计算机视觉技术在水稻氮素营养诊断中应用的研究进展

为探究水稻冠层外观特征与水稻氮素营养状况的关系,综述了应用计算机视觉技术进行水稻氮素营养诊断的基本思路及研究进展。主要分述了常规性水稻氮素营养指标的获取,水稻冠层图像的获取、预处理以及特征的提取与优化,水稻氮素营养诊断模型建立的方法等方面的内容。指出近地面水稻冠层图像的获取方法、水稻图像处理方法、多种综合性特征的优化选择方式都有待进一步研究,应用机器学习进行水稻氮素营养诊断建模的方法需要更加深入探究。今后应加大计算机视觉技术在水稻氮素营养诊断相关研究中的应用,将多种图像处理方法、特征优化选择方法与机器学习建模方法相结合,并探寻更为简便易行的方法进行水稻氮素营养诊断。     

渔业船联网工程体系应用现状分析

渔业船联网工程是通过在渔船上搭载信息感知、处理和传输装备,从而实现船与船、船与岸之间的信息交换和智能化服务,在渔业生产、海上通信、安全管理、渔政执法及海洋探测等领域具有的重要科学意义和实用价值。本文分析了渔业船联网工程体系的应用现状及演化趋势,详细总结了渔业船联网感知层、传输层和应用层的国内外现状及发展趋势,梳理了所涉及的关键技术和科学问题。围绕渔船探测、海洋通信、数据融合与挖掘等重大需求,分析了中国渔业船联网发展在基础研究、平台建设、尖端技术、装备工程、标准体系等方面存在的主要问题与障碍,指出了中国渔业船联网工程体系科技创新发展对策,提出了以“突破关键技术、研发核心装备、构建基础平台、形成创新能力”为目标、以“探索期、部署期、拓展期”为路线的系统工程发展建议。     

基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

基于无人机可见光影像对喀斯特地区植被信息提取与覆盖度研究

为准确快速获取喀斯特石漠化地区植被和植被覆盖度信息，本研究利用四旋翼无人机采集喀斯特石漠化区域的可见光影像，选择过绿指数（EXG，excess green）、可见光波段差异植被指数（VDVI，visible-band difference vegetation indx）、红绿蓝植被指数（RGBRI，red green and blue vegetation index）、过绿减过红指数（ExG-ExR，excess green-excess red），利用植被指数时序图交点法和样本统计法思想，运用阈值分割法进行植被和植被覆盖度的信息提取，并以监督分类得到的植被和植被覆盖度信息为真实值，进行精度验证。结果表明，在贵州省关岭贞丰花江喀斯特石漠化地区，对于植被信息提取，ExG-ExR的精度最高，总体精度为95.56%，Kappa系数为0.919；ExG-ExR得到的植被覆盖度精度最好，为99.174%，均方根误差RMSE为0.097，R²为0.977。由此可见，在喀斯特地区利用植被指数时序图交点法和样本统计法思想，适合该地区的植被信息提取和植被覆盖度的提取，具有较高的精度。     

基于无人机可见光图像的作物分类研究

【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。     

天然橡胶割胶机器人视觉伺服控制方法与割胶试验

自动化割胶不仅可以把胶工从繁重的体力劳动和恶劣的工作环境中解放出来，还能降低对胶工的技术依赖，极大地提高生产效率。实现非结构环境下作业信息自主获取及割胶位置伺服控制是割胶机器人的关键技术。针对工作环境复杂多变、作业信息叠加交互、目标背景特征相近、亚毫米级作业精度要求等技术难点，本研究以人工橡胶林中橡胶树为割胶对象研发割胶机器人，通过建立割胶轨迹的空间数学模型，规划机器人快速接近和远离操作空间的运动路径；采用双目立体视觉技术获取树干和割线结构参数，融合机器人运动学、机器视觉技术和多传感器反馈控制技术研制了割胶机器人模块化样机。割胶机器人主要由轨道式机器人移动平台、多关节机械臂、双目立体视觉系统和末端执行器等组成。在海南天然橡胶林进行的割胶试验结果表明，在割胶机器人切割1 mm厚的橡胶树皮时，耗皮量误差约为0.28 mm，切割深度误差约为0.49 mm。该研究可为探索天然橡胶树的自动化割胶作业提供技术参考。     

利用图像和机器学习检测大豆作物幼苗期玉米杂苗

在大豆-玉米轮作生产过程中，玉米杂苗会与大豆苗竞争水和肥料，而且很容易遮住大豆苗，影响害虫（如玉米根虫）的防控，降低大豆品质。因此，在大豆幼苗期及时检测出玉米杂苗并对其进行处理非常重要。传统的人工检测方法主观性强、效率低，传感器和算法的发展为自动检测玉米杂苗提供了更好的解决方案。本研究在温室环境下模仿田间条件，待玉米和大豆发芽后，连续5天用因特尔RealSense D435相机采集彩色图像，并人工裁剪幼苗图像区域，在此基础上对图像进行分割和去噪。在采集图像形状、色彩和纹理特征值后， 对所采集的特征值进行权重分析， 保留前10种重要的特征值导入基于特征的机器学习算法中进行模型训练和预测。预测结果表明，支持向量机模型（SVM）、神经网络（NN）和随机森林（RF）的预测精度分别为85.3%，81.5%和82.6%。将数据集导入GoogLeNet和VGG-16 两种深度学习模型进行训练， 预测精度分别为96.0%和96.2%。VGG-16 模型在区分大豆幼苗和玉米杂苗中有较好的表现，彩色图像和VGG-16 模型组成的系统可以自动检测大豆生长过程中玉米杂苗的情况，为农民提供准确的信息，帮助其进行生产决策和田间管理。     

基于RFID和图像处理的目标物识别处理系统的研究

介绍了RFID技术和图像处理技术,研究了基于图像处理和卷积神经网络的水果识别与分类模型,设计了一套水果目标物识别处理系统,可以实现对苹果、梨子、水蜜桃和香蕉等4种水果的识别与分类。实验结果表明:卷积神经网络模型采用自主学习型的网络,识别错误率只有0.93%,相比其他传统模型分类错误率降低较多,证明了卷积神经网络模型性能优良,具有较好的可行性。     

茶包装年轻态视觉形象设计探讨

近年来,新兴茶饮品牌发展迅速,茶饮由中老年群体逐渐拓展到年轻群体,传统的茶包装设计难以满足现代年轻消费者的审美诉求。根据年轻消费者的消费心理和实际需求,分别从茶包装材料的选择、包装结构和视觉传达设计三个方面深入分析了年轻态茶品牌包装的设计方法。年轻态茶品牌包装为年轻消费者提供了更时尚、更趣味、更便捷的茶叶包装选择,拉近了茶与年轻人之间的距离,对开拓年轻消费市场具有重要意义。     

森林资源管理“一张图”与“三调”成果融合研究

长期以来，自然资源部门与林草部门在土地分类体系和地类认定标准上不统一，国土“三调”数据与森林资源管理“一张图”数据存在较大差异，给两部门管理工作造成很大矛盾困扰，亟待进行数据融合，形成相对统一的数据底板。本文基于“三调”成果，梳理了森林资源管理“一张图”与“三调”林地数据之间的地类转换标准，解决了三调成果与森林资源管理“一张图”在林地分类上的混淆，利用地理空间分析技术有效处理了森林资源管理“一张图”与“三调”成果融合过程中图斑边界不套合等问题，建立部门之间的联动更新机制，提出了“高分遥感+林地要素智能识别+外业举证”的地类核实方法，解决成果融合过程中地类不一致等问题。研究森林资源管理“一张图”与 “三调”成果融合，不断夯实“以图管地”的自然资源管理工作基础，为自然资源管理履行“两统一”职责打好坚实的数据基础。