红外热成像技术在农业中的应用

介绍了红外热成像技术的基本原理和常用热图像处理方法,总结了红外热成像技术在作物水分胁迫、侵染性病害监测、冻害胁迫以及产量预测等领域中的应用,分析了红外热成像技术在农业领域的开发与应用中所面临的难题和未来的发展趋势,以期为红外热成像技术在农业上的实际开发应用提供参考。      

基于改进ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法 ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型通过以下3点改进提高模型对黄羽鸡黑色素的识别效果：1）针对黄羽鸡黑色素图像RGB三通道内黑色素信息分布不均衡问题,改变输入图片通道权重来增强模型对黑色素特征的提取能力;2）使用部分卷积代替深度可分离卷积,减少模型计算量和内存访问次数提高对计算资源的利用率;3）引入坐标注意力机制,引导模型关注黄羽鸡胸腹部及肛门附近皮肤提升模型精度。同时,该研究还设计一种双光源图像获取装置,分别在自然光和偏振光条件下拍摄黄羽鸡样本,以减小分级结果受环境光干扰的影响,并探索偏振光在黑色素分级任务中的应用潜力。结果表明ConvNeXt-WPCA模型相较标准ConvNeXt模型,针对自然光下黄羽鸡黑色素图像数据集分级准确率提升9.68个百分点,最终达到89.03%的识别准确率,针对偏振光下黄羽鸡黑色素图像数据集分级准确率提升15.26个百分点,最终达到98.87...     

基于改进Faster R-CNN的田间黄板害虫检测算法

针对黄板诱捕的害虫体积小、数量多和分布不均匀,难以进行害虫识别的问题,引入当前主流目标检测模型Faster R-CNN对黄板上的小菜蛾、黄曲条跳甲和烟粉虱等主要害虫进行识别与计数,提出一种基于改进Faster R-CNN的田间黄板害虫检测算法（Mobile terminal pest Faster R-CNN,MPF R-CNN）。该算法将ResNet101网络与FPN网络相结合作为特征提取网络,并在RPN网络设计多种不同尺寸锚点对特征图像进行前景和背景判断,使用ROIAlign替代ROIPooling进行特征映射,以及使用双损失函数进行算法参数控制。对2440幅样本图像的实验分析表明,在真实复杂的自然环境下,MPF R-CNN对烟粉虱、黄曲条跳甲、小菜蛾和其他大型害虫（体长大于5mm）检测的平均精度分别为87.84%、86.94%、87.42%和86.38%;在35cm×25cm黄板上不超过480只的低密度下平均精度均值为93.41%,在480~960只害虫的中等密度下平均精度均值为89.76%。同时实验显示,在中低等密度下晴天和雨天的检测精度无明显差异,本算法计数结果与害虫计数决定系数为0.9255。将该算法置入以“微信小程序+云存储服务器+算法服务器”为架构的小米7手机终端系统中进行应用测试,平均识别时间为1.7s。研究表明,该算法在精度和速度上均可支持当前便携式应用,为利用手机对蔬菜害虫进行快速监测与识别提供了技术支撑。     

基于改进YOLO v5n的猪只盘点算法

猪只盘点是规模化养殖中的重要环节,为生猪精准饲喂和资产管理提供了依据。人工盘点不仅耗时低效,而且容易出错。当前已有基于深度学习的生猪智能盘点算法,但在遮挡重叠、光照等复杂场景下盘点精度较低。为提高复杂场景下生猪盘点的精度,提出了一种基于改进YOLO v5n的猪只盘点算法。该算法从提升猪只目标检测性能出发,构建了一个多场景的生猪数据集;其次,在主干网络中引入SE-Net通道注意力模块,引导模型更加关注遮挡条件下猪只目标信息的通道特征。同时,增加了检测层进行多尺度特征融合处理,使模型更容易学习收敛并预测不同尺度的猪只对象,提升模型遮挡场景的检测性能;最后,对边界框损失函数以及非极大值抑制处理进行了改进,使模型对遮挡的目标有更好的识别效果。实验结果表明,与原YOLO v5n算法相比,改进算法的平均绝对误差(MAE)、均方根误差(RMSE)以及漏检率分别降低0.509、0.708以及3.02个百分点,平均精度(AP)提高1.62个百分点,达到99.39%,在复杂遮挡重叠场景下具有较优的精确度和鲁棒性。算法的MAE为0.173,与猪只盘点算法CClusnet、CCNN和PCN相比,分别降低0.2...     

基于梅尔谱图和改进ResNet34模型的鸭蛋裂纹识别算法

针对鸭蛋裂纹人工检测受主观性影响造成精度波动大等问题,利用ResNet34网络模型,提出1种基于梅尔谱图的鸭蛋裂纹识别算法。首先利用敲蛋装置收集敲蛋声音数据,再将音频转化成梅尔谱图,构建梅尔谱图数据集,然后搭建ResNet34模型,引入迁移学习机制训练模型,再通过Adam优化算法更新梯度,增加注意力机制模块并将卷积结构替换为深度可分离卷积以对网络模型进行改进,并调整参数进行优化,最后利用模型对鸭蛋裂纹进行识别。结果显示：改进的ResNet34DP＿CA网络模型检测的平均准确率为92.4%,对比原始ResNet34网络模型,平均准确率提高5.5个百分点,参数量减少32%;对比其他网络模型VGG16、MobileNetv2和EfficientNet,平均准确率分别提高10.9、13.7、16.3个百分点,识别时间为21.5 ms。结果表明,所提出的基于梅尔谱图和改进ResNet34模型的鸭蛋裂纹识别算法,能够有效地对鸭蛋裂纹进行检测识别。     

我国家禽工厂化养殖技术发展现状与趋势

我国的家禽养殖正在向精准养殖、自动化养殖、绿色养殖等方向逐步迈进。工厂化家禽养殖技术和信息化技术的协同研发和应用是促进家禽养殖行业健康可持续发展的关键,对提升家禽养殖规模化、标准化和智能化水平,提高整体产量与经济效益,促进现代化家禽养殖业的转型升级具有重要意义。本文重点围绕家禽养殖智能装备、智能算法和管控平台3个技术领域,分析了智能养殖舍、环境监测调控、智能饲喂、防疫、巡检以及无害化粪污处理等装备,家禽行为检测、盘点技术、体质量预估和健康状态评估算法,工厂化家禽养殖管控平台的最新研究应用进展以及存在的问题;指出了家禽养殖技术的薄弱环节与发展趋势,并对工厂化家禽养殖的发展和改进提出了建议,为我国现代家禽养殖业绿色高质量转型升级与健康可持续发展提供参考。     

基于改进Faster R-CNN的水稻稻穗检测方法

为了快速而准确地统计视频监测区域内的水稻穗数,提出了一种基于改进Faster R-CNN的稻穗检测方法。针对稻穗目标较小的问题,在Inception_ResNet-v2的基础上引入空洞卷积进行优化;对于不同生长期稻穗差别大的问题,设计了针对标注框尺度的K-means聚类,为候选区域生成网络提供先验知识,从而提高了检测精度。鉴于小尺寸稻穗目标的特殊性,用ROIAlign替代ROIPooling,提高了感兴趣区域的提取精度。试验测试时,根据水稻不同发育期稻穗的表型特征差异自制了3类数据集,并选取最佳聚类数为10。模型对比试验表明,本文方法的稻穗检测平均精度均值达到80.3%,较Faster R-CNN模型提升了2.4个百分点,且比SSD和YOLO系列模型有较大幅度的提升。     

褐飞虱诱导的水稻冠层热图像温度特征变异评估方法

为寻求水稻被褐飞虱侵害后冠层温度特征的有效评估方法,以褐飞虱易感水稻品种"TN1"为研究对象,设置了褐飞虱侵害及未侵害两个处理,运用热红外成像技术获取水稻的冠层温度特征,使用机器学习分类器,对褐飞虱诱导的水稻冠层热图像温度特征变异评估方法进行了研究。首先,对试验采集的水稻冠层热图像和对应时刻的空气温度、相对湿度以及水稻灌溉水层水温信息进行分析,针对水稻冠层热图像提取了3种统计学温度特征,并使用了累计差值法分析水稻冠层的特征数;然后,对空气温度、相对湿度、水温与冠层温度特征分别进行了相关性分析;最后,分别采用逻辑回归算法与支持向量机算法进行评估模型的拟合。结果表明:3种统计学特征中,冠层温度变异系数的累计差值为30. 78,是差异性最大的特征值;统计学特征与空气温度、相对湿度和水温的皮尔逊系数分别为0. 27、-0. 34和0. 41。将3种冠层特征作为输入向量,采用逻辑回归算法判断水稻受褐飞虱侵害状况的测试集精准率为87. 15%,召回率为86. 54%,F1综合指标为86. 55%。本文提出将气象因子与水稻的冠层特征数相结合,对水稻受褐飞虱侵害的冠层温度特征进行评估,可为水稻虫害的监测与诊断提供参考。     

涵道风扇式高地隙杂交水稻制种授粉机设计

为了寻求更高效、更可靠的辅助授粉方法,以利于实现杂交水稻制种的全程机械化,该文设计了一种涵道风扇式高地隙杂交水稻制种授粉机,采用计算流体力学技术对涵道风扇式授粉器的流场特性进行仿真研究与试验分析,并试制了样机,根据仿真试验得到的授粉器优选参数,进行了田间验证试验。试验结果表明,在授粉机行走速度为1.5 m/s及授粉器电机转速为9 000 rad/min条件下,单位视野内母本厢花粉采集点的花粉平均粒数为8.39粒(杂交水稻制种农艺上要求至少有3粒花粉),较好地满足了杂交水稻制种授粉对花粉数量的最低要求。安排了涵道风扇式高地隙杂交水稻制种授粉机赶粉与农用无人机赶粉的实际生产作业对比试验,测得2种授粉方式的结实率分别为44.2%、42.7%,两者作业效果相近,说明所设计的涵道风扇式高地隙杂交水稻制种授粉机能满足杂交水稻制种的实际生产需要。该研究为杂交水稻制种机械化提供了参考。