基于参数L-系统的温室番茄植株的三维重建

研究利用参数L-系统对温室番茄植株的生长过程进行快速高效的三维可视化仿真的方法。首先根据番茄植株的生长特点从图像中提取植株骨架,分析其拓扑结构,总结出番茄植株生长的参数L-系统公式集,然后利用图像与计算机图形学相结合的方法,对公式集进行图形符号解释,模拟再现番茄植株的生长过程。为了保证真实性,重建的虚拟番茄植株的茎干骨架利用来自Kinect数字化结果的真实番茄植株的茎干样本进行绘制;叶片采用了基于图像与图形相结合的方法重建,花和果实用纯图形学方法进行模拟。在VC++平台上,结合OpenGL图形库实现了可视化仿真过程。研究中所提出的方法能够较好地模拟温室番茄植株动态生长的过程,同时具备快速性与真实性。     

基于双目视觉与深度学习的番茄本体特征检测系统

[目的]设计基于双目视觉与深度学习的番茄本体特征检测系统,实现番茄本体特征的自动无损检测,为水肥一体化和智慧农业提供技术支持.[方法]采集4000张番茄图像作为研究样本,利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法,对番茄植株、茎、花、果实和叶进行检测.基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取.[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试,调用训练好的模型对番茄各器官进行识别和定位,对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%.利用基于双目视觉的图像测量算法对番茄本体特征进行测量,通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内,可实现番茄本体特征的精确检测,较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年,完成了对番茄全生命周期的本体特征检测,并可将数据保存于数据库,实现对番茄本体特征的自动、无损监测.[建议]优化番茄特征遮挡问题,丰富训练数据集,优化网络模型,提高识别率和鲁棒性;建立番茄特征数据共享云平台,实现番茄疫病的提前预警;确定本体特征与番茄长势的关系,以快速判断施肥量,实现大棚番茄自动精确施肥.     

基于彩色点云图像的不同成熟阶段番茄果实数量的测定方法

【目的】为测定温室中番茄不同成熟阶段的果实数量,提出一种基于彩色点云图像的测定方法。【方法】在移动平台上搭载KinectV2.0采集温室中行栽番茄的图像信息合成番茄植株点云,再将二视角的番茄植株点云合成1个点云,并通过深度信息截取得到近处番茄植株点云,将标注的点云数据输入到PointRCNN目标检测网络训练预测模型,并识别番茄植株点云中的番茄果实,最后利用基于特征矩阵训练的支持向量机(Support vector machine, SVM)分类器对已经识别出来的果实进行成熟阶段分类,获得不同成熟阶段番茄果实的数量。【结果】基于PointRCNN目标检测网络的方法识别番茄果实数量的精确率为86.19%,召回率为83.39%;基于特征矩阵训练的SVM分类器,针对番茄果实成熟阶段的预测结果在训练集上准确率为94.27%,测试集上准确率为96.09%。【结论】基于彩色点云图像的测定方法能够较为准确地识别不同成熟阶段的番茄果实,可以为评估温室番茄产量提供数据支撑。     

1种基于Otsu算法的植物病害叶片图像分割方法

植物叶片图像分割是植物分类和植物病害检测中的一个关键步骤,旨在把叶片图像分成各具特性的区域并提取出感兴趣的部分。在分析自然场景下植物叶片图像几种分割方法的优缺点的基础上,基于Otsu算法,提出了1种叶片图像分割方法,并进行分割算法试验。结果表明,该叶片图像分割方法对叶片中目标(叶片或病斑)-背景类的图像具有较好的分割效果。     

基于骨架提取和二叉树分析的玉米植株图像茎叶分割方法

对玉米植株图像的茎叶进行分割,为组分表型分析、植株对环境胁迫的响应等后续研究提供参数和依据。采用内布拉斯加大学林肯分校植物表型数据集中的玉米植株图像,自动进行玉米植株图像的裁剪和二值化;通过骨架细化算法建立植株的骨架模型,并设定阈值去除骨架中的毛刺;然后检测骨架上的端点和交叉点,采用二叉树分析骨架模型,最终确立各级节点及各个叶片,从而实现茎叶分割。结果表明,建立的玉米植株茎叶分割算法,具有处理速度快、易于理解等优点,为玉米等植物表型分析与育种等提供支持。     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

基于线结构光视觉的番茄重叠果实识别定位方法研究

为实现番茄自动化采收,针对温室光照条件多变、背景复杂及果实簇生遮挡的特征,构建了基于线结构光视觉的番茄果实识别定位视觉系统,并提出了一种针对簇生重叠果实的区域分割方法。在(2R-G-B)色差模型下利用动态阈值分割,提取成熟果实区域;计算亮度渐变梯度向量,采用灰度重心法提取结构光条纹中心线;基于线结构光立体测量原理,在光条纹扫描视场过程中实时获取成熟果实表面三维信息,并映射形成果实表面与相机光心距离深度图像,实现簇生重叠果实区域的立体分割;基于果实表面激光条纹点空间坐标拟合果实外接球体,获取果实形态和空间坐标信息;试验结果表明,视觉系统单次识别测量耗时2.8s,果实直径测量误差小于6mm,果实与摄像机中心距测量误差小于8mm。     

基于双目视觉的农田障碍物检测

针对智能农业机械自动驾驶或辅助驾驶立体视觉障碍物检测技术中,传统阈值分割不能达到目标提取精度的问题,提出基于分析扫描线上区域分割与特征匹配相结合的障碍物检测算法。在双目视觉系统得到农田场景图像对中,通过分析扫描线上像素分布情况将图像分割,进行归类整理提取目标区域;对目标区域进行快速立体特征匹配,得到目标区域的空间信息,进行障碍物的检测。对800帧(400对)图像进行检测试验,结果表明:每对图像的平均处理时间<100 ms,本次试验检测出障碍物的正确率达到95%。该算法用于农田障碍物检测具有很好的检测效果。     

改进遗传算法结合Otsu算法的大田作物分割

针对部分田间图像由于其背景复杂、光照不均匀等导致很难确定图像分割的最佳阈值问题,提出了一种基于结合遗传算法Otsu算法改进的图像分割方法。首先对采集的图像进行预处理,基于预处理图像通过改进遗传算法中的选择、交叉、变异三种方法以及基于Otsu优化个体适应度函数,实现了可以自动调整遗传控制参数,既确保了物种的多样性又加快其收敛速度,为Otsu图像分割提供了最佳阈值,最后经过图像形态学对图像进行填充。将改进遗传算法的Otsu算法与基于遗传算法+Otsu算法进行图像分割以及基于遗传算法+Ksw熵值图像分割进行了对比,发现该算法得到的阈值范围较为稳定,使得分割后的图像准确、清晰,对于后期进行作物株数的统计或者植株的覆盖度有一定的帮助。     

基于U-Net模型和FCM算法的番茄穴盘苗重叠幼叶分割方法

针对传统方法对番茄穴盘苗重叠幼叶图像分割精度较低、背景剔除困难的问题,提出一种基于U-Net模型和模糊C均值聚类(FCM算法)相结合的图像分割方法。首先用ExRG法对图像的背景进行剔除,得到待分割幼叶的主体区域,对图像进行预处理。其次建立数据集,训练网络模型,用预训练的U-Net模型分割幼叶主体区域,提取其过渡区域;同时用FCM算法分割幼叶主体区域,提取其过渡区域。然后结合FCM算法分割得到的过渡区域和U-Net模型分割得到的过渡区域,得到重叠叶片的最终分割结果。最后,为了得到精准的评估结果,将重新连接的过渡区域进行填充,并与其他文献所述的算法进行对比分析。结果表明,所提出的基于U-net模型和FCM算法对穴盘苗幼叶轮廓分割的结果更加准确,泛化性更强。证明对番茄幼苗叶片图像分割的有效性,为幼苗生长状况的检测研究提供了支持。     

Optimized EIF-SLAM algorithm for precision agriculture mapping based on stems detection

Precision agricultural maps are required for agricultural machinery navigation, path planning and plantation supervision. In this work we present a Simultaneous Localization and Mapping (SLAM) algorithm solved by an Extended Information Filter (EIF) for agricultural environments (olive groves). The SLAM algorithm is implemented on an unmanned non-holonomic car-like mobile robot. The map of the environment is based on the detection of olive stems from the plantation. The olive stems are acquired by means of both: a range sensor laser and a monocular vision system. A support vector machine (SVM) is implemented on the vision system to detect olive stems on the images acquired from the environment. Also, the SLAM algorithm has an optimization criterion associated with it. This optimization criterion is based on the correction of the SLAM system state vector using only the most meaningful stems - from an estimation convergence perspective - extracted from the environment information without compromising the estimation consistency. The optimization criterion, its demonstration and experimental results within real agricultural environments showing the performance of our proposal are also included in this work.     

基于机器视觉的温室作物行间杂草的识别

根据温室行间植物的位置特征,应用空域中值滤波对图像进行预处理,然后运用色度法和最大方差自动取阈值法对图像处理,最后应用种子填充法将杂草和作物进行分割。结果表明,机器视觉技术在对温室杂草的识别方面具有一定的优越性。     

虚拟植物模型研究概况

虚拟植物模型应用L-system为基础,构建各种算法,用软件表现出植物在环境影响下的生长情况、内部物质成分等。本文主要对环境和植物相互影响的虚拟植物模型进行了概述。     

Kinect传感器的植株冠层三维数据测量

植株三维信息重构能为植株生长状态监测和精确喷雾施药提供有效数据。提出一种基于Kinect传感器技术的植株冠层三维数据测量的方法。由Kinect传感器进行植株彩色和深度图像数据的采集,提取和处理所采集的植株冠层目标有效三维信息,完成对植株深度数值和水平投影面积的计算。以规则形状物体与不规则植株为实验对象,对三维数据测量方法进行准确性实验测试,并将实验结果与人工测量结果进行比对。实验结果显示,该方法的深度和面积测量的准确性较高,深度测量误差小于1.0%,面积测量误差小于3.6%。选取温室吊兰作为场地实验对象,采用由测量机构和控制处理机构组成的冠层三维检测系统对吊兰冠层进行三维数据测量,并实时输出深度以及水平投影面积信息,其深度测量的相对误差为1.77%。研究表明,该方法具有较高的可行性,适用于温室植株冠层三维数据测量。     

Lettuce calcium deficiency detection with machine vision computed plant features in controlled environments

Conventional greenhouse environmental conditions are determined by observation. However, destructive or invasive contact measurements are not practical for real-time monitoring and control applications. At the canopy scale, machine vision has the potential to identify emerging stresses and guide sampling for identification of the stressor. A machine vision-guided plant sensing and monitoring system was used to detect calcium deficiency in lettuce crops grown in greenhouse conditions using temporal, color and morphological changes of the plant. The machine vision system consisted of two main components: a robotic camera positioning system and an image processing module. The machine vision system extracted plant features to determine overall plant growth and health status, including top projected canopy area (TPCA) as a morphological feature; red-green-blue (RGB) and hue-saturation-luminance (HSL) values as color features; and entropy, energy, contrast, and homogeneity as textural features. The machine vision-guided system was capable of extracting plant morphological, textural and temporal features autonomously. The methodology developed was capable of identifying calcium-deficient lettuce plants 1 day prior to visual stress detection by human vision. Of the extracted plant features, TPCA, energy, entropy, and homogeneity were the most promising markers for timely detection of calcium deficiency in the lettuce crop studied.     

基于双阈值分割的苗期杂草识别算法

提出了一种基于双阈值分割的苗期杂草识别算法。首先通过2个阈值分割得到2幅分割图像,再结合形态学操作融合2幅分割图像后进行识别得到作物图像;参考现有除草剂喷洒方案将作物图像分为6行8列的子区域,根据每个子区域是否有作物像素点决定是否喷洒除草剂。结果表明,该方法基本上实现了苗期杂草的防治,并节省了45%左右的除草剂。     

基于最优基小波包的植物病害图像压缩算法

针对现代温室中由于植物病害图像数据量庞大而产生的远程传输负荷过大等问题,分析了植物病害图像存在的数据冗余、视觉冗余等特性,提出了基于最优基小波包的压缩算法。简要介绍了小波包的构造方法及其压缩的基本原理,重点阐述了最优基的构建及病害图像压缩算法实现方法,并与小波变换的压缩方法进行比较。仿真试验表明:提出的算法在保证图像质量的同时能够有效的提高图像压缩性能。     

基于OpenCV的低能耗植物工厂照明系统设计与试验

为解决植物工厂照明系统能耗大的问题,设计了基于OpenCV的低能耗植物工厂照明系统,通过对LED光源进行二次光学设计,将发散的LED光线聚集成圆形光斑对植物进行补光,减少植物未栽种区域的光能浪费。同时,对照明系统的机械结构与控制系统进行设计,基于树莓派上的OpenCV设计图像识别算法,实现光斑大小随植物生长的动态变化,提高系统的自动化程度。以奶油生菜为供试品种,以普通照明系统为对照进行栽种试验。结果表明:设计的照明系统较普通照明系统的能耗降低了55.8%,电能利用效率提高了72.7%,可见设计的照明系统具有较好的节能效果与较高的电能利用率。     

Investigation and analysis of an ultrasonic sensor for specific yield assessment and greenhouse features identification

The spectrum of an ultrasonic return echo from plants has been shown to contain useful information. The research reported in this paper focused on developing an ultrasonic sensing system and analyzing the ultrasonic classification features that would ultimately be used as the basis for a yield estimation robotic system. An algorithm was also developed for prediction of fruit mass per plant based on the ultrasonic echo return from a plant. The ultrasonic sensor system was tested in lab and pepper greenhouse environments and on single pepper plants, single leaves and fruit. The results showed the potential of ultrasonic sensors for such a robot in classifying plants and greenhouse infrastructures such as walls. It showed the robot’s ability to detect hidden plant rows and fruits as well as making an estimation of the fruit mass in single plants. A multi-linear regression model developed for estimating the energy level was found to be highly significant with R ² of 0.64 and 0.84 for 28–32 and 20–28 kHz ranges respectively. This estimated model was used to derive a prediction method for fruit mass per plant that yielded an R² of 0.34.     

能源植物分类及其转化利用

能源植物及其生产是生物质能源的发展基础,也有利于减少温室气体排放、发展低碳经济。在分析总结当前国内外能源植物主要概念的基础上,利用植物系统法、光合途径、生活周期和化学成分组成及其利用等方法对能源植物进行了分类。如以化学成分组成及其利用可将能源植物分为糖料植物、淀粉植物、油料植物、含油微藻植物和木质纤维素植物5类,各类能源植物各有其主要特点。对能源作物的转化利用技术及其产品现状和前景进行系统的分析,目前由生物质转化的液体燃料主要包括乙醇、生物柴油和生物质裂解油,由生物质转化的气体燃料包括生物质燃气、沼气和氢气,生物质经压缩成型或炭化工艺可生产生物质颗粒,生物质以热电联产技术经直燃可大规模发电和供暖。