排序方式: 共有18条查询结果,搜索用时 13 毫秒
11.
基于多阈值图像分割算法的秸秆覆盖率检测 总被引:4,自引:0,他引:4
针对目前秸秆覆盖率人工检测费时费力、准确率低、信息难以存储的问题,提出了一种基于图像分割的秸秆覆盖率检测方法。考虑到传统图像分割方法精度不高,且多阈值分割时计算量过大,将灰狼算法中的搜索机制与差分进化算法相融合,提出一种基于图像多阈值的自动分割方法(DE-GWO),用于田间秸秆覆盖率检测。首先,对现场采集的秸秆覆盖图像进行预处理,采用自适应Tsallis熵作为目标函数,评估图像分割效率;其次,根据图像的复杂程度选取分割阈值的数量,利用DE-GWO算法对其进行多阈值图像分割;然后,分别按照灰度级别计算分割后图像比例;最后,根据拍摄高度、fov视角等参数,将图像中秸秆覆盖率与实际地理面积进行转换。实验结果表明,本文算法田间秸秆覆盖率与实际测量误差在8%以内,且相比于改进粒子群算法(PSO)和灰狼算法(GWO),DE-GWO算法精确度更高,平均耗时为人工测量的1/1500。开发了一套依据DE-GWO算法的秸秆覆盖率检测软件系统,为后续监控系统的实时检测提供了算法基础和软件支持。 相似文献
12.
13.
14.
15.
16.
17.
当前国内外移栽机械研究中取苗环节是制约自动移栽机发展的瓶颈,该文试验研究重点是判别拟定的影响因素对穴盘幼苗机械手取苗影响显著与否。测试的影响因素为基质含水率(35%~65%),取苗执行器的执行结构外形特征(指针形状、压舌板形状、U型形状3种)和作物生长初期幼苗根系对基质抗剪性能提升的效果,并将基质完整率作为试验指标值。通过试验给出夹持力与夹持量的对应关系,明确了各取苗执行器执行结构的最佳夹持量,采用正交试验法得出主次影响因素和优水平。试验结果表明:执行结构外形特征是主要影响因素,并确定U型形状为最佳;基质含水率对取苗结果有一定影响,含水率在50%左右为最佳;在幼苗长出第1对真叶时取苗,幼苗根系对基质抗剪性能提升的效果对取苗影响不大,对最优水平组合做验证试验基质完整率均在80%以上,样本全都成功移栽到营养钵内。该文为进一步研究和改善穴盘幼苗移栽设备的关键技术点提供参考。 相似文献
18.
为了快速准确获取大面积农田图像信息,提高保护性耕作秸秆还田监测效率和准确性,该研究提出一种基于优化SIFT(scale-invariantfeaturetransform)算法的农田航拍全景图像快速拼接方法。首先对高分辨率图像进行降采样处理,针对图像的重叠区域进行有效检测;然后采用基于梯度归一化的特征描述符对特征点进行匹配,同时通过渐进样本一致算法去除误匹配,精准计算拼接转换模型;最后采用基于最佳拼接线的多分辨率融合算法进行图像融合,得到全景拼接图像。试验结果表明:该文方法在图像配准阶段与传统SIFT算法和SURF(speeded up robust feature)算法相比,特征点数量分别减少了97%和90%,运行时间减少了94%和69%,平均匹配效率为65.17%,约为SIFT算法的4倍,SURF算法的9倍;与APAP(ss-projective-as-possible)、SPHP(shape-preserving half-projective)和AANAP(adaptive as-natural-as-possible)算法相比,该方法拼接图像的信息熵、平均梯度和图像对比度均有... 相似文献