基于DSP的柑橘果实自动识别系统

根据智能采摘机器人视觉定位系统对准确性、实时性、便携性的要求,建立了基于DSP的柑橘果实自动识别系统。系统提取YCbCr颜色空间中的Cr红色色差分量,通过DSP对柑橘视频数据进行图像分割、特征提取,成功识别出柑橘果实。在介绍了系统组成的基础上,详细分析了DSP识别柑橘果实的原理。经验证,在自然光条件下,该系统识别出单个柑橘果实的时间小于40ms,且准确率达96.26%,满足了准确性、实时性、便携性的要求。     

农业病虫害智能视频监控系统的构建和应用

为建立一个农业病虫害无线智能视频监控系统,首先提出系统构建的逻辑模型以及在整个病虫害监控、诊断与防治专家系统中的位置,然后给出网络组网的拓扑结构。通过整合智能分析处理模块和数据库设计模块,开发系统集成软件管理平台。通过该系统可以实现农作物病虫害的远程数据采集、自动监控、智能检测和远程管理,从而可以精准分割出农作物生长过程中的病害和虫害,为后续的病虫害特征提取与识别打下良好的基础。     

农业灌溉智能化系统在农业生产中的应用

正农业灌溉智能化系统是利用计算机技术、电子信息技术和物联网遥感技术对农作物灌溉状况进行实时监测、控制和管理,实现了机井水位、农业灌溉用水量的远程和动态监测,以及数据的无线远程采集和监控。与传统的灌溉技术相比,智能遥控灌溉测控系统依托物联网信息技术为机井配置了远程智能监控设备,以高效节水信息化管理系统为平台,建立了完善的现代化农业灌溉管理服务和智能监测体系。通过4G网络互联实现数据共     

国内首个病虫智能监测系统试制成功

正近日,国内首个全自动化的病虫智能监测系统在江苏省南通市通州区试制成功。该系统将人工智能技术应用到病虫监测领域,综合物联网技术、智能识别技术等实现了小麦赤霉病的自动化监测,除此之外,也可用于水稻、油菜等其他作物多种病虫的监测。目前该系统已经实现了赤霉病病穗的正确识别和数据分析,下一步将进入试应用运行阶段,并实现对其他病虫害种类的识别     

基于农业物联网的智能温室系统架构与实现

农业物联网能实现农业管理的数字化、网络化和精准化,基于农业物联网的温室监控系统可实现温室环境的远程监测和智能控制。通过分析温室监控的特殊需求并参考物联网的标准架构,提出了智能温室物联网的架构方案。根据该架构方案设计了完整的温室监控物联网:感知控制层基于Zig Bee和RS485传感器网络及计算机控制模块,并针对可靠性、可扩展性和低功耗进行了优化设计;网络传输层支持多种数据传输方式和数据同步机制,建立了系统层间数据枢纽;应用层包含数据中心、WEB服务器和智能控制策略系统,提供了基于Hadoop和My SQL的海量温室历史数据的云存储解决方案、高可用免维护的云服务器和基于大数据和机器学习的控制策略;终端接入层采用WEB前端技术和React Native为系统提供了可视化界面。该智能温室物联网系统在连栋塑料温室实验基地的长期工作表明:系统运行稳定可靠,能有效提高温室生产的科学管理水平。     

基于物联网农业病虫害智能监控的自动喷药机研究

为了实现果园大面积自动化喷药,提高喷药装置智能化选择重点病虫害果树目标的能力,基于物联网和智能监控技术,设计了一种新的果园自动对靶喷药装置。利用新式的自动喷药装置,可以结合病虫害实时监控数据,对果树有选择性地进行自动喷药,利用红外线扫描技术可以精确地喷药对靶,采用AT89S52单片机实现了整个系统的自动化控制。模拟实际果树喷药环境,在实验室对喷药装置的自动对靶功能进行了实验研究,实验过程中分别采用了3种不同颜色的标的物。实验结果表明:在实验10m的范围内,智能喷药装置可以准确地识别3种颜色的盆栽目标,标准差最大仅为0.12,识别精度和效率较高,为果园自动喷药装置的研发提供了技术支持。     

基于改进ResNet的植物叶片病虫害识别

轻量化植物叶片病虫害识别算法设计是实现移动端植物叶片病虫害识别的关键。研究提出一种基于改进ResNet模型的轻量化植物叶片病虫害识别算法Simplify ResNet。以人工采集图像和PlantVillage数据集图像为实验数据,根据移动端植物病虫害识别对准确率、速度和模型大小的实际需求,改进ResNet模型。使用5×5卷积替代7×7卷积,采用残差块的瓶颈结构代替捷径结构,采用模型剪枝处理训练后的模型。通过测试集5 786幅图像测试Simplify ResNet模型,证明5×5卷积和残差块的瓶颈结构可有效降低模型参数量,模型剪枝可有效降低训练后的模型大小。Simplify ResNet模型对测试集图像的识别准确率为92.45%,识别时间为48 ms,内存大小为36.14 Mb。与LeNet、AlexNet和MobileNet等模型相比,其准确率分别高18.3%,7.45%和1.2%。为移动端植物病虫害识别解决最重要的算法设计问题,为移动端植物病虫害识别做出有益探索。     

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。     

作物病虫害自动识别技术研究——基于视频监控和无人机平台

通过无人机跟踪飞行、图像传输、图像处理和SVM算法等技术来实现农作物病虫害的视频监控和识别,探索了基于SSD的目标检测和跟踪方法,以及基于图像加强、特诊提取和SVM模型的作物虫害识别方法。实验结果表明:系统具有较高的识别率,能够将其应用于农业生产中,为农作物病虫害快速识别和防治提供支撑。     

图像与L系统相结合的柑橘叶片形态特征重构研究

为了快速、逼真、有效地描述植物叶片的外在形态特征,提出了一种基于图像与L系统相结合的柑橘叶片形态重构的方法。该方法利用边缘检测的方法提取柑橘叶片的边缘以及叶脉的分布特征,以Harris计算与叶脉相关的特征点。最后用L系统和B样条曲线对柑橘叶片形态进行重构。通过实验表明,该方法能够快速、有效地描述出柑橘叶片的形态,降低柑橘叶片模型构建的复杂度。     

日光温室集中式最优化控制通风系统

为实现日光温室、智能温室无人管理下的智能通风控温,设计一种基于物联网的日光温室集中式最优化控制通风系统。用户根据不同季节、不同作物通过上位机或者物联网平台设定不同的上下限温度值,系统也可自动采集图像,依据数据库作物生长模型自动控制日光温室温度。该系统可将日光温室内温差控制在±1℃,劳动力投入减少30%,显著降低植物生理病害。结果表明:该系统对各种日光温室、智能温室适应性强,既缩短人工劳动工作时间,又避免了人工控制时温度的骤升骤降。     

政策·数字农业部：启动农业物联网区域试验工程

4月23日,农业部印发了《农业物联网区域试验工程建设工作方案》。《方案》提出,在天津、上海、安徽三省市率先启动农业物联网区域试验工程。安徽大田生产物联网试验区以大田作物“四情”（苗情、墒情、病虫情、灾情）监测服务为重点,通过远程视频监控与先进感知相结合的农情数据信息实时采集、高效低成本信息传输和计算机智能决策技术的集成应用,实现大田作物全生育期动态监测预警和生产调度。该试验区将建设大田作物农情监测系统、基于感知数据的大田生产智能决策系统、基于物联网的农机作业质量监控与调度指挥系统、集成于12316平台的大田生产信息综合服务平台等。     

基于物联网的农作物试验基地监控管理系统设计

物联网把各种传感器、信息处理器和无线网络融合成一个庞大的整体系统,用于对目标进行智能识别和精准管理。农作物试验基地是一个由多种系统组成的有机联系的庞大整体,集成的设备多,采集和处理的信息量庞大,特别适合于物联网的应用。为此,基于物联网技术,设计了一种农作物的试验基地监控管理系统,由信息采集模块、网络传输模块、应用管理模块、专家决策模块和操作执行模块5大部分组成,主要实现智能灌溉、施肥和害虫防治3大功能。对水稻、玉米和棉花3种作物的试验结果表明:系统在保证作物高产的同时,还能明显节约资源,有助于实现试验基地的高效运行和精准管理。     

基于机器视觉的柑橘果形测控系统设计

针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、Hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明：视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%～3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。     

基于物联网的温室智能监控系统设计

根据现代温室监控与管理需求,基于物联网技术框架,设计并实现了一种基于物联网的温室智能监控系统。系统由现场监控子系统、远程监控子系统和数据库3部分组成。采用基于分布式CAN总线的硬件系统实现环境数据的实时采集与设备控制,将分布图法应用于采集系统离异数据的在线检测。为了提高远程监控子系统的响应速度与交互性,采用了基于异步Java Script和XML技术(Ajax)的Web数据交互方式。结合温室环境调控的特点,将基于混杂自动机模型的温室温度系统智能控制算法应用于实际系统,实现了温室环境的自动调控。为保证设备控制的安全性,采用轮询法实现了现场监控子系统和远程监控子系统中设备状态的同步,并将基于Zernike矩的图像识别技术应用于双向型设备的状态检测,实现设备的自动校准。试验表明系统数据传输稳定,环境调控可靠,满足现代温室智能监控的需求。     

基于深度卷积神经网络的柑橘目标识别方法

针对户外自然环境,基于深度卷积神经网络设计了对光照变化、亮度不匀、前背景相似、果实及枝叶相互遮挡、阴影覆盖等自然环境下典型干扰因素具有良好鲁棒性的柑橘视觉识别模型。模型包括可稳定提取自然环境下柑橘目标视觉特征的深层卷积网络结构、可提取高层语义特征来获取柑橘特征图的深层池化结构和基于非极大值抑制方法的柑橘目标位置预测结构,并基于迁移学习完成了柑橘目标识别模型训练。本文运用多重分割的方法提高了柑橘目标识别模型的多尺度图像检测能力和实时性,利用包含多种干扰因素的自然环境下柑橘目标数据集测试,结果表明,柑橘识别模型对自然采摘环境下常见干扰因素及其叠加具有良好的鲁棒性和实时性,识别平均准确率均值为86. 6%,平均损失为7. 7,平均单帧图像检测时间为80 ms。     

基于卷积神经网络的冬小麦麦穗检测计数系统

为进一步提高大田环境下麦穗识别与检测计数的准确性,基于图像处理和深度学习技术,设计并实现了基于卷积神经网络的冬小麦麦穗检测计数系统。根据大田环境下采集的开花期冬小麦图像特点,提取麦穗、叶片、阴影3类标签图像构建数据集,研究适用于冬小麦麦穗识别的卷积神经网络结构,构建了冬小麦麦穗识别模型,并采用梯度下降法对模型进行训练;将构建的冬小麦麦穗识别模型与非极大值抑制结合,进行冬小麦麦穗计数。试验结果表明,该系统构建的冬小麦麦穗识别模型能够有效地克服大田环境下的噪声,实现麦穗的快速、准确识别,总体识别正确率达到99. 6%,其中麦穗识别正确率为99. 9%,阴影识别正确率为99. 7%,叶片识别正确率为99. 3%。对100幅冬小麦图像进行麦穗计数测试,采用决定系数和归一化均方根误差(NRMSE)进行正确率定量评价,结果表明,该系统计数结果与人工计数结果线性拟合的R~2为0. 62,NRMSE为11. 73%,能够满足冬小麦麦穗检测计数的实际要求。     

丘陵山地茶园精准监控平台的建设与应用

茶园的精细化管理是茶叶提质增产和保障茶饮品安全的关键。针对岭南丘陵山地茶园灌溉自动化和管理精细化程度低的问题,利用无人机、图像识别、3D物联网、水肥一体化等技术,建设丘陵山地茶园精准监控综合平台,实现茶园农学参数和环境信息的实时采集与处理、病虫害快速识别,做到针对性施肥用药,并提供基于虚拟现实和真实信息相结合的3D物联网监控体验。     

基于弹性动量深度学习神经网络的果体病理图像识别

为了实时预警果蔬病害和辅助诊断果蔬疾病,实现无人值守的病虫害智能监控,设计了深度学习神经网络的果蔬果体病理图像识别方法,基于对网络误差的传播分析,提出弹性动量的参数学习方法,以苹果为例进行果体病理图像的识别试验。结果表明,该方法召回率为98.4%;同其他同源更新机制相比,弹性动量方案能显著改善学习网络的果蔬病害识别准确率;其收敛曲线平滑,5 h时耗能实现收敛,对不同数据集也有良好泛化性能。     

面向叶类蔬菜病害识别的温室监控视频采集系统

为满足温室叶类蔬菜病害准确识别的视频数据需求,结合温室叶类蔬菜病害发生的特点,采用物联网技术,基于传感器感知的环境信息与摄像机监控视频信息,构建了一种面向叶类蔬菜病害识别的温室监控视频采集系统。该系统将案例检索与模糊推理方法相结合,设计温室监控视频获取方法,将传感器实时采集的数据与知识库中的病害产生环境条件相匹配,以匹配结果作为视频采集的依据,实现了监控视频的智能采集;并利用模糊推理方法,弥补案例检索结果不够全面的问题,确保了数据的准确获取。同时,该系统还提供了实时数据显示、实时视频监控等功能。系统应用结果表明,该系统能够满足温室叶类蔬菜病害识别的视频数据需求。