基于Android系统手机的叶面积测量方法

为了快速无损测量植物叶片的面积,利用Java编写的软件,以Android智能手机为工作平台,使用图像处理技术对植物叶片面积进行测量。测量步骤分为:图像获取、图像分割、图像二值化、滤波去噪、叶片面积计算。采用该方法分别对面积为100mm2的三角形、100mm2的正方形、314.15mm2的圆、112.26mm2的正五角星在150mm和200~800mm之间间隔为100mm的8个距离段进行了面积测量,结果显示其测量误差范围在-0.62%~0.79%之间。应用该方法测量了代表不同植物叶片形状的番茄、茄子和枫叶叶片,当手机和叶片的距离在300~600mm时,测量结果与LI—3100型叶面仪测得的结果偏差在±1%以内,其他距离段偏差均大于1%。本研究设置图像为2560像素×1920像素,测量精度能达到0.001cm2,证明该方法具备精确测量叶片面积的能力。     

基于Android手机平台的冬小麦叶面积指数快速测量系统

叶面积指数（Leaf area index,LAI）是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域,在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像,同时手工测量小麦实际叶面积,根据不同测量结果计算3种叶面积指数： 将Android手机图像由RGB空间转换到HSV空间,在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积IArea;由ADC多光谱相机自带软件获取的归一化植被指数（NDVI）和调节土壤植被指数（SAVI）数据反演的叶面积指数ALAI;实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明,随着小麦不同生长期的变化,Android手机平台获取IArea与实际测量叶面积指数LAI的R2大于0.84(P小于0.01),ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R2大于0.83。     

基于Android手机的植物叶片面积快速无损测量系统

基于Android手机平台构建了一种植物叶片面积快速无损测量系统。获取包含被测植物叶片与已知面积的参照物图像,经图像灰度化、图像平滑、图像二值化、图像几何校正和连通区域标记等处理,根据参照物和被测植物叶片面积比得到植物叶片的面积。基于Android编程技术对系统的功能和界面进行了设计,对图像的几何失真问题提出了几何校正方法。以三叶草、木槿、腊梅、枫树、银杏、樱花等多种植物叶片为对象进行面积测量。试验结果表明,系统不受叶片形状的限制,面积测量的相对误差在-2.9%~2.7%,能够有效测量植物叶片面积。     

基于机器视觉的常温烟雾机喷雾角测量系统

针对常温烟雾机喷雾角测量方法中存在的问题，提出了利用数字图像处理技术结合最小二乘拟合方法对常温烟雾机的喷雾角进行图像检测的方法。该方法实现了喷雾角的非接触测量，避免了常用方法对喷雾现场的干涉，减少了人工测量方法带来的误差。试验结果表明，该方法简单可行，而且能够实现快速检测。     

基于Android手机平台的玉米叶片含氮量无损检测

为了提供一种玉米叶片含氮量无损快速检测方法,分析了玉米叶片的颜色特征参数与含氮量的关系,并基于Android手机平台开发了玉米叶片含氮量检测软件。首先获取包含被测玉米叶片与标定色块组的图像,利用标定色块对图像色彩进行校正,以减小外界光照等因素对图像色彩造成的失真。进而进行图像分割、图像平滑和颜色特征信息提取等处理,分析了各颜色特征参数与玉米叶片含氮量的关系,发现绿光标准化值与含氮量之间线性关系最好。应用Java语言和OpenCV计算机视觉库在Android手机平台上实现了玉米叶片的图像获取、图像处理和查看结果等功能。实验结果表明,该方法对玉米叶片含氮量的绝对测量误差为-0.40%~0.35%,均方根误差为0.20%,从采集图像到给出结果所用时间小于10 s。     

基于Android手机的农机调配系统

农机调配的目的是完成农作物的收割和耕种,为了使机主能有最大的服务收益,农机管理部门要在最短时间内为农田点提供农机支援。为此,利用基于启发式规则和基于非合作博弈的应急的农机调配算法,设计了基于Android智能移动终端的农机调配系统,并详细介绍了该系统的总体框架、主要功能与操作流程。测试结果表明,与传统的农机调配方式相比,本系统确实能提高机主的收益。     

基于图像处理的鸡冠面积和色级测定方法研究

鸡冠形态是鸡第二性征中最明显最主要的特征,测定鸡冠的面积和色级对于科研和生产具有重要的指标参照与辅助判断作用。为准确获取鸡冠的真实性状,设计一种通过对鸡冠图像处理并提取特征进行面积和色级测定的方法,以500只健康的90日龄邵伯鸡(公母各半)作为样本,采集样本图像中鸡冠部位进行分析,获得颜色特征数据,采用K-means聚类法提取7个聚类中心作为色级指标。制作带有参照块图案的专用测定板,利用参照块对测定图像进行畸变矫正与偏色校正调整,通过轮廓离散点集像素面积算法与色差距离算法得到鸡冠的面积与色级。以数字平面成像模拟验证法进行测定结果验证：面积测定值与设定值的相对误差范围为0.11%～4.84%,平均相对误差为2.24%;色级准确率为96.67%。结果表明该方法测定准确性高,为快速有效获取鸡冠性状参数提供一种全新的测定方法。     

基于改进Yolov5s的水稻叶病检测方法

水稻叶病防治在提高水稻产量中具有重要作用,针对水稻叶病人工检查速度慢、主观性高的问题,提出一种基于改进Yolov5s的水稻叶病目标检测方法。采用K-means聚类算法得到先验框尺寸,增强检测模型对水稻叶病的适应性;将轻量级空间注意力与通道注意力融合,对高层语义特征信息增强,增强模型对病害信息的感知度;并结合特征金字塔网络,融合多尺度感受野获取目标上下文信息,有效地增强模型对目标周围特征的提取,提高目标检测的准确度。试验结果表明：改进后的Yolov5s算法平均检测精度(IOU=0.5)提高4.3%,F1值提高5.3%,帧率FPS为58.7 f/s。有效提升Yolov5s算法对水稻叶病的检测精度,达到实时检测的需求。     

基于Android系统的植保无人机监控软件设计

以Android为系统开发平台,设计一种植保无人机监控系统,可实现植保无人机飞行过程的移动控制.通过对植保无人机监控系统功能模块进行设计,并从Android基础理论出发,进行植保无人机控制系统软件设计,完成无人机植保作业过程中的状态监控及飞行控制.测试结果表明:该植保无人机监控系统能够有效地对无人机飞行过程进行控制.     

基于Android手机的联合收获机主要部件工况监测系统

设计了一种基于物联网Android手机的联合收获机主要部件工况信息监测系统。主要通过C8051F020微处理器外接多霍尔传感器,实现对联合收获机主要工作部件如脱粒滚筒转速、输送器转速等关键信息获取,通过物联网平台由Android智能手机实现对数据的实时接收。通过在单片机中采用基于目标信号瞬时变化趋势的故障诊断方法,将故障状况监测信息进行传输,从而实现对联合收获机关键信息以及故障状况实时监测。模拟试验表明,该系统在下位机采集系统、服务器端以及客户端表现稳定,数据丢失率小于5%,信息获取延迟时间小于2s,报警及时、正确,满足联合收获机户外工作远程信息采集与故障监测要求。     

基于图像的植物叶面雾滴接触角稳定区间法测

发展了单侧液滴轮廓拟合生成接触角的方法,提出了接触角稳定区间概念,建立了拟合函数选优和拟合像素数选取的数值试验方法.本文方法与轴对称积分法相比,偏差为1.92%.但本文方法没有引入轴对称条件,因而可测非对称液滴接触角.对桂花叶上去离子水滴接触角的测量研究表明:可用三阶多项式在像素数区间[110,160]上拟合生成接触角;主叶脉方向和与之垂直的方向之间接触角差异明显,均值相差7.15°,同一方向上左右接触角均值相差1.33°.     

米饭硬度自动测量系统设计

提出了一种基于机械力学测量手段建立米饭粒硬度自动测量系统的方法,阐述了该方法的基本原理、自动测量系统的组成和操作运行.通过试验说明,该系统测量米饭粒力-变形曲线的斜率能够适应稻米品质评定中对硬度指标的量化测试要求,且与使用食味计检测得出一致的结论.     

基于双向极角的植物叶凸包生成算法

为了描述和提取植物叶的形状特征,需要生成植物叶的凸包.首先,通过图像分割,获得植物叶原始图像的二值图像;其次,利用轮廓跟踪算法,获得植物叶轮廓的简单多边形;最后,利用基于双向极角的卷包裹法,生成植物叶的凸包.该算法计算复杂度为O(Nh).试验表明,算法满足图像旋转不变性要求,适用于多种不同形状的植物叶.     

基于分形维数的垩白米图像检测方法

提出了一种基于分形维数的垩白米检测算法,并与基于垩白大小的检测算法进行了试验对比分析。分形维数包含了大米垩白区域的累计和空间分布特征,更能客观反映垩白区域的信息。试验结果表明,该算法的识别正确率为95.1％,可以有效识别垩白米,而且识别效果好于基于垩白大小的检测算法。