基于计算机视觉的棉花生长监测自主导航车辆研究

为了克服农作物生长大面积遥感监测精度较低的缺陷,实现作物生长态势的自动化监测,提出了一种基于计算机视觉的自主导航作物生长监测车辆,从而有效地提高了作物生长监测的精度和自动化程度。该型自动化车辆通过导航标定线在田间对作物的生长状况进行实时跟踪监测,采用CCD数字摄像头对作物的生长状况进行图像采集,使用PC机对图像进行处理,并将图像利用通信技术传输到远程监控端,并根据图像特征数据建立了作物长势的监测和预测模型。为了验证其可行性,对作物的长势进行了实地测试,通过对叶面指数和作物生物量预测模型的测试表明:数据模型的实测值和理论值基本吻合,利用该方法可以建立多种作物的长势监测和预测模型,具有推广价值。     

基于自适应模糊控制的拖拉机远程监测系统设计

为了提高拖拉机监测系统的自动化和智能化水平,将自适应模糊算法应用到了拖拉机监测系统的设计上,通过自适应遗传算法和模糊PID反馈调节,实现了拖拉机故障和作业质量的智能化监测。为了验证自适应模糊算法在监测系统中的作用,以多拖拉机联合作业为测试对象,在农田作业区域布置了无线传感网络,对远程监测故障诊断结果进行了统计。统计结果表明:自适应模糊算法相比不采用智能算法得到的诊断结果更加准确,对提高监测系统的精度具有重要作用。     

基于PLC监测系统和远程控制的玉米播种机设计

为了提高玉米播种机的自动化水平和播种精度,设计了一种新型的基于PLC监测系统的远程控制玉米播种机,并对玉米播种机的开沟机械装置和播种机械装置进行了改进,结合PLC监测和控制技术,实现了播深、排种精度和播种机行驶方向的实时监测和控制。为了实现播深和排种精度的自动化调节,使用PLC对开沟器和排种轮进行实时监测,并利用四连杆结构和直流驱动电机对其进行控制,采用灰色预测模型对排种器的排种轮转速进行预测,可以有效地提高播深和播种精度控制的自动化水平。最后,对播种机的性能进行了测试,通过测试发现:基于PLC监测系统的远程控制播种机可以有效地对排种轮转速、播种机行驶速度、行驶方向进行实时监测,播种机的漏播率和重播率都较低,满足高精度播种机的设计需求,为现代化播种机的设计提供了较有价值的参考。     

基于传感器信号融合和PSO-LSSVR的刀具磨损预测研究

最小二乘支持向量回归模型能有效地构建特征与刀具实时磨损间映射关系,但受限于自身参数的复杂性,无法获得最优模型性能,同时由于单个传感器的局限性,难以全面反映刀具磨损的多维信息。为进一步提升刀具磨损预测精度,提出一种基于多传感器信号融合并利用粒子群算法优化参数的最小二乘支持向量回归模型的刀具预测方法。通过对采集的传感器信号进行小波降噪,提取可用于反映刀具磨损的多域特征,并通过核主成分分析法对多域特征进行降维融合,采用经过粒子群算法优化参数的最小二乘支持向量回归模型构建融合后特征与刀具磨损的映射关系。通过公开数据集进行的实验,表明该模型具有较高的预测精度,验证了所提出预测方法的有效性。     

植物叶片本征维数估计与分类方法研究——基于改进PCA

针对现有PCA方法在大数据降维过程中数据处理速度过慢这一问题,设计并实现了一种基于曲线拟合技术的方差贡献率函数拟合方法,并将其应用于植物叶片的本征维数估计之中。为了提高本征维数估计的精度,提出了一种"粗略估计本征维数区间+精确判断"相结合的本征维数估计方法。为了验证算法的有效性,利用5类植物叶片共计150个样本进行了识别测试。试验结果表明,文中方法可以得到与PCA方法相近的分类效果,但识别时间要远小于PCA方法,表明将该方法应用于高维数据集的本征维数估计是有效的、可行的。     

基于计算机视觉的土壤镉胁迫生菜叶片污染响应分析

为了实现无损检测生菜叶片中重金属镉的污染程度,以计算机视觉技术为研究手段,结合图像处理方法和特征选择方法,对4个梯度重金属镉胁迫的生菜叶片进行识别。首先利用数码相机获取生菜叶片图像,然后使用K-means聚类算法分割图像,对分割出的目标图像提取图像颜色、形状和纹理特征,共获取46个图像特征。为了使模型更简便和减少数据量,利用基于变量组合的变量重要性分析(VIAVC)和竞争性自适应重加权算法(CARS)对图像特征进行降维。采用偏最小二乘法判别分析(PLS-DA)和随机森林(RF)构建模型,用于生菜镉胁迫程度的识别。结果表明,在7个组合特征模型中,颜色形状纹理融合特征所建立的模型给出了最优结果,测试集分类正确率为92%。用VIAVC和CARS对颜色形状纹理融合特征进行特征选择,发现VIAVC的降维效果优于CARS。使用特征选择的变量建立模型,RF模型的训练集分类正确率和预测集分类正确率均高于PLS-DA,其中,基于VIAVC的RF模型的训练集和预测集分类正确率分别为98.0%和96.0%。可见,基于VIAVC的RF模型在大大降低了特征维数的前提下,能够较好地对不同镉胁迫程度的生菜叶片进行识别。     

基于多特征降维的植物叶片识别方法

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。     

基于海洋捕食者算法优化的长短期记忆神经网络径流预测

为提高径流预测精度,研究提出海洋捕食者算法(MPA)与长短期记忆(LSTM)神经网络相结合的径流预测方法。通过6个仿真函数对MPA、粒子群优化(PSO)算法进行测试,利用MPA优化LSTM隐藏层神经元数、训练次数等关键参数,基于主成分分析(PCA)降维和不降维处理分别建立PCA-MPA-LSTM、MPA-LSTM径流预测模型,利用云南省落却站实测数据对PCA-MPA-LSTM、MPA-LSTM模型进行训练及预测,结果与PCA-LSTM、LSTM、PCA-MPA-SVM、MPA-SVM、PCA-MPA-BP、MPA-BP模型的训练、预测结果进行比较。结果表明:①MPA仿真效果优于PSO算法,具有较好的寻优精度和全局搜索能力。②PCA-MPA-LSTM、MPA-LSTM模型对实例拟合、预测的平均相对误差分别为1.18%、2.35%和1.94%、1.96%,预测效果优于其他6种模型,具有较好的预测精度和泛化能力。③采用MPA优化LSTM关键参数能有效提高LSTM泛化能力和预测精度;数据降维模型的预测精度优于对应未降维模型的预测精度,数据降维处理能有效改善模型的预测效果。     

基于流形学习算法的玉米叶部病斑图像降维与聚类分析

流形学习算法是当今广泛使用的降维算法,但在玉米病害识别方面应用较少。本文通过利用Isomap、LLE和LE三种流形学习算法对玉米病斑图像进行降维对比研究,并运用K-means和K-medoids两种聚类算法对降维后的数据进行聚类分析,其中LLE算法在玉米叶部病斑图像的降维效果更好,能够为病害识别提供保障。     

基于关联规则挖掘的行人保护研究

针对国内在行人保护研究领域多为计算机模拟分析的现状,提出一种应用多维关联规则挖掘技术,分析大量行人交通事故数据的研究方法.应用数据立方体技术,对Apriori算法做了改进,开发了一种适用于维间关联规则挖掘的算法,应用算法找出行人交通事故中频繁项之间的关联规则,这些规则不仅可用来指导车辆的安全性设计,还可以为进一步的研究提供参考方向.     

基于改进GrabCut算法的黄瓜植株图像分割

植物图像的自动分割是植物表型研究的热点问题,也是作物生长过程监测、病虫害识别等应用的核心技术之一。以黄瓜为对象,通过对图像中作物与背景特点的分析,选取EXG超绿分割和GrabCut算法进行试验研究;基于EXG超绿分割和GrabCut算法在黄瓜群体图像上的分割结果及这两种算法的优缺点,提出具有更高分割精度的改进算法。用室内室外不同生长时期的黄瓜植株图像进行试验,温室内图像和室外自然光照图像的平均分割精度分别达到96.56%和96.59%,均优于EXG超绿分割和GrabCut算法。同时表明,本文的改进算法适应性更强,具有较好的鲁棒性。     

基于小波能量系数和叶面积指数的冬小麦生物量估算

生物量是评价作物长势及产量估算的重要指标,科学、快速、准确地获取生物量信息,对于监测冬小麦生长状况以及产量预测等具有重要意义。以冬小麦为研究对象,通过相关性分析,选取相关性较好的小波能量系数,同时耦合叶面积指数,基于支持向量回归算法、随机森林算法、高斯过程回归3种算法构建冬小麦生物量估算模型。结果显示,基于小波能量系数,分别利用支持向量回归算法、随机森林算法、高斯过程回归进行生物量估算,4个生育期的验证R2分别是0.55、0.40、0.39;0.75、0.70、0.83;0.84、0.92、0.93;0.84、0.89、0.85。表明高斯过程回归模型估算精度最优。叶面积指数耦合小波能量系数,利用支持向量回归算法、随机森林回归算法、高斯过程回归进行生物量估算,4个生育期的验证R2分别是0.76、0.73、0.77;0.76、0.72、0.84;0.87、0.94、0.94;0.85、0.90、0.91。表明高斯过程回归算法估算精度最优,并且在一定程度上能够克服冠层光谱饱和现象,提高模型估算精度。以小波能量系数和叶面积指数为输入变量结合高斯过程回归算法建立冬小麦生物量估算模型,可以提高生物量估算精度,为基于遥感技术的作物参数快速估算提供参考。     

近地遥感技术在大田作物株高测量中的研究现状与展望

株高是动态衡量作物健康和整体生长状况的关键指标,广泛用于估测作物的生物学产量和最终籽粒产量。传统的人工测量方式存在规模小、效率低以及耗时长等问题。近十年来,近地遥感技术在农业领域发展迅速,使得高精度、高频次、高效率的作物株高采集成为可能。本文首先回顾了国内外基于遥感手段获取株高研究的论文发表情况;其次对获取株高的不同平台以及传感器的基本原理、优势及其局限性进行了介绍和评述,重点论述了激光雷达和可见光相机两种传感器的测高流程与涉及的关键技术;在此基础上归纳了株高在作物生物量估算、倒伏监测、产量预测和辅助育种等方面的应用研究进展;最后对近地遥感技术在株高获取上存在的问题进行讨论分析,并从测高平台和传感器、裸土探测和插值算法、株高应用研究及农学与遥感测高差异四个方向进行了展望,可为今后近地遥感测高的研究与方法应用提供参考。     

采棉机智能监控系统的设计与研究——基于嵌入式云计算平台

近年来,越来越多的虚拟仪器技术及相应的机械设备得到了一定的推广普及,且在工业生产、农业生产领域取得了巨大效益。为此,基于嵌入式云计算平台设计了一种车载式采棉机自动监测控制系统。以我国新疆棉花生产、采摘作为探究对象,重点介绍了安装车载监控终端如何对采棉机作业位置信息与状态数据进行实时自动采集。     

基于物联网的远程温室视觉监控系统设计与实现

在当前智慧农业的大环境下,农作物生长过程的识别与监控问题一直是一项具有挑战性的任务,基于此提出一种基于物联网的远程温室视觉监控系统,系统通过LoRa无线通信技术监测温室内的温湿度、光照强度等环境参数,能够及时监测到农作物的生长状况,并实现自动通风、自动补光等功能。在PC端的Qt上位机实时监测温室内的环境信息并控制环境参数,通过OV9726摄像头对农作物进行监测,所获得的生长状态信息传输到S3C6410集中控制模块进行处理,结合克隆选择算法和朴素贝叶斯分类器对叶片进行识别处理。本系统采用LoRa模块进行自组网来实现环境监测,将Linux操作系统移植到集中控制模块,为视觉系统软硬件平台的搭建做准备工作,所使用的组合算法能够使得农作物叶片识别率达到95.3%,识别时间达到8.4 ms,对于叶片识别精度等方面有着明显的提升,经过实验充分验证本系统所使用的设备与算法的有效性。     

基于无人机影像技术的小麦长势遥感监测

随着精准农业的发展,农作物长势监测越来越重要.传统的小麦长势监测主要依靠人工采样进行,作业效率低、监测范围小、耗费人力物力大.为有效提高小麦长势监测效率,引入无人机影像技术,以曹妃甸地区的小麦为研究对象,利用无人机影像技术和高光谱影像采集传感器完成对曹妃甸地区小麦叶面积指数、叶片生物量、叶绿素含量及叶片氮含量等长势参数...     

面向对象的玉米收获机系统优化可行性分析

为深度提升我国玉米收获机的整机作业效能与运行效率,采用面向对象的软件设计开发方法,对其作业系统展开可行性优化设计.以整机的作业机理为基础,融合ETL技术与面向对象的设计方法,把系统划分为不同的对象进行系统建模,并构建完整的系统运行体系展开可行性验证试验.试验结果表明:经面向对象方法设计优化,收获机系统的数据冗余度可降低...     

基于PID算法的温室环境控制系统设计

随着现代计算机信息技术和自动化控制技术在农业领域的快速发展，温室的结构档次正不断提高，加之农作物对外部环境的依赖性强，搭建一种适合农作物生长的温室环境控制系统，已成为农业种植者的迫切需求。该文针对温室环境信息智能化管理需求，通过调控农作物的环境因素，创造出适宜农作物生长的环境，从而达到农作物反季节生产和提高产量的目的。为了进一步提高温室智能控制的精准度以及提高农作物生产效率，基于PID控制算法，设计了一套典型的、符合我国农情的温室环境控制系统。该系统将在调节温室环境参数和改善作物生长环境方面发挥重要作用。