基于YOLO v2的莲蓬快速识别研究

受莲蓬形状外观和生长环境影响,传统计算机视觉算法识别莲蓬存在效率与精度不佳的问题。本文研究采用YOLO v2算法进行莲蓬识别的方式,通过扩充莲蓬检测数据集、K-means维度聚类、深度可分离卷积网络结构和多分辨率图像对模型微调等方法实现提高识别精度、鲁棒性与识别速度。对比Darknet-19、Tiny Darknet与DS Tiny Darknet算法,结果表明,本文研究的识别方式可以达到102.1 fps的识别速率,可实现在复杂环境下对莲蓬的快速识别,满足莲蓬采摘机器人在采摘过程中对实时视觉信息的需求。     

花椒采摘机的选用与发展思路探究

针对当前国内花椒采用传统手工收获,严重影响了椒农的经济收益和产业发展的现状,文章梳理了国内三类花椒采摘机的工作原理和应用特点,包括自带动力和收集装置的全自动花椒采摘机,蓄电池带动无收集装置的半自动式和手动式花椒采摘机,研究表明,全自动式适合于道路条件良好的平、川地大面积收获;半自动式适用于山坡、丘陵和河沟等道路崎岖且能铺设收集料斗的地方;手动式应用于经济水平较低的山区小面积花椒收获。给广大椒农对花椒收获机的选择指明了方向。最后,为花椒收获机的进一步发展提供了几点思路,以供参考。     

基于K-means和特征提取的植物叶部病害检测与实现

针对植物常见叶部病害的检测并提高准确率,提出了基于K-means的图像分割和颜色特征提取的算法。以苹果枯叶病为研究对象,应用K-means算法先进行病斑叶片的图像分割,再提取三阶颜色矩参数,与正常叶片参数进行对比分析;实验测试表明,该方法能较好的识别苹果枯叶病,具有较好的鲁棒性,且准确率较高。     

基于机械化应用的秦安县花椒产业优化提升对策研究

花椒作为秦安县重要的经济作物,是助推脱贫攻坚的主导产品。本文以王窑镇花椒产业实际调研为参考依据,对秦安县花椒产业发展现状进行了分析,并针对存在的问题,从花椒采摘、烘干等环节的机械化应用角度提出了花椒产业优化对策及发展建议。     

自然环境下茄子采摘机器人目标识别方法

为了提高自然环境下茄子采摘机器人的采摘成功率并缩短采摘周期,对茄子采摘过程的目标识别进行了研究。自然环境下茄子的生长状况较为复杂,枝叶及果实间相互遮挡的情况降低了对目标识别的成功率。针对这一问题,提出了一种基于霍夫变换算法,通过在投票阶段引入条件概率,构建概率检测模型,采用基于最大后验概率的贪婪算法求解概率模型,多次迭代局部最优值确定目标,从而完成对茄子目标的识别。结果表明,对无遮挡及存在遮挡情况的茄子目标的识别正确率都在89%以上,相对于传统识别方法,该方法识别正确率大大提高,且具有较好的抗噪能力,可为茄子采摘机器人的后续开发提供参考。     

花椒低产园放任树修剪技术研究

针对陇南市花椒低产园实际,总结提出了放任树的修剪技术要点,并对大红袍花椒修剪后的生长量、结果情况和采摘功效进行了研究。试验结果表明,进行科学合理的整形修剪管理后,可以有效增加低产园花椒的产量、质量。     

攀枝花市竹叶花椒生产现状及产业发展对策

综述了攀枝花市竹叶花椒的生产现状,针对生产过程中存在的优良品种缺乏、栽培管理粗放、采摘困难及商品信息不对称等问题提出了产业发展对策,并对攀枝花竹叶花椒产业发展前景及优势进行了分析。     

基于孤立点和初始质心选择的κ-均值改进算法

介绍了在聚类中广泛应用的经典κ-均值算法,针对其随机选择初始质心和易受孤立点的影响的不足,给出了一种改进的κ-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始质心的选择上进行了改进,并做了改进前后的对比试验。试验结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择质心的影响也有所降低。     

花椒采摘机械的现状及发展趋势

机械化采摘是实现花椒产业省力化栽培的必要手段,通过介绍当前国内外花椒机械采摘的主要方式,阐述花椒园机械采摘的发展历程和研究现状,以期帮助花椒生产者正确把握花椒园采摘机械的发展趋势。     

基于图像信息的茶叶二维采摘坐标的提取

茶叶嫩芽识别是实现智能采摘的前提,茶叶识别之后采摘位置参数的提取也是实现智能采摘的关键所在。文章首先分析了机械采茶的整体实现方案,并论证了由茶叶图像获取二维采摘位置的可行性。然后针对图像处理后获取的茶叶嫩芽的二值图像,根据图像中每株嫩芽的外形轮廓去提取最小外接矩形,并标记该矩形的中心点,以该点作为采摘坐标点。得到了茶叶采摘的二维位置参数,为后续茶叶的智能采摘提供依据。