基于分布式流式计算的生猪养殖视频监测分析系统

基于分布式流式计算框架,提出了节点资源调度器算法,构建了可插拔的分布式流式实时计算模型,研究开发了生猪养殖视频监测分析系统。系统实现了规模化生猪养殖视频流数据采集、任务调度、实时计算、可插拔式扩展和结果展示的功能。在由1个主节点和3个从节点构成的集群下,采用改进混合高斯模型的背景更新方式,实现集群下多摄像头多目标的实时检测。平均处理速度比传统混合高斯模型提高了29.00%,平均检测率为79.00%,平均误检率比传统混合高斯模型降低了70.96%。测试结果表明,可插拔分布式流式实时计算模型具有较好的可扩展性,视频流处理算法速度和实时性得到了提升,具有较高的检测率和较低的误检率。     

基于射线检测算法的无人机植保作业电子围栏设计

保障植保无人机执行喷洒作业时不越过作业地块边界,是保证植保无人机作业安全性与高效性的必要前提。设计了一种高效可靠的无人机植保作业电子围栏,能够实时检测无人机是否越界,并在有越界风险时及时发出预警。首先,算法根据作业地块边界、无人机飞行速度等关键要素确定电子围栏报警模型并由此生成安全边界。当无人机飞行在安全边界内时,算法不对其进行越界检测;当无人机飞行于安全边界与作业边界之间时,算法将进行越界检测并同时发出预警,提示无人机操作人员随时准备控制无人机改变航向;当无人机飞行于作业边界之外时,将反馈越界标志,提供给飞行控制系统或无人机操作人员介入控制。测试表明：无人机植保作业电子围栏能够实现高效、可靠的飞行监测,实时检测植保无人机飞行是否越界,并在有越界风险时及时发出越界预警。     

基于PCA和高斯混合模型的小麦病害彩色图像分割

为了提高高斯混合模型对小麦病叶的分割精度,减少分割时间,提出了一种基于PCA和高斯混合模型的分割方法。首先充分利用图像的颜色信息,将图像多个颜色通道进行主成分分析计算,获得3个主要颜色通道;在此基础上,将图像分成多个分块,根据其像素平均值排序,各取前后多个分块组成新的像素集合进行高斯混合模型运算;最后遍历整个图像,将每个像素归类到已求出的高斯模型上得出分割结果。通过对小麦锈病图像的分割试验表明,该方法的错分像素率分别比高斯混合模型、K-means等传统分割方法低5.46和13.44个百分点。     

果树对靶喷雾机柔性喷臂控制设计及试验

由于生态环境问题日益严峻,农药喷雾必然是朝着低污染、高精度、智能化与安全化的趋势发展。现有的对靶喷雾机虽然可以针对有无靶标植株进行喷药,但其喷雾架通常是固定不变的,难以同时适用于不同靶标植株。为此,提出喷臂变形以使中心喷头对准靶标植株树冠中心的柔性喷雾架方案,通过安装在拖拉机侧面的激光测距传感器对靶标植株进行距离探测,采用安装在喷臂上的角度传感器对柔性喷雾架的形状进行实时检测。根据上述检测结果,通过程序内部运算,获得控制量,驱动电推杆对喷雾架进行形状调整,同时由安装在十字架上的超声波传感器对喷雾架下的靶标植株进行实时的识别探测,并设计了一种能同时满足不同靶标植株形状的对靶喷雾控制机构。为了减小调节时间和由于机构抖动造成的系统误动作,在喷臂调节算法的基础上增加了调整死区。通过试验分析,喷雾架可以根据拖拉机侧面与靶标植株树干的距离进行柔性对靶调节,喷雾架最大的调节时间为5.8s,满足对靶喷雾的实时性要求。     

基于混合高斯模型的移动奶牛目标实时检测

针对奶牛养殖场背景复杂和环境多变导致现有的目标检测算法无法满足鲁棒性和实时性需求的问题,基于递归背景建模思想,在混合高斯模型中引入惩罚因子,提出了一种动态背景建模方法,采用局部更新策略,以降低模型复杂度和解决前景消融问题;提出基于色度偏差和亮度偏差的二分类算法,避免目标物阴影区域的影响。对不同天气及环境变化剧烈情况下获取的奶牛视频样本进行实验。结果表明,与混合高斯模型相比,平均模型复杂度降低了50.85%,前景误检率和背景误检率分别降低了19.50和13.37个百分点,单帧运行时间降低了29.25%,检测准确率更高、实时性更好,且解决了前景消融问题,能满足在复杂背景和环境条件下实时提取奶牛目标的要求。     

基于机器视觉的喷雾定位系统设计

为实现温室封闭环境下的自动化农药喷洒作业,设计一种基于机器视觉进行喷雾目标检测、以机械臂为喷药执行单元的精准施药系统。该系统可对目标作物大小及位置进行实时获取,并通过DSP控制机械臂完成施药动作。为尽可能保证目标作物位置检测的准确性,本文针对目标作物冠层视觉检测时的特殊性,提出采用基于冗余组合的图像分割算法和引入方差分量的改进SAD(Sum of Absolute Differences)匹配算法。算法在抑制田间背景噪声和提高匹配算法适应性上取得较好的实验效果,可以为喷雾臂控制提供稳定准确的空间三维坐标。     

基于OpenCV的精量喷雾图像处理技术

为了实现喷雾设备的精量喷雾、有效节省农药的使用量,基于开源计算机视觉OpenCV技术,提出了一种能实现精量喷雾的图像处理技术。通过提取、识别绿色植株,计算出绿色区域的面积,并以此为依据,对其进行试验验证。结果表明:该系统能够实现对植株图像的高速处理,并能计算出图像中待施药植株的表面积,为喷雾设备的精准喷雾打下了基础。     

基于Faster RCNN的间作类农田无人机喷雾方法研究

为解决植保无人机在间作类农田进行农药喷洒作业时对非喷雾对象的误喷问题,提出一种基于Faster RCNN目标检测的无人机喷雾方法,包括图像预处理、模型训练与测试、喷雾规则的制定。对模型识别效果与喷雾规则可行性进行试验,结果表明,该识别模型对喷雾对象的识别准确率达96.66%,对喷雾对象位置定位的准确率达91.33%,该喷雾规则具有较高的可行性。研究结果为间作类农田的无人机智能化喷雾提供参考。     

雾滴图像粘连特征改进判断及分离计数方法优化

雾滴在靶标上常出现粘连的情况,为准确测量雾滴尺寸、掌握雾滴分布规律,需要判断雾滴是否粘连,并用图像处理技术将粘连雾滴分开。首先提出判断雾滴是否粘连的改进方法,该方法结合雾滴的形状因子和面积阈值对粘连雾滴进行判断和特征提取,并用极限腐蚀法和迭代开运算法对粘连雾滴进行计数处理,其次调用迭代开运算标记的分水岭算法分割,最后对分割后雾滴的连通域进行标记及形状圆整。试验结果表明：该方法可实现粘连雾滴的自动判断和特征提取,弱粘连准确率100%,强粘连可达97.2%以上。该算法获得的雾滴粒径参数与激光粒度仪试验测量结果接近,其尺寸测量准确度较Deposit Scan软件计算平均提高了7.67%。基于相同的样本,与人工计数标定结果对比表明,该方法获得的雾滴个数快速且精准度达97.06%以上。     

飘移控制喷雾施药技术研究进展

农药雾滴飘移是造成药液流失、环境污染、病害防治效果低的重要原因。非目标的雾滴飘失导致了水土污染,人畜中毒,环境恶化等大量问题。为了增强作物种植中施药喷雾对病虫害的防治效果,提高化学农药的使用效率,节省农民的种植成本,减轻农药对环境的污染和人员的伤害,针对喷雾过程中现存的大量问题,结合了目前国内农药的使用现状及相关飘移控制技术的发展,通过对辅助式喷雾、低量低压喷雾、变量喷雾、静电喷雾、抗飘移喷头和农药改善配方的使用等几个方面综述了目前防飘移技术的研究进展,并对其进行综合,提出了一种可行的缓解农药污染的防飘移方案。     

基于双目视觉的作物苗期障碍物三维信息检测方法

农业智能装备在实际农田环境中行进或作业的过程中需要感知多变环境下的各种障碍物。为此,基于双目视觉,开展了作物苗期农田障碍物三维信息检测方法研究,提出了一种基于特征的障碍物检测算法。首先,利用边缘检测算法去除天空背景,提取出障碍物潜在区域的上边界线,利用超绿特征颜色变换去除绿色作物苗期农田背景,提取下边界线;然后,通过阈值分割算法提取障碍物目标区域;最后,通过重心特征点立体匹配来获取视差值,结合MatLab标定获取的相机内外参数进行三维重建,计算障碍物的距离、宽度和高度三维信息。田间试验结果表明:该算法可以正确提取出障碍物目标区域,障碍物距离、宽度和高度检测的平均相对误差分别为4.7%、5.79%和1.78%,能够满足农业智能装备田间障碍物检测的需求,具有较好的可靠性。     

基于卷积算法的自动割草机目标检测应用研究

为进一步提高我国自动割草机的目标检测准确度与整机作业效率,采用卷积算法理论针对其检测系统展开设计应用研究.在整机结构组成及作业原理基础上,根据卷积算法执行规则流程,建立目标函数与检测核心模型,并针对检测系统进行软件设计与硬件平台搭建,并进行自动割草机目标检测作业试验.结果表明:经卷积算法应用,自动收割机检测系统可实现目...     

连接大米籽粒图像的自动分割算法研究

分析了单个大米籽粒和连接大米籽粒的轮廓特征,提出了一种基于曲率的分割算法。该算法能够有效地反映边界点尖锐程度的曲率及其方向,根据曲率大小和曲率方向能准确判别图像中大米籽粒是否接触并快速找到分割点。用最短距离配对法对3种接触的大米籽粒进行分割。算法对判别籽粒是否接触的准确率达99%以上,对接触籽粒的准确分割率达95%以上。     

基于DSP和MCU的农机具视觉导航终端设计

农机具导航可以提高作业的精度和适应性。针对当前导航终端多基于工控机开发,成本相对较高,不利于在农业生产中大规模推广等问题,设计了一种基于DSP和MCU的农机具视觉导航终端,用于玉米中耕锄草自动导航作业。其中,DSP作为核心处理器,负责农作物的图像采集、作物行检测和导航线提取;MCU负责作业流程的管理、GNSS位置信息的接收、存储和转发以及向执行单元发送控制指令等。针对导航终端中所涉及的串口、网络以及CAN总线之间的通信问题,制定了相应的协议规范;按照系统集成优化设计方法,构建了农机具视觉导航终端系统,保证了系统运行稳定性;对图像进行预处理后,采用基于边缘检测和扫描滤波的导航线检测算法提高了农机具导航线检测的精度和处理效率;针对农田玉米中耕锄草试验,设计了导航线算法适应性试验、偏移量测试试验和系统对比试验。结果表明：系统能够较好地适应有杂草和株数稀疏等农田环境下的测试工作;对偏移量检测的平均误差为1.29 cm,最大误差为4.1 cm;对比PC端和ARM端的导航算法运行速度,系统具有较好的实用性和经济可行性。     

基于二维激光传感器无人直升机作业边界探测

无人机喷雾作业边界探测识别是无人直升机喷雾的重要内容,如果喷雾最大喷幅超过目标区域,会导致药液流失,造成环境的严重污染。为此,基于无人直升机平台,选取二维激光扫描传感器、姿态传感器等传感器搭建了一套二维激光扫描探测系统。该系统利用二维激光传感器探测无人直升机距离作物冠层和田埂的高度,计算冠层和田埂距离差值,并把高度差值作为分割阈值,实现无人直升机作业边界的提取,同时进行了田间试验验证。     

轮式谷物联合收获机视觉导航系统设计与试验

为提高联合收获机收获质量与效率,构建了轮式谷物联合收获机视觉导航控制系统,结合OpenCV设计了谷物收获边界直线检测算法识别水稻田间已收获区域与未收获区域边界,经预处理、二次边缘分割和直线检测等得到联合收获机视觉导航作业前视目标路径,并根据前视路径相对位置信息进行田间动态标定获得联合收获机满幅收获作业状态;提出了一种基于前视点的直线路径跟踪控制方法,通过预纠偏控制实现维持满割幅的同时防止作物漏割,以相对位置偏差值和实时转向后轮转角作为视觉导航控制器的输入,并根据纠偏策略对应输出转向轮控制电压大小。稻田试验结果表明,该导航系统实现了轮式联合收获机田间相对位置姿态的可靠采集及目标直线路径跟踪控制的稳定执行,在田间照度符合人眼正常工作的情况下,收获边界识别算法检测准确率不低于96.28%,单帧检测时间50 ms以内;以不产生漏割为前提的视觉导航平均割幅率为94.16%,随作业行数增多,割幅一致性呈提高趋势。本研究可为联合收获机自动导航满割幅作业提供技术支撑。     

无芒隐子草叶片卷曲度和厚度测量方法

针对叶片卷曲度和厚度交互式测量方式费时、费力、误差大,传统图像处理算法普适性不高等问题,以无芒隐子草叶片为研究对象,采用基于Graham 算法的最小外接矩形法实现叶片卷曲度的测量,采用矢量积法和角点检测相结合的凹凸点检测算法实现叶片厚度的测量。首先,通过石蜡制片获取无芒隐子草叶切片,利用显微镜连接计算机获取切片图像;然后,采用红色灰度化方法结合阈值分割将切片图像的目标和背景分离;最后,根据叶片卷曲度和厚度的实际测量方式,采用Graham算法通过求取目标区域的最小外接矩形实现叶片卷曲度的测量,将矢量积法和角点检测相结合检测目标区域的凹凸点,通过凹点与凹点、凸点与凸点匹配实现叶片厚度的测量。选取30幅无芒隐子草叶切片图像为样本进行了试验,结果显示,采用本文提出的红色灰度化方法和分量法、最大值法、平均法、加权平均法对图像进行灰度化处理后,图像信息熵分别为6.4280、6.3612、5.6679、5.9348、6.0526,图像平均梯度分别为0.0785、0.0242、0.0158、0.0093、0.0104,图像对比度分别为0.2641、0.1130、0.0574、0.0703、0.0784,说明本文方法能更好地保持图像的边缘、细节等信息,图像清晰度更高。进行自动阈值分割后,分割的平均误检率为0.75%,平均漏检率为3.49%,平均整体分割精度达到98.14%。在有效分割目标和背景的基础上,对叶片卷曲度和厚度进行测量,并与交互式测量结果进行相比,结果表明,采用本文方法对叶片卷曲度和厚度的测量值与交互式测量值的平均相对误差分别为0.96%和3.69%,测量速度分别提高了约10倍和37倍。     

基于无效目标滤除的毫米波雷达农田障碍物检测方法

农田障碍物检测是农机自动驾驶的前提，针对毫米波雷达的农田障碍物检测，本文提出一种无效目标滤除的算法。首先对毫米波雷达所输出的目标信息进行解析并提取农田目标障碍物信息，然后使用无效目标滤除算法对解析后的空目标、伪目标、非威胁数据进行滤除。对雷达数据中目标距离为零的空目标直接滤除；对因雷达工作性能或回波信号不稳定而产生的伪目标通过雷达有效目标生命周期法进行过滤；对超出横向距离阈值和纵向距离阈值的非威胁目标直接滤除。试验结果表明，所提算法在静止状态，平均滤除率达到85%以上。当速度为3 km/h时，未作业状态的平均滤除率为85.24%,旋耕为84.23%;当速度为5 km/h时，未作业为84.22%,旋耕为84.18%;当速度为7 km/h时，未作业为84.19%,旋耕为84.16%。尽管在行驶状态下，随着速度的提升或悬挂旋耕机，滤除率有一定的下降，但本文所提算法在各种状态下的平均滤除率均可达到84%以上。     

基于YOLO v5的农田杂草识别轻量化方法研究

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration,MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module,NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision,mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。     

多目标鱼体对象提议检测算法研究

鱼的行为变化除了可以反映其自身健康状况外,还对分析水质变化具有重要意义,而精确、快速的鱼体目标检测是行为变化分析的基础。针对现有多目标鱼体检测算法存在检测定位精确度低的问题,提出了一种简单、有效的多目标鱼体对象提议检测算法。提取鱼体图像的骨架和边缘信息,制定新的窗口打分策略生成候选窗口,训练PCA卷积核提取鱼体图像前景和背景特征,利用支持向量机（Support vector machine,SVM）识别得到鱼体目标所在的候选窗口,运用非极大值抑制算法剔除冗余窗口完成目标检测。实验表明,基于新的窗口打分策略生成的候选窗口比Edge Boxes算法得到的候选窗口具有更高的召回率,召回率最高可达96.9%,对候选窗口的最高识别准确率可达95.71%。通过本文算法和Edge Boxes-PCANet算法得到的漏检率、误检率和平均检测时间表明,本文算法的综合表现更优,说明本文算法可以高效精确地实现多目标鱼体检测。