农业领域中的计算机视觉研究

计算机视觉技术在农业各领域中的应用研究发展非常迅速，本文回顾了计算机视觉技术近年来在国内外农业中的发展情况，从四个方面进行综述。最后概述我国现阶段计算机视觉技术在农业中的应用主要存在的问题及发展前景。     

计算机视觉技术在农业领域的应用

近年来,计算机视觉技术在农业领域的应用越来越广泛,其能够助力传统农业向智慧型农业飞速发展.本文通过阐述计算机视觉技术的原理、简要流程,分析计算机视觉技术在种植业和畜牧业中的具体应用,同时分析计算机视觉技术在农业领域应用中面临的挑战,并展望计算机视觉技术在未来农业中的发展前景.     

计算机视觉及模式识别技术在农业领域的应用

计算机视觉技术在农业各个领域的应用研究得到了广泛开展，并随着相关技术的不断成熟和发展，计算机视觉在农业各领域中的应用必将对传统农业模式产生巨大影响。本文从计算机视觉技术在果品分级与检测、粮食种质的检验与评测、植物生长状态监测、田间收获作业、农产品加工、杂草与病虫害防治等方面的发展作了回顾和综述，并对今后的发展作了展望。     

视觉识别技术在智慧农业中的应用和发展

智慧农业的发展将物联网和人工智能带到了农业领域,推动现代农业的发展走向智能化和数字化。视觉识别技术作为人工智能的一个重要分支,也在智慧农业中得到了充分地应用和发展,它能够对农作物的生长情况和农业生产环境进行精准监测,对于农产品的加工和销售也能做到良好的质量管控,进而实现了现代化农业生产的低耗高效以及农产品的优质高产。     

计算机视觉技术在工厂化农业中的应用

近年来我国工厂化农民发展迅速，但自动化程度不高，因此将计算机视觉技术引入设施农业对于提高温室的智能化控制水平具有重要意义。从利用计算机视觉对植物生长监控控制和开发农业生产机器人2个方面综述了国内外的研究进展，根据目前国内外研究现状及存在问题对未来发展方向进行了预测，认为今后的研究方向主要在图像处理硬件的开发、神经网络技术的应用和图像处理新方法的研究等3个方面。     

计算机视觉技术在农业中的应用及展望

介绍计算机视觉的定义、产生和系统的组成;总结计算机视觉技术在农业中的应用,指出尚待进一步研究的关键技术及其方法,为该领域的研究人员提供参考;并对如何提高我国计算机视觉技术水平提出两点建议。     

农业生产中计算机视觉与模式识别技术应用

随着现代科技中计算机技术的不断发展,计算机对于事物的处理能力已经成熟。人们已经可以熟练运用计算机的各种能力来解决生活中和产业上的创新。对于农业生产行业来说,计算机科技的发展也衍生出了非常有利的科技能力,例如计算机视觉与模式识别技术能够帮助农业生产避免一些麻烦,也能够更简便地进行农产品的检测和分级。本文根据计算机视觉与模式识别技术对于农业生产行业的帮助和运用展开论述。     

计算机视觉技术在农业采摘设备中的应用

采摘一直是农业生产活动中的关键环节,随着经济发展和人们生活水平的提高,消费者对高品质农产品的需求不断提升,传统工具采摘和机械采摘的方式难以满足大量、高效、精确的生产需求。因此,农业采摘采用了一种新技术,既视觉技术来满足当下市场对产量、质量的要求。近年来,国内外技术团队针对视觉技术与采摘设备的结合做了广泛研究,并取得了颇为丰硕的成果。本文综述了计算机视觉技术在农业采摘设备中的应用研究进展,结合相关研究,提出了采摘作业中应当对视觉系统的制定统一评价指标,并针对指标提出了可行的优化方向,最后,对未来计算机视觉技术在农业采摘设备中的广泛应用进行了展望,以期其进一步推进我国现代化农业的建设进程。     

计算机视觉与深度学习在猪只识别中的研究进展

探索人工智能领域新技术与生猪养殖相结合,是当前智慧养殖领域的一个重要研究方向。其中,如何自动地识别猪只个体身份与行为,是当前生猪养殖行业要解决的一个关键问题。为推动计算机视觉和深度学习技术在猪只健康状态智能化监测方面的应用,本文先分析了基于计算机视觉与深度神经网络的人的身份及行为识别模型的研究进展,然后对利用计算机视觉与深度神经网络识别猪只个体身份及行为的方法进行了归纳总结,并指出已有方法中存在的问题,最后提出了下一步的重点研究方向：（1）在猪只运动不可控及关键特征部位受到污染的情况下,准确提取其身份及行为特征的方法研究;（2）针对猪只身份及行为特征的基于计算机视觉的原创性深度学习模型的研究;（3）能够同时检测猪只身份及行为的多任务神经网络的研究;（4）适用于多场景的基于基础姿态及动作的通用型猪只行为识别方法的研究;（5）基于边缘计算的猪只个体身份及行为识别的部署方法研究。     

计算机视觉在果蔬分类中的现状分析

计算机视觉在农产品分类领域广泛应用,但受限于类间相似性和不规则的类内特征,果蔬分类仍是一个复杂的问题。本文针对近年来基于计算机视觉的水果分类进行比较,简述了现阶段果蔬分类所面临的挑战,如传感器的选择等问题。     

计算机视觉技术在监测鱼类游泳行为中的研究进展

借助计算机视觉技术研究鱼类游泳行为已逐渐成为热点课题,它模拟生物视觉原理,通过处理采集的图片或视频获得动态目标参数信息,以达到对鱼类游泳行为监测分析的目的,本研究旨在介绍国内外该领域的研究进展,并展望其发展趋势。首先介绍鱼体监测目标的种类选择与影像获取方法,然后介绍影像中的背景去除与目标检测,并对影像数据直接和拟合提取目标参数的单个鱼体目标游泳参数提取方法,以及运动预测法和特征匹配法的多鱼体目标监测方法进行详细阐述,对游泳行为监测参数进行分类,并介绍了相关影像处理常用软件,最后总结了计算机视觉监测存在的难点及未来发展趋势。     

计算机与信息技术在农业上的应用探究

本文对计算机与信息技术在农业基层结构中发挥的作用进行论述,指出计算机、信息 技术在农业领域应用中存在的问题,并通过3S 技术、生态化信息框架技术、精准农业等,对计算 机信息技术与农业领域的融合路径进行研究。     

应用计算机视觉对番茄损伤分类的研究

文章研究了图像处理的去除噪声、图像分割、图像增强等多种低层处理的方法,建立用区域增长法进行番茄表面缺陷区域检测,用BP算法训练的多层前馈神经网络对番茄的损伤进行分类。结果表明,番茄损伤检测和分类的准确率不低于90%。     

利用计算机视觉研究白茶加工中色泽的变化

利用计算机视觉技术把茶叶色泽指标的模拟量转换成数字量,研究白茶加工中色泽的变化.确定采集的图像文件大小为1.0 MB,光照条件为明亮的室内开闪光灯,摊叶量保证覆盖底板颜色.并采用改进后的H IS模型研究白茶加工中茶叶色泽的变化,结果表明,加工过程茶叶色泽变暗,色调由鲜绿色向棕褐色转变,不同萎凋方式萎凋叶的色调存在差异.明度总体上呈下降趋势,表明茶叶颜色逐渐变暗,而空调萎凋叶的色泽较亮.萎凋叶饱和度先降后升,表明茶叶颜色先退色后加深.空调萎凋叶饱和度较高,毛茶色泽差异不明显.     

Stereo vision three-dimensional terrain maps for precision agriculture

The combined interest in precision agriculture, information technology, and autonomous navigation has led to a growing interest in the generation of 3D maps of mobile equipment surroundings. This article proposes a method to create 3D terrain maps by combining the information captured with a stereo camera, a localization sensor, and an inertial measurement unit, all installed on a mobile equipment platform. The perception engine comprises a compact stereo camera that captures field scenes and generates 3D point clouds, which are transformed to geodetic coordinates and assembled in a global field map. The results showed that stereo perception can provide the level of detail and accuracy needed in the construction of 3D field maps for precision agriculture and field robotics applications.     

基于深度学习的图像分割在畜禽养殖中的应用研究进展

图像分割作为智慧农业养殖中“视觉系统”的重要组成部分,被广泛应用于畜禽的智慧养殖中。近年来,深度学习算法飞速发展,基于深度学习的图像分割技术也取得了重大突破。这些方法赋予了分割区域更准确的语义信息,使得图像分割更加精准和智能,为畜禽智慧养殖提供了更强的技术支持。本文通过广泛收集和整理国内外研究的相关文献,重点阐述了图像分割技术在畜禽养殖中的畜禽计数、体尺体质量测量、姿态估计与行为识别、体况及疾病检测、精准饲养等方面的应用现状,给出了如何根据实际性能需求（精度、处理速度）、数据集、计算资源等方面选择合适图像分割方法的建议,总结分析了当前研究中与畜禽养殖相关且可用于图像分割训练的公开数据集;并指出了基于深度学习的图像分割技术在畜禽养殖中所面临的挑战与未来的发展趋势,希望能为畜禽养殖中图像分割技术的具体应用提供参考。     

Development of a real-time computer vision system for tracking loose-housed pigs

Changes in regulations for livestock animals will in the near future call for loose-house pig breeding systems. These new systems will increase the workload for the farmers, as location and identification of animals will require more time than before. This paper presents a real-time computer vision system for tracking of pigs in loose-housed stables. The system will ease the workload for farmers in identification and locating individual animals. The system consists of a camera and a PC. The PC runs a tracking-algorithm, estimating the positions and identities of the pigs. The tracking algorithm operates in 2 steps. The first step builds up support maps, pointing to preliminary pig segments in each video frame. In the second step the support map segments are used to build up a 5D-Gaussian model of the individual pigs (i.e. position and shape). The system has software correction for fisheye distortion coming from the camera lens. The fisheye lens allows the camera to monitor a much larger area in the stable. The algorithms are developed in MatLab, implemented in C and runs in real-time. Experiments in the lab and in the stable demonstrate the robustness of the system. The system can track at least 3 pigs over a longer time span (more than 8 min) without loosing track and identity of the individual pigs in a realistic experiment.     

基于计算机视觉的鸡蛋表面积估算方法

鸡蛋表面积参数已广泛应用于蛋品加工业以及生物学的研究上,但其传统手工检测方法存在着效率低的缺点.基于计算机视觉技术,提出了一种像素面积投影法来计算三维目标的表面积,该方法简单易于实现,且对任意不规则目标表面积的估算都适用.以3种特殊曲面的表面积为例,验证了该估算方法的精确度.通过对鸡蛋建立旋转椭球数学模型采用像素面积投影法进行了计算,并与实验数据对比,二者相对误差小于10%,满足实际工程需求.