基于ARM和WI-FI技术的大麦田间监控系统设计

试验介绍了一种基于ARM和WI-FI技术的大麦图像采集与无线传输系统的设计.系统构建了基于Linux的嵌入式系统的无线监控网络,采用WI-FI无线通信技术,将大麦田间图像信息经由无线传感器网络和ARM控制器处理,在设计的视频采集软硬件控制下,实现了大麦生长视频信息的自动采集和无线传输,结果表明:搭建系统的客户端能满足25帧/s显示的视频流要求.该研究对发展现代农业生产和实现大麦栽培决策信息化具有重要意义.     

基于机器视觉的马铃薯质量和形状分选方法

马铃薯的质量和形状是机器视觉分级的2个重要特征和依据,为实现马铃薯质量与形状检测分级,该文提出了一种基于图像综合特征参数的分选方法。首先提取马铃薯俯视图的面积参数和侧视图的周长参数,通过回归分析建立马铃薯的质量检测模型,实现对马铃薯的质量分选;然后提取马铃薯俯视图像的6个不变矩参数,输入到已训练好的神经网络,完成对马铃薯形状分选。试验结果表明:该方法可以有效的检测马铃薯的质量并区分其形状,质量分选准确率为95.3%,薯形分选准确率为96%。可满足实际应用的要求。     

紫花苜蓿株高和叶面积指数变化动态及模拟模型

苜蓿的株高和叶面积是反映其产量高低的特征量。为推进虚拟草业的牧草模型技术发展,文中在田间试验的基础上,分别以播后天数和有效积温为自变量,通过对苜蓿的株高和叶片的生长数据进行定量分析,采用logistic函数对二者的变化动态进行建模,并对模型的稳定性和适应性进行了全面的验证。结果表明:模型的模拟值与实测值误差小,能够较好的反映常规栽培条件下苜蓿株高和叶片的生长发育状况。     

基于颜色和纹理特征的大麦主要病害识别研究

为提出一种在自然环境条件下基于采集图像的颜色一阶与二阶矩和纹理LBP算子改进模式综合特征参数的大麦病害识别方法,以甘肃河西地区发生的大麦白粉病、云纹病和条锈病为研究对象,采用颜色矩和LBP算子均匀模式综合特征参数来提取大麦病斑的颜色和纹理特征,并将该特征向量作为输入向量构建以径向基为核函数的支持向量机(SVM)分类器模型。利用SVM分类模型对采集到的355幅病害图像进行实例分析,结果表明当径向基参数时,大麦病害整体识别正确率达84.7458%。本研究为农田大麦病害诊断提供了有效的分析手段,验证分类模型在大麦病害研究中的可行性,并可为其他农作物病害诊断提供借鉴和参考。     

甘肃几个大麦品种茎秆形态生长模型试验研究

以甘肃培育和引种的三种不同品种大麦为供试材料,通过对不同播期三种试验大麦茎秆生长过程的两轮连续观测和定量分析,构建了甘肃大麦茎秆生长过程的动态模拟模型。本研究采用Logistic方程模型描述了不同节间长度和粗度以及节间伸长和增粗的动态过程,并采用根均方误(RMSE)方法对不同品种大麦进行检验,模型检验结果显示,不同品种的不同节间长和节间粗,其预测值的平均RMSE值范围分别在0.2371～1.0613 cm和0.0142～0.0775之间。试验表明本模型具有较好的预测性和可靠性。