Simulink平台在玉米病害视频图像中的实时诊断

为提高对玉米病害叶片的识别精度,达到快速诊断、智能决策和有效诊治的目的,提出了一种基于Simulink仿真平台的玉米病害视频图像远程实时诊断技术。该技术首先使用Simulink仿真平台将采集的实时视频进行平滑处理,以提高图像的清晰度和质量;再运用分割技术确定玉米病害的优选图像;最后进行优选图像的解析和诊断处理。对玉米灰斑病图像的研究结果表明:该优化技术处理后的图像质量明显提高,突出了玉米病害特征,增强了玉米病害远程视频图像诊断的实时性和准确性,为玉米生产的智能决策提供了技术支撑。     

基于机器视觉的马铃薯病害识别系统

设计出一种基于机器视觉的马铃薯病害识别系统,该系统主要包括病害识别部分、服务器端、客户端。识别部分采集病害叶片图像,并进行小波去噪。利用OTSU阈值算法分割图像,提取病害的颜色、形状、纹理特征并利用SVM分类器进行识别。基于VS 2010搭建服务器端,提供包含REST API的Web Service与客户端进行信息交互。基于Android SDK设计病害识别系统的手机客户端,通过3G或无线网络对服务器端进行访问。通过实地测试,能准确识别出马铃薯的几种主要病害,且识别率大于92%。     

水稻病害监测预警系统的设计与实现

为了进行水稻病害的远程诊断和信息咨询,设计出水稻病害监测预警系统。该系统采用Visual Studio 2008开发平台,由站内消息、数据上报、数据查询、预测预报、在线会诊、系统管理等功能模块组成。考虑到数据安全性和系统易用性,采用浏览器/服务器模式,客户端通过Internet与服务器连接。实践表明,该系统能够辅助农业专家对水稻病害进行快速准确的诊断,对水稻病害的有效防治具有重要意义。     

基于病斑特征融合的烟草病害图像检索方法

针对目前烟草病害诊断专家系统依靠肉眼获取病害特征,致使病害诊断存在不确定性、误判等现象,提出了一种基于病斑特征融合的烟草病害图像检索方法以诊断病害。通过图像处理技术分割病害图像病斑,提取病斑的颜色、纹理、形状特征,依据双编码遗传算法和支持向量机识别病害模型对病斑特征降维,以获取表征病害的有效特征及权重。将有效特征归一化处理后与病害图像数据库系统中的病斑特征进行图像相似度距离计算,按距离大小返回一批相似图像,依据相似图像获取病害描述及防治措施。以烟草7种常见病害进行试验表明,融合病斑的颜色、纹理、形状特征检索病害图像,查准率和查全率明显比用单个特征检索的高。用这种方式诊断烟草病害,不但有较高的病害识别率,还能使诊断结果可视化,将其用于烟草病害诊断专家系统,将提高系统的鲁棒性,为实现病害的远程在线诊断提供条件。     

复杂背景下植物叶部病害识别系统的设计

针对传统的经验定性诊断作物病害时间长且准确率低等问题,设计了基于复杂背景的植物叶部病害识别系统。该系统以图像处理技术为主要手段,以复杂背景下的黄瓜病害为主要研究对象,嵌入了叶片分割模块、病斑图像分割模块、图像特征提取模块及病害模式识别模块等,可及时、准确地识别植物各类叶部病害,有效弥补了人工识别植物病害所导致的各种缺陷和不足之处,提高了识别的精度和效率,具有一定的实用价值。     

植物叶片智能分析系统的设计

为避免农作物病害智能诊断过程中人为主观因素的影响,客观准确的表达叶片信息,利用数字图像处理技术和农业植保专家知识相结合,设计了适合于大田作物的植物叶片图像处理与分析系统。该系统主要包括植物叶片几何失真校正模块,几何特征计算模块、颜色识别模块以及病害区域识别模块;以校正后非线性失真现象的叶片图像为基础,实现了叶片几何特征值和颜色值的计算,并提取其病斑区域图像。试验结果表明,该方法满足病害智能诊断要求,具有良好的适应性和实用性。     

基于Fisher判别分析的玉米叶部病害图像识别

 【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。     

基于嵌入式的农作物叶部病害分级系统

为了实时获取作物病害程度信息,设计了一种针对农作物叶部病害分级的嵌入式图像采集处理系统,该系统采用ARM9体系的处理器S3C2440A,移植了Linux操作系统,并利用USB外接的接触式扫描装置实现对农作物叶部图像的采集工作,利用嵌入式系统对农作物叶部图像进行相应算法的处理,最后将分级结果通过LCD显示器显示出来。验证结果表明:利用嵌入式技术与扫描装置的结合对作物病害进行分级处理,其方法准确、高效,能够真正实现作物田间的无损检测。     

基于计算机视觉技术的水稻病害图像识别研究进展

从病害图像采集、图像处理、特征提取、分类识别4个方面对水稻常见病害的识别方法和技术进行了综述研究,分析了一些典型方法的基本原理、关键技术、实现方法和应用效果,总结了该领域现有研究存在的问题与不足,对未来的发展趋势和研究方向进行了展望.采用计算机视觉技术对农作物病虫害进行识别,具有无损、快速、实时、准确等特点,对于加速农...     

基于BP神经网络的对虾病害防治专家系统

针对中国对虾养殖产业遭受病害重创的情况,为解决基层相关技术人员短缺以及病害诊断准确率低的问题,结合神经网络专家系统在疾病诊断领域的应用,采用ASP.NET技术和B/S三层架构思想,设计并建立了基于BP神经网络的对虾病害诊断与防治专家系统。该系统是虾蟹养殖专家系统中的一个子系统,有效地解决了传统专家系统获取知识困难、自学习能力差和推理能力弱等问题,实现了对虾养殖的咨询、病害诊断与防治等功能,界面友好,操作简单实用,维护方便,具有一定的现实意义和推广价值。     

水稻表层根系图像分割算法研究

水稻根系形态特征的定量研究对于改进农田管理方式、水稻品种选育和遗传改良等具有重要意义。近年来,随着表型组技术迅速发展,利用图像处理技术对水稻根系生长情况进行测量和分析,同时配合施肥、灌溉、光照、温控等环境监控技术已成为水稻育种和功能基因组研究新型技术手段,而根系图像分割技术是进行后续表型组学分析的重要基础之一。由于生长在土壤中的水稻根系图像具有对比度低、信噪比低、纹理复杂的特点,分割十分困难。针对此问题,研究了主干-分支连接算法、基于形态特征的局部阈值分割算法和基于形态特征的自适应阈值分割算法,对生长在土壤中水稻根系图像进行分割处理和比较。实验结果表明,主干-分支连接算法虽然保留了大量细节,但是受噪声影响严重,其结构略显杂乱,毛刺现象严重;基于形态特征的局部阈值分割算法能保留更多根部的细节,但轮廓断裂的现象比较严重;自适应阈值分割算法分割的图像根系连续性较好,毛刺现象也得到了抑制,但是细小的须根无法保留。最终将两种算法结合起来,提出一种适用于水稻表层根系图像分割的综合算法,则可以获得较为理想的分割结果,为后续水稻根系性状提取奠定了重要基础。     

水稻表层根系性状无损测量技术研究

水稻根系性状和产量之间存在着联系,通过根系育种来改良水稻品种成为未来研究的趋势之一。为研究水稻根系相关性状,设计了一种可以动态无损测量水稻表层根系的方法。将水稻植株种植于透明PMMA管中,利用可见光成像并结合图像处理技术,计算获取27个水稻表层根系性状。结果表明,水稻表层根系32~42 d生长速率达到最大,随后生长减缓或者死亡;质心位置在22~54 d下移较快,随后变化较小;表层根系与地上部分面积之比同产量之间存在类似于正态分布的关系,比例在0.45至0.65之间时产量较高;表层根系从上至下覆盖率递减,但不同品种水稻表层根系分布不同,最上方区域的表层根系覆盖率从最大45%到最小25%。该结果对水稻根系性状无损测量进行了初步探索,并对深入了解水稻根系结构和功能,以及推动植物表型组学的发展具有一定作用。     

农业害虫远程自动识别诊断系统应用技术研究

运用昆虫图像处理及分析系统(BugVisux)对害虫图像进行分析、处理,获取图像的数字化特征值,建立主要农业害虫的数字化特征库;系统包括客户端、服务器端和数据库端的3层结构,可通过CCD摄像头自动获取图像视频,经过远程传送到服务器端,由服务器端进行图像分析与处理,最终达到能够对昆虫进行识别、诊断的目的。     

基于GIS的畜禽疫病监测预警系统的构建与实现

为提高疫病监测的准确性和科学性,依据畜禽疫病防控知识、专家经验,采用人工智能、GIS技术等相关技术,构建了河南省畜禽主要疫病监测预警系统,实现鸡、猪和牛等常见疫病的实时监测和预警。系统由服务器端和手持终端两部分组成。服务器端基于B/S架构,应用C#语言、VS2010工具进行开发。服务器端负责数据的汇总与分析,有系统管理、上报管理、流行病学分析、疫情分析、疫情预警和疫情决策6个功能模块。手持终端是利用Java语言、Eclipse平台开发的移动客户端应用。手持终端负责数据的实时采集和上传,保证了数据采集的准确性和及时性。系统可以满足防疫部门日常工作需要,也可以为疫情监测预警和应急指挥提供决策支持。     

基于图像处理的作物营养诊断研究进展

近年来,随着农业化肥滥用问题的日益突出,图像处理技术在作物营养诊断上的应用研究越来越多。通过对作物营养诊断研究背景的阐述,指出图像处理技术在作物营养诊断上应用的重要意义,介绍作物图像营养诊断研究的总体情况和基本思路,论述作物图像采集、图像预处理、特征提取与优化、分类识别4个环节所用技术方法以及取得的成果,并分析作物图像营养诊断方面存在的问题。     

基于计算机图像技术的作物籽粒识别

图像识别技术是计算机视觉技术的重要内容之一。为了解决传统作物籽粒计数方法的不足,以水稻籽粒为试验对象,通过外部设备获取高质量的籽粒图像,利用计算机图像处理技术设计配套的软件,并改进相应的图像分割算法,可以快速准确识别出水稻籽粒数量,准确率可达98%以上。结果为计算机视觉识别技术在农业上的进一步应用奠定了理论与实践基础。     

基于遗传算法优化的BP神经网络进行水稻氮素营养诊断

应用遗传算法优化BP神经网络进行水稻氮素营养诊断，为水稻的合理施氮提供理论指导。水稻田间试验供试品种为‘两优培九’，设置4个施氮水平（0、210、300、390 kg·hm-2）。在水稻幼穗分化期，扫描获取水稻顶部第三完全展开叶图像，并通过图像处理技术获取19维水稻图像中的颜色和几何形态特征，采用归一化处理、离散小波变换及主成分分析对原始数据进行预处理，并应用遗传算法优化的BP神经网络进行水稻氮素营养诊断。该方法建立的水稻氮素营养诊断模型较单一BP神经网络模型和传统遗传算法优化BP神经网络模型好，模型测试所得4个施氮水平的平均识别率分别为100.000%、99.000%、97.000%、100.000%，测试集样本平均总识别率达到99.000%。基于遗传算法优化的BP神经网络所建立的水稻氮素营养诊断模型具有较强的学习能力和泛化能力，能够很好地识别出水稻氮素营养的缺失，表明运用该方法能够很好地进行水稻氮素营养诊断识别。     

基于AI的桃树病害智能识别方法研究与应用

为解决传统人工识别桃树病害效率低、成本高、准确率低等问题，提出了基于AI深度学习的桃树病害智能识别方法，利用并微调ImageNet预训练的DenseNet-169分类模型，对桃树常见的11种病害图像进行预处理与模型训练，搭建桃树病害智能识别软件环境。该方法对常见桃树病害的平均识别率达到91%以上，结合图像处理、深度学习、数据挖掘等技术自动对桃树病害进行识别，实现桃树病害的智能诊断并提供防治建议。该方法具有人力成本低、操作简单、识别效率高等优点，利于病害的及时诊出与防治决策的制定，对促进果园病害防控的智慧化管理具有重要研究意义与应用价值。     

柬埔寨水稻生产概况与发展战略

文章介绍了柬埔寨农业生产及水稻种植制度、稻谷产量、主要品种及农艺性状等水稻生产概况,指出柬埔寨农业生产存在水稻品种单一、更新速度较慢,栽培技术简单、管理较为粗放,水利设施简单、稻田排灌困难以及加工体系落后等问题。提出从政策上向农业生产倾斜,提高耕地利用率;完善稻米销售、加工、出口等后续产业链,主推＂有机农业＂品牌;大力引进推广新型现代农业实用技术;建设农田基础设施,提高机械化种植水平;支持大型企业集团加入开发等发展战略。     

基于J2EE的水稻病虫害管理专家系统

应用J2EE技术开发了水稻病虫害管理专家系统．该系统建立了一种知识的表达方法，对水稻病虫害诊断的知识进行有效组织，较好地解决了病虫害诊断过程中知识的不确定性；并设计出一种高效的推理机．该系统能提供在线查询以及水稻病虫害的处理办法．