首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8篇
  免费   2篇
  国内免费   2篇
基础科学   3篇
  2篇
综合类   7篇
  2021年   1篇
  2020年   2篇
  2019年   2篇
  2018年   2篇
  2017年   1篇
  2016年   3篇
  2015年   1篇
排序方式: 共有12条查询结果,搜索用时 25 毫秒
1.
便携式柑橘虫害实时检测系统的研制与试验   总被引:3,自引:2,他引:1  
为实现柑橘虫害的快速、准确识别,帮助果农及时掌握果园内虫害的危害程度和分布情况,该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络,区域候选网络生成害虫的初步位置候选框,快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度,按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度,形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息,进一步处理成可视化的虫害热力图。结果表明,该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测,识别准确率分别达到91.0%和89.0%,单帧图像平均处理速度低至286ms。该系统实现了柑橘虫害的精准识别与定位,可为农药喷洒作业提供精准信息服务。  相似文献   
2.
基于图像识别的无人机精准喷雾控制系统的研究   总被引:3,自引:1,他引:2  
【目的】针对传统的植保无人机喷雾作业时化肥农药浪费大,利用率低,造成环境污染的问题,研制一种基于图像识别的无人机精准喷雾控制系统。【方法】利用中值滤波算法对田间航拍图像进行去噪,采用分层K_means硬聚类算法实现对农田航拍图像的分割,提取非作物区域的颜色、纹理特征空间的22个特征参数,设计支持向量机分类器进行分类识别。根据优选的17个特征参数,利用以径向基函数作为核函数的支持向量机对非作物区域图像进行识别,并根据识别结果控制喷头,实现精准喷雾。【结果】测试样本的识别率可达为76.56%,在无干扰风场情况下,当P_阀为10%时,减施率可达32.7%。【结论】本系统为农业航空精准喷雾控制技术的应用提供了参考方向和决策支持。  相似文献   
3.
基于DCP和OCE的无人机航拍图像混合去雾算法   总被引:1,自引:0,他引:1  
针对无人机在雨雾天气下的农田航拍图像退化问题,考虑无人机自身特性,提出了一种基于DCP和OCE的无人机航拍图像混合去雾算法。首先判断原始图像天空区域的存在,利用Canny边缘检测算法对带天空区域的原始图像进行分割并做高斯羽化处理,再采用膨胀和腐蚀等形态学操作进行二值化区域填充,去除非天空区域中对应亮度低的区域,提取天空区域和非天空区域。非天空区域图像采用基于导向滤波的暗通道先验算法去雾。天空区域图像采用基于代价函数的优化对比度算法去雾。本试验分别从主观视觉性和无参考量化评测两方面对100幅航拍图像去雾结果作出评价,试验结果表明,所提算法在对带雾图像去雾后,出现Halo现象的概率相较于DCP算法降低了95%,其综合评测均值指数提高了26%,去雾效果明显,色彩还原度高,没有明显的过渡区域和偏色现象,处理速度可达33帧/s,平均速度相较于DCP算法提高了32%,能满足实时性要求。  相似文献   
4.
【目的】安全避障是目前无人机(Unmanned aerial vehicle,UAV)领域迫切需要解决的一个难题,利用超声波传感器是无人机避障的重要手段之一,针对无人机飞行过程中机械振动的特性以及对超声波测距传感器的影响进行了研究,以提高超声波测距传感器的精准度,改善无人机作业稳定性。【方法】通过采集无人机不同油门开度的振动数据,进行多信号分析,得到无人机振动强度的空间和频域分布,并根据振动强度的空间分布,测定无人机振动对于超声波测距传感器的误差影响。【结果】随着离无人机中心距离的增加,无人机机臂上振动强度的空间分布存在减弱和加强交替出现的现象,离无人机中心最远处出现最大振动强度;振动幅度随着频率的增加而降低;无人机在载桨运行过程中对于机载超声波测距传感器水平测距影响最大,最大误差达到0.69 m,垂直方向的误差最大为0.20 m。【结论】随着离无人机中心距离和油门的增大,振动强度增大;调整传感器的振动频率可以减少无人机振动对传感器的影响。本研究结果为超声波传感器在农业无人机安全避障方面的应用提供了参考。  相似文献   
5.
农情信息智能感知及解析的研究进展   总被引:1,自引:1,他引:0  
现代农业中,农业生产者需要实时、准确、全面地了解农田环境和农作物的生长状态,并对得到的农田信息数据做出相应分析、归纳和决策。农情信息智能感知和解析技术在现代农业生产中具有不可替代的地位。本文从农情智能感知和信息解析技术2个方面展开论述,重点分析了国内外农业物联网农情信息智能感知技术和基于大数据分析的农情解析方法研究进展,详细介绍了基于农情信息的智能决策技术在农机装备智能化应用的研究现状,总结了目前农用传感器应用存在的问题,并对今后在农情感知、信息解析技术、农业数据库技术以及智能决策技术方面的发展提出了建议,以期为智慧农业的深入发展提供参考。  相似文献   
6.
基于高光谱图像的龙眼叶片叶绿素含量分布模型   总被引:2,自引:0,他引:2  
针对传统高光谱单点法检测叶绿素含量效率低、精度不足等问题,提出一种基于高光谱图像和卷积神经网络(CNN)多特征融合的深度学习龙眼叶片叶绿素含量分布预测模型。首先进行Savitzky-Golay光谱去噪,然后通过奇异值分解(SVD)和独立成分分析(ICA)提取特征光谱,再对特征光谱图像提取灰度共生矩阵(GLCM)和CNN纹理特征,最后建立粒子群优化(PSO)支持向量回归(SVR)、深度神经网络(DNNs)分布模型。结果表明,基于特征光谱建模的PSO-SVR预测效果最佳,全期的校正集和验证集模型决定系数R2为0.822 0和0.815 2。对比多种主流模型,基于特征光谱、GLCM纹理、CNN纹理特征的ICA-DNNs模型预测精度最高,校正集和验证集R2分别为0.835 8和0.821 0。试验结果表明,高光谱图像可快速无损地对龙眼叶片叶绿素含量分布进行检测,可为龙眼树实时营养监测和病害早期防治提供理论依据。  相似文献   
7.
【目的】探讨龙眼Dimocarpus longan Lour.叶片发育过程中叶绿素含量二维分布变化规律,实现无损检测病虫害对叶片叶绿素含量分布的影响,为评估嫩叶抗寒能力、龙眼结果期的施肥量和老熟叶的修剪提供参考。【方法】利用高光谱成像仪采集龙眼叶片在369~988 nm区间的高光谱图像,自动提取感兴趣区域,利用分光光度法测定叶片叶绿素含量。基于皮尔森相关系数(r)分析了龙眼叶片生长过程中各波段光谱响应与叶绿素含量之间相关性,建立偏最小二乘回归模型。分析了特征波段图像纹理特征与叶绿素含量相关性,将光谱特征和纹理特征结合导入深度学习中的稀疏自编码(SAE)模型预测龙眼叶片叶绿素含量,结合"图谱信息"的SAE模型预测龙眼叶片叶绿素含量的分布情况。【结果】龙眼叶片3个生长发育期相关系数的曲线均在700 nm附近出现波峰,嫩叶、成熟叶和老熟叶3个阶段相关性最高的波长分别为692、698和705 nm;全发育期的最敏感波段相关性远高于3个生长发育期,r达到0.890 3。回归模型中,吸收带最小反射率位置和吸收带反射率总和建立的最小二乘回归模型预测效果最好(R_c~2=0.856 8,RMSEc=0.219 5;R_v~2=0.771 2,RMSEv=0.286 2),其校正集和验证集的决定系数均高于单一参数建立的预测模型。在所有预测模型中,结合"图谱信息"的SAE模型预测效果最好(R_c~2=0.979 6,RMSEc=0.171 2;R_v~2=0.911 2,RMSEv=0.211 5),且预测性能受叶片成熟度影响相对较小,3个生长阶段R_v~2的标准偏差仅为最小二乘回归模型标准偏差的29.9%。【结论】提出了一种自动提取感兴趣区域的方法,成功率为100%。基于光谱特征的回归模型对不同生长阶段的叶片预测效果变化较大,而基于"图谱信息"融合的SAE模型预测性能受叶片成熟度影响相对较小且预测精度较高,SAE模型适用于不同成熟度的龙眼叶片叶绿素含量分布预测。  相似文献   
8.
基于深度卷积神经网络的水稻田杂草识别研究   总被引:2,自引:1,他引:1  
目的 利用深度卷积神经网络对水稻田杂草进行准确、高效、无损识别,得出最优的网络模型,为水稻田种植管理以及无人机变量喷施提供理论依据。方法 以水稻田杂草为主要研究对象,利用CCD感光相机采集杂草图像样本,构建水稻田杂草数据集(PFMW)。利用多种结构的深度卷积神经网络对PFMW数据集进行特征的自动提取,并进行建模与试验。结果 在各深度模型对比试验中,VGG16模型取得了最高精度,其在鬼针草、鹅肠草、莲子草、千金子、鳢肠和澎蜞菊6种杂草中的F值分别为0.957、0.931、0.955、0.955、0.923和0.992,其平均F值为0.954。在所设置的深度模型优化器试验中,VGG16-SGD模型取得了最高精度,其在上述6种杂草中的F值分别为0.987、0.974、0.965、0.967、0.989和0.982,其平均F值为0.977。在PFMW数据集的样本类别数量均衡试验中,无失衡杂草数据集训练出来的VGG16深度模型的准确率为0.900,而16.7%、33.3%和66.6%类别失衡的数据集训练的模型准确率分别为0.888、0.866和0.845。结论 利用机器视觉能够准确识别水稻田杂草,这对于促进水稻田精细化耕作以及无人机变量喷施等方面具有重要意义,可以有效地协助农业种植过程中的杂草防治工作。  相似文献   
9.
针对目前传统无人机视频传输系统抗干扰能力差、无法多用户监测的缺点,设计了一种基于Wi Fi的无人机网络实时视频监控系统。系统采用Tiny210嵌入式开发板为核心,通过架设在无人机上的网络监控摄像头和无线网关实现视频采集与传输;嵌入式系统采用Linux操作系统,采用Mjpg-Streamer视频传输方案;S5P210对网络摄像头获得的视频数据依据Mjpg-Streamer方案进行数据格式转换和压缩,通过无线网关上传到网络服务器,监控端计算机组通过监听相应的网络端口实现视频监控。测试结果表明,视频设定分辨率为76 800,当理论帧率在10至25 fps之间递增,视频传输的实际帧率随理论帧率变化接近线性增加,最大实际帧率达到3.27 fps,同时系统占用带宽在每秒1到2 M之间递增,当理论帧率大于25 fps,实际帧率保持最大传输帧率不变,而此过程系统占用带宽在理论帧率25至40 fps之间缓慢递增,大于40 fps后带宽开始下降。设置分辨率大于307 200,摄像头接近其工作极限,视频实际传输帧率维持稳定,与用户设定帧率无关,系统占用带宽平缓保持在每秒2到3 M之间,上位机画面清晰流畅,满足大数据传输下的视频传输要求。该研究为无人机实时性传输、减小运行功耗的深入研究提供了参考。  相似文献   
10.
基于高光谱和深度迁移学习的柑橘叶片钾含量反演   总被引:2,自引:0,他引:2  
针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱,同步采用火焰光度法测定叶片的钾含量;先用正交试验确定小波去噪的最佳去噪参数组合,再进行不同光谱形式变换,对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络(Stacked sparse autoencoder-deep learning networks,SSAE-DLNs)的特征提取迁移和融合多种特征,对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型,结果表明,模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优,其校正集和验证集决定系数分别为0. 898 8、0. 877 1,均方根误差分别为0. 544 3、0. 552 8。试验表明,深度迁移学习网络可对柑橘叶片钾含量进行精确预测,为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号