基于Faster-RCNN的自然环境下油茶果检测研究

利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像。首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归。对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39%,准确率为98.92%,召回率为93.32%,F1值为96.04%;平均每幅图像的识别时间为0.21 s,能满足油茶果实时检测的要求。     

基于Faster-RCNN的自然环境下油茶果检测研究

利用Faster-RCNN卷积神经网络模型检测了自然环境中的油茶果图像.首先对3820副油茶果图像进行标注,然后通过VGG16网络提取油茶果的特征,送入RPN层进行分类和校准,最后对油茶果进行分类回归.对100幅含有696个油茶果的图像进行检测验证,检测结果表明:平均识别率为92.39％,准确率为98.92％,召回率为...     

秦岭南坡油茶果实生物学特性的研究

对秦岭南坡油茶果实的生长，发育进行了定点观空洞是定，发现油茶幼果的生长与营养供与给有着重要关系。７月夏梢生长快，大量形成花芽，对养分消耗很大，使得果实生长缓慢；８月果实生长达到最高峰。生长在阳坡或雨后烈日暴晒，易造成早期裂果，油共幼果脱落与大气温度成正相关，并在一定范围同人随雨量的增加，落果也增加。１０月是油茶果实油量急剧增长时期。     

基于YOLOv3-CIoU的松材线虫病树检测方法研究

松材线虫病被称为松树的癌症,及时发现并处置松材线虫病树是防止疫情扩散的重要手段.人工踏查、遥感影像等手段难以有效满足复杂林区疫情监测的需求.为快速、准确发现松材线虫病树,提高处置效率,本文提出了一种基于改进YOLOv3算法的松材线虫树检测方法.首先,使用小型无人机机载高分辨率数码相机在不同空间位置采集松材线虫病树图像并...     

浙江红花油茶果实经济性状变异的研究

对浙江红花油茶果实的经济性状变异进行了研究,结果表明：浙江红花油茶果实经济性状在单株内、单株间以及产地间均存在着较大的变异;在产地内单株间果实各性状的变异均达到了极显著的水平;在产地间果实各性状的差异均达到了显著水平,其中果重、果高、果径和果皮厚的差异都达到了极显著水平,果形指数、鲜出籽率、单果籽数和千克籽数的差异都达到了显著水平;在产地内单株间和单株内果实各性状变异程度都遵循果重、单果籽数、千克籽数〉鲜出籽率、果皮厚〉果高、果径、果形指数的规律,采样总体果实性状的变异程度遵循果重〉千克籽数〉鲜出籽率〉单果籽数〉果皮厚〉果高〉果径〉果形指数;另外,聚类分析结果表明,黄金村和郑地村的果实性状归为同一类,黄檀林场和应村乡的果实性状归为同一类,大洋山林区的果实性状和黄金村和郑地村的较接近.     

基于卷积神经网络的番茄目标检测

番茄目标检测有利于提升番茄采摘的智能化程度。本文针对番茄目标检测问题,提出了一种基于Yolo3的目标检测方法。通过对数据集手工标注,并利用kmeans聚类算法更新先验框参数,实现了数据模型的训练测试与模型评估。实验结果表明,所采用方法的目标检测mAP为96.34%,能够有效地实现番茄目标检测。     

基于Keras-YOLOv3网络的梨小食心虫检测及计数方法研究

[目的]梨小食心虫是世界性的果树害虫之一,世代重叠率高,其幼虫危害最为严重,因其有钻蛀性不易被发现和防治,需要确定成虫的为害动态再根据测报理论指导Ⅰ龄害虫的防治。目前,梨小食心虫害虫的监测主要是通过水盆法诱集并人工对成虫进行计数,但是,人工计数调查后推测梨小食心虫种群动态,不能及时获取种群信息并进行防控,将会带来不可估量的经济损失。因此,探索精准、快速监测梨小食心虫种群动态变化的智能化技术,为其有效防控,实现果品高产优产提供新思路成为了亟待解决的问题。[方法]本文采用Keras-YOLOv3目标检测法识别梨小食心虫并计数,将已采集的梨小食心虫图像经过Keras中数据增强功能进行模型输入等处理,提高梨小食心虫图像辨识、定位和计数的精准度和效率。[结果]自然条件下,Keras-YOLOv3网络模型对梨小食心虫的检测速度为每张0.042 s,检测平均精度mAP值为88.2%,计数精确率为94.5%,较传统YOLOv3模型依次分别提高了10.6%、7.1%、12.0%。在多种害虫并发时,本模型训练的网络环境复杂度欠缺且害虫种类少,梨小食心虫检测的平均精度mAP降至79.98%,计数准确率降至8...     

复杂背景下油茶果采收机重叠果实定位方法研究

油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计.然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度.该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特征点距离关系得到分割路径,最后采用最小二乘法对分割后的目标区域进行拟合重建得到果实轮廓.对比重建的果实轮廓与真实分布图像,该方法的平均定位误差为8.6％,比Hough方法低5.1％;平均耗时为0.52 s,比Hough方法低0.12 s.结果 表明,提出的方法可以有效解决重叠油茶果实识别与分割问题,为采摘装置的振动点选择奠定基础.     

油茶无性系果实生长期光合特性研究

在油茶果实快速生长期7月,对XL67、XL1和CK 3个产量不同的油茶无性系的叶片净光合速率(Pn)、蒸腾速率(Tr)、水分利用效率(WUE)等日变化及光合-光响应曲线进行了测定。结果表明:XL67和CK的Pn日变化曲线呈"单峰型",而XL1为"双峰型",不同无性系峰值的出现时间及峰值的大小不同,XL67和CK存在光合"午休"现象。XL67、XL1和CK的Pn分别为6.97、6.30和5.72μmol.m-2.s-1,3个无性系之间叶片的Pn差异显著。3个无性系叶片的Tr的日变化曲线均为"单峰型",WUE的日变化曲线均为"U"型;3个无性系的最大净光合速率为9.79～14.20μmol.m-2.s-1,光饱和点为409～540μmol.m-2.s-1,光补偿点为58～82μmol.m-2.s-1;采用逐步回归分析方法,筛选出了影响3个无性系叶片Pn的主导因子。     

油茶果实的采收和茶籽的储藏

一、确定茶果最佳采收期 油茶的品种或无性系很多．一般茶果采收期为9月10日～11月10日．其中“小叶油茶”等霜降种群在10月20日左右成熟．“寒露1号”等寒露种群在10月，     

不同修剪时间对油茶果实性状的影响

分析了不同修剪时间对油茶单果重、果实大小和果实籽粒数的影响。结果表明:不同的修剪时间,油茶果实性状各指标均以冬季修剪时最大,分别为单果重22.8g,果径33.8mm,果高35.8mm,单果籽粒数5.6粒,500g鲜粒数300粒,分别比对照高18.9%、13%、4.5%、25%和6.7%;修剪可以显著影响油茶单果重、果径及单果籽粒数,对果高、500g鲜粒数的影响不显著。     

基于边缘设备的轻量化小目标果实检测模型

【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型,设计并实现一种轻量化小目标果实检测模型RegNet-Yolov3,能够在边缘设备上实时运行并实现高精度果实检测。【方法】该模型通过构建轻量化特征提取网络,有效降低模型参数计算量,满足在边缘设备上实时运行要求;并针对柑橘果实小尺度特点,通过添加浅层网络检测分支优化模型小目标检测性能,提升检测精度。【结果】将模型部署在边缘设备Jetson TX2 nano上进行测试,模型m AP值和网络推理速度分别为96.0%和122 ms,均优于原先Yolov3网络测试结果。【结论】实验结果表明,该研究模型能够实现在保持较高检测精度下,在边缘设备Jetson TX2 nano上实时运行,满足果园作业平台果实检测工作。     

基于改进YOLOv5网络的疏果前苹果检测方法

为了实现自然环境下疏果前苹果的快速识别和精确定位,满足果园智能化种植需求,提出了一种基于改进的YOLOv5深度学习的检测模型。首先,为了解决苹果的尺度大小不一带来的问题,改进目标检测层,在YOLOv5的第17层之后对特征图进行上采样,在第20层将网络提取到的特征图与Backbone网络中的第2层特征图进行融合操作,以生成不同尺寸的检测层。其次,为了克服复杂环境的影响,改进特征融合网络,使用BiFPN(Bidirectional Feature Pyramid Network))进行特征融合,来更有效地提取目标信息。最后,将采集到的苹果图像进行不同网络模型检测效果对比试验。试验表明,改进的模型经过8 274幅图像训练,在2 759幅测试集上的检测准确率为94.2%,召回率为95.2%,F₁值为94.7%;相比YOLOv3、YOLOv4、原YOLOv5网络,准确率分别提高了4.4%、7.0%、2.3%,F₁值分别提高6.1%、6.5%、2.6%;相比YOLOv3、YOLOv4网络,图像的检测速度分别提高了13.5、21.4 ms/幅。结果表明,在...     

夜间补光对巨峰葡萄春果叶片营养及果实品质的影响

[目的]分析夜间补光对巨峰葡萄春果叶片营养及果实品质的影响,为完善广西巨峰葡萄春果栽培管理技术提供理论依据.[方法]从5年生巨峰葡萄春季新梢展叶期开始,每天夜间进行12 h红、白、蓝3种光质补光处理,测定分析盛花期、膨大期、转色期和成熟期各处理葡萄叶片的SPAD值及可溶性糖、淀粉、全氮、全磷和全钾含量,在果实收获时测定分析葡萄果实的基本理化指标.[结果]与对照(CK,不补光)相比,在巨峰葡萄春果各生长期夜间补充红光12 h和白光12 h均能提高其叶片SPAD值、淀粉含量及全氮含量;在果实品质方面,夜间补充红光12 h和白光12 h可显著增加巨峰葡萄果实的果粒重、纵径和横径,其中红光12 h处理果实的果粒重、纵径和横径最高,分别为6.01 g、22.98 mm和19.82 mm;夜间补充红光12 h、白光12 h和蓝光12 h均可提高巨峰葡萄果实的可溶性固形物含量,其中红光12 h和蓝光12 h处理的可溶性固形物含量较高,分别为18.20%和18.13%,显著高于CK(P<0.05,下同).相关性分析结果表明,巨峰葡萄果实的果粒重、纵径、横径与叶片SPAD值、全氮、全磷含量呈极显著(P<0.01,下同)或显著正相关,与全钾含量呈极显著负相关;果实可滴定酸含量与全磷含量呈显著负相关.[结论]夜间补充红光12 h和白光12 h能在一定程度上弥补巨峰葡萄春果栽培过程中光照的不足,因此,在巨峰葡萄春果生产中可通过人工补充红光和白光调节树体的生长发育状况,提高果实品质,生产优质鲜食春葡萄.     

油茶花粉生活力检测方法比较

以7个油茶种的花粉为试材,采用TTC法、无机酸法、离体萌发法、活体萌发法4种方法对其花粉生活力进行测定。结果表明：TTC法适合山茶属植物花粉生活力的检测,而无机酸法不适合;活体萌发法检测油茶花粉生活力不准确,但能有效表述花粉萌发力;离体萌发法能有效准确地测定油茶花粉生活力,适合山茶属植物花粉生活力的检测,是最为理想的快速测定法。     

玉屏油茶良种果实性状的通径及聚类分析

为选育可在贵州玉屏推广应用的油茶优良无性系,对47份油茶种质的果实性状进行了通径和聚类分析。结果表明:干籽质量受果数及鲜籽质量的直接正效应影响,鲜果产量对干籽质量的间接正效应最显著;干籽含油率受鲜籽质量的直接正效应影响最大;单株产油量受鲜果产量、果数及干籽质量的直接正效应影响,鲜籽质量对单株产油量的间接通径系数最大。玉屏油茶优良无性系可分为2个类群,第Ⅰ、Ⅱ类均可划分为3个亚类群,各亚类群中干籽含油率相近的无性系多归在不同小亚亚类群中,说明干籽含油率是油茶果实表型性状中最重要的分类性状。     

江西12个主栽油茶品种生长指标和果实性状的变异研究

为了解江西省12个主栽油茶品种生长指标和果实性状的变异程度,并综合评价品种的优劣程度,对其生长指标和果实性状进行方差分析、多重比较、聚类分析和主成分分析。结果表明：生长指标和果实性状品种间存在一定的变异程度,平均变异系数达17.57%,其中单株产量的变异系数最大,果实纵径变异系数最小;参试性状重复力均大于0.5,属于高重复力性状,品种间差异主要受遗传差异影响;参试性状品种间差异极显著,长林4、赣84-8果实经济性状较优,长林3单株产量显著较高;长林40生长较为高大。聚类分析结果将12个品种分4个大类,综合排序最优的为长林4、长林53和赣83-4,综合排名较优的有赣84-8、赣84-3和赣无1,赣兴48综合排名最差。所调查油茶品种的生长性状和果实性状变异幅度较大,遗传多样性水平较高。     

岑溪软枝油茶果实性状的遗传变异与相关性

对6～10年生岑溪软枝油茶果实性状的遗传变异特性调查研究结果表明,果实形态主要呈球形,占78.95%,果实颜色主要有青色和黄色2种,分别占到调查总数的45.75%和29.55%;果实各经济性状的变异幅度较大,变异系数由高到低依次为:平均单果重>平均单籽重>平均单果籽粒数>平均果皮厚>平均鲜出籽率>平均果实横径>平均果实纵径>平均果形指数;果实性状的变异表现为连续变异,属于数量性状遗传,而且呈正态分布规律,并具有集中性和分散性;果实性状多数指标间都呈极显著或显著相关,只有单籽重与果实横径、果形指数、果皮厚和鲜出籽率与果形指数、籽粒数的相关性不显著。     

越南油茶果实各器官的生长和油脂含量变化动态分析

通过对海南省澄迈县福山镇16年生油茶园内的4株丰产成年实生树展开调查,采用索氏提取法提取茶籽油,分析了越南油茶果实各器官的生长发育和油脂含量的动态变化特点。结果表明：果实体积、单果质量、果皮质量、种子干质量和鲜质量、种仁干质量和鲜质量、各器官或组织的含水率和含油率等指标均呈“S”形曲线的动态变化特征;5—9月、5—8月分别是果实和种子的迅速膨大期,8—10月是种子包括油脂在内的干物质积累期,果实在5—9月和种子在5—8月的含水量呈现上升变化趋势,在10月上旬以后种仁干质量和干种仁含油量基本上无显著变化。因此,在5—9月应保证油茶林水分能充足供应,在10月上旬开始采果不会影响茶籽油产量。