基于有效积温的玉米冠层图像特征参数分析

为揭示滴灌水肥一体化玉米冠层图像颜色特征参数随有效积温的动态变化规律,明确有效积温对玉米冠层图像三基色RGB的动态变化影响机理,比较图像特征参数的拟合精度。以宁夏主栽品种天赐19为试验材料,于2018年在宁夏平吉堡农场开展6个不同氮素处理的小区试验,利用防抖手持云台搭载手机相机遥控获取玉米冠层垂直地面图像,提取图像色彩特征参数,以有效积温为自变量,对玉米冠层数字图像特征参数进行拟合分析并比较,并分析图像参数与叶片氮浓度的相关性。结果表明:有效积温与红光值(R)符合有理函数关系,与绿光值(G)和蓝光值(B)符合对数函数关系,通过比较可以看出,各图像特征参数中R拟合效果最好,B和G次之,均达到显著水平,图像参数与叶片氮浓度十叶期的相关系数高于六叶期。因此,数字图像参数R的拟合效果最好,可作为宁夏滴灌玉米图像监测指标和群体结构分析的参考依据,十叶期可作为该地区滴灌玉米氮素营养诊断的关键生育时期。     

基于计算机视觉的水下海参识别方法研究

海参识别是海参捕捞自动化和智能化的前提和关键。海参生活环境复杂且海参体色随环境变化,为解决复杂多变环境下海参识别的难题,提出基于视觉图像和海参特性的水下海参识别算法。利用海参体色随环境变化而海参刺颜色稳定呈黄绿色的特点,在图像预处理的基础上设计图像融合算法突出海参刺,然后通过边缘检测获取海参刺轮廓并计算轮廓质心坐标,进而通过椭圆拟合实现海参的识别。不同于已有的利用海参主干进行海参识别的方法,提出的基于直接最小二乘的海参刺质心椭圆拟合识别算法以海参刺的分割和椭圆拟合为途径,解决海参体色随环境变化而引起的识别率降低的问题。试验结果表明,该算法对自然环境下的海参识别平均准确率为93.33%,具有一定的实用价值。     

苹果采摘机器人本体导航系统设计与研究 —基于极限学习机与图像处理

首先介绍了苹果采摘机器人本体模型,采用图像预处理提取苹果园区路径图像的特征值;然后,基于极限学习机的路径导航模型计算和求解苹果采摘机器人本体的最优导航路径,并利用MatLab软件进行了路径导航仿真试验。试验结果表明:该系统具有很好的避障和路径导航能力,能够有效规划出最短的避障路径,从而达到智能导航的目的,验证了整个系统的可靠性和可行性。     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

一种叶片RGB图像快速切割多重去噪方法

基于RGB图像连通性,提出一种图像快速切割多重去噪法(fast cutting and multiplede-noise,简称FCMD),并与现有的4种算法进行对比.结果表明,该方法处理时长适中,对单色叶和杂色叶的识别像素、色阶均值、色阶中位数的准确率均达到98.78％及以上,综合表现最优.FCMD能够在不同的边缘算子下完成对各种类型叶片准确、快速的切割消噪,其中以sobel算子的处理效果最优,其处理效果与手动切割(CK)无明显差异.同时,FCMD法在中高分辨率(3750×2500)的切割效果与手动切割无明显差异,而所用时长仅为CK的23.21％,效率提升近5倍.因此,FCMD是一种高效、准确、适用范围广的RGB图像自动化叶片切割去噪方法.     

高寒草原天然牧草营养品质近红外光谱预测模型的建立

本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。     

植物根系表型信息获取技术研究进展

人口数量增长和全球气候变化加剧了粮食安全供给压力,育种学家亟需培育高产、高效作物品种以满足日益增长的粮食消费需求.基于根性状的品种培育改良可有效提高作物水分、养分利用率,但根系表型观测的困难性极大地限制了育种进程.随着自动化控制、成像和传感器以及图像解译技术的发展,高通量根表型信息系统性收集已成为可能.本文综述了一系列适用于室内或田间的非破坏性或破坏性根系二维或三维结构测定技术;系统阐述了主流的根表型参数提取图像分析技术和软件;探讨了基于根表型平台的根性状筛选应用于新品种培育的成功案例,并对高通量根表型平台的进一步研发进行了展望.