲜切果品新鲜度可见/近红外快速检测装置设计与实验

引用

农业机械学报 2019年第B07期50卷 393-398页

作者：孙红梁媛媛田男吴童李民赞唐芳玉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 西安交通大学自动化学院西安710049

为了适应日益增长的鲜切果品消费需求,基于光谱分析技术和传感器技术,集成微型光谱仪、质量传感器、照度计和树莓派显示屏等电子元器件,设计了一套鲜切果品新鲜度可见光/近红外快速检测装置。硬件系统包括数据采集模块、光源模块、结果... 详细信息

为了适应日益增长的鲜切果品消费需求,基于光谱分析技术和传感器技术,集成微型光谱仪、质量传感器、照度计和树莓派显示屏等电子元器件,设计了一套鲜切果品新鲜度可见光/近红外快速检测装置。硬件系统包括数据采集模块、光源模块、结果输出显示模块和控制器模块,软件实现处理数据、调用分级模型和反馈分级结果等功能。以鲜切苹果为例,采集24个红富士苹果样本在400~820nm波段的光谱反射率,并在室温下分别于0~2h、2.5~8h和8.5~30h3个时间段,对每一个待测样品进行4组光谱数据测量,共获取288个原始样本数据。以切开时长2h为分界线,将苹果样品分为2个等级。利用15点的S-G平滑卷积对反射光谱数据进行平滑处理后,使用核函数为高斯核函数(RBF)的支持向量机建立苹果新鲜度可见/近红外光谱检测分级模型,预测集准确率可达86.81%。该鲜切果品新鲜度可见/近红外快速检测装置可为果品新鲜度或切后存放时长的快速无损检测提供方法与技术支持。

关键词：鲜切果品无损检测可见/近红外光谱装置

来源：评论

学校读者我要写书评

暂无评论

基于云服务架构的田间信息采集与分析系统设计

引用

农业机械学报 2019年第B07期50卷 122-127页

作者：马旭颖张智勇高德华李民赞孙红李松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

为了满足农田作物信息采集和分析服务的需求,将智能手机终端硬件、微信小程序软件与云服务平台相结合,设计了一款基于云服务架构的田间信息采集与分析系统。系统主要包括腾讯云服务器模块和手机微信小程序模块,其中,云服务器端使用MySQ... 详细信息

为了满足农田作物信息采集和分析服务的需求,将智能手机终端硬件、微信小程序软件与云服务平台相结合,设计了一款基于云服务架构的田间信息采集与分析系统。系统主要包括腾讯云服务器模块和手机微信小程序模块,其中,云服务器端使用MySQL搭建数据库,用于存储、处理和下载数据;使用CSS和JavaScript语言及小程序封装的组件开发微信小程序,用于交互实现数据的采集、上传与信息反馈。以田间小麦作物生物量指征参数调查为例,针对冠层覆盖度和植株行间距计算进行了系统应用测试。采集100幅出苗期的小麦冠层图像,由小程序端上传样本图像到后台处理。使用霍夫变换、图像掩膜和图像腐蚀获取定位图像后,利用HSV彩色空间突出样本像素点,计算冠层覆盖度;采用投影法和滤波法提取峰值,获取株行中心线,从而计算植株行间距。建立了图像识别像素株行间距与实测株间行距间的一元线性回归模型,建模精度R2达到0.911,可为田间作物信息检测和调查提供技术支持。

关键词：作物信息云服务服务管理系统微信小程序图像处理

来源：评论

学校读者我要写书评

暂无评论

基于热红外图像的奶牛乳房炎自动检测方法

引用

农业机械学报 2019年第B07期50卷 248-255,282页

作者：张旭东康熙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 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

为了提高奶牛乳房炎的检测精度,利用热红外图像测量奶牛关键部位温度,提出了一种奶牛眼睛和乳房自动定位算法。首先对奶牛热红外图像的灰度直方图进行分析,然后提取阈值分割后图像中的HSV(Hue,Saturation,Value)颜色特征和骨架特征,并基... 详细信息

为了提高奶牛乳房炎的检测精度,利用热红外图像测量奶牛关键部位温度,提出了一种奶牛眼睛和乳房自动定位算法。首先对奶牛热红外图像的灰度直方图进行分析,然后提取阈值分割后图像中的HSV(Hue,Saturation,Value)颜色特征和骨架特征,并基于HSV自动检测奶牛眼睛位置,计算骨架特征向量,用支持向量机(Support vector machine,SVM)分类技术自动检测奶牛乳房位置。为了验证定位算法的有效性,对随机选取的40头自然行走的奶牛进行试验验证,结果表明,本文提出的定位算法可以有效定位奶牛眼睛、乳房位置,其定位误差在20像素以内的视频帧识别精度为68.67%。根据定位算法所获取的奶牛眼睛和乳房的温度差值进行奶牛乳房炎检测试验,通过温度阈值对奶牛乳房炎发病程度进行评级,并与体细胞计数法(Somatic cell count,SCC)检测结果进行对比,结果表明,等级1检测准确率为33.3%,等级2检测准确率为87.5%。本文研究结果能较准确获取奶牛自然行走状况下眼睛和乳房的位置和温度。

关键词：奶牛乳房炎热红外图像图像处理温度分析

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：