植物根系形态建成研究进展

根系的形态建成对植物生长发育的好坏发挥着十分重要的作用.本文概述了植物侧根形成和生长过程中侧根原基的起始、形成、生长点的活化和侧根的伸长过程,分析了根毛形成和生长过程中根毛细胞命运的特异化、根毛的初始化和伸长的过程及其相关基因的作用.     

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。     

计算机视觉技术在水产养殖中的应用

介绍了计算机视觉技术的概念及其系统组成,综述了计算机视觉技术在鱼种及形状识别、鱼只计数、鱼体尺寸和重量测量、投饵监控和鱼的行为监测中的应用。     

计算机视觉技术在水产养殖中的应用

本文介绍了计算机视觉的概念,比较了传统测量方式与计算机视觉技术的不同,并从养殖水环境监控、投饵监控、鱼类生长监控及鱼类行为监控等几个方面对计算机视觉技术应用情况进行综述。     

计算机视觉技术在农产品品质检测中的应用

从农产品表面缺陷与损伤识别、尺寸与面积检测、颜色识别、果梗识别、果形识别 5个方面综述了国内外在利用计算机视觉技术进行农产品品质检测的研究进展。     

计算机视觉在作物生产中的应用研究

计算机视觉已经随着信息技术的发展而应用到很多领域,其在农业上的应用已经成为农业信息化不可分割的一部分.本研究利用国内外图像处理或计算机视觉在作物生产过程中应用的实例,以及目前常用的一些方法来介绍农业中的计算机视觉.同时,结合作者研究提出目前农业中计算机视觉应用的一些缺点和不足,以及需要解决的问题.     

计算机视觉技术在玉米生产管理中的应用

计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。     

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。     

计算机视觉技术在农产品加工业中的应用研究进展

概述计算机视觉技术的原理及优势,综述了计算机视觉技术在水果分级、禽蛋检测、微生物含量测定等食品工业中的应用研究进展,提出了目前存在的主要问题,展望了今后研究与应用的发展方向。     

计算机在农业科研中的应用

1引言人类社会跨入二十一世纪，信息科学、生命科学等高新技术呈现出超常规的加速度发展，正在全球范围内掀起一场新的科技革命的浪潮，计算机为科技革命的推波助澜起到了决定性的作用。计算机自二十世纪七十年代末进入我国农业领域，二十多年中经历起步、普及、发展和提高四个     

浅谈计算机在农业科研中的应用与发展

本文概述了计算机在农业科研中的应用,即科学计算、数值试验和数据综合分析,模拟试验和过程控制.在此基础上,提出了存在的问题,即农业科研基础条件不足,应用收效差;研究开发项目,内容比较单一,目标相对分散;低水平重复;已建成的数据库系统,有不少尚未被充分利用,无从体现其可共享特性.从而提出了要开展计算机农业科研应用,首先必须研究我国农业科研实际,既要十分注重当前的社会效益和经济效益,又要兼顾农业科研长远发展的需要,要将计算机应用与农业科研有机结合,发展虚拟农业.     

计算机视觉在农业领域的研究探讨

随着国家大力发展智慧农业,计算机视觉技术在农业领域中的应用也得到快速发展,推进着农业生产向高质量、高产量的方向不断发展。本文分析了当前计算机视觉在农业领域中农作物病虫害识别、种子和果实分级检测、农作物生长环境监测和农田土壤特征分析等方面的研究现状,并进一步讨论了计算机视觉和深度学习结在农业领域中和应用,最后对计算机视觉技术在农业领域的研究中存在的问题进行了分析和展望。     

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。     

计算机视觉技术在植物病害识别上的研究进展

随着农业和现代化信息技术的交互、联结和碰撞,农业逐渐趋于现代化、智能化和数字化,近年来运用计算机视觉技术对植物病害进行诊断得到广泛应用,比传统方法更加迅捷、精确。分别从图像采集、图像预处理、图像分割、图像特征提取、病害识别和分类5个方面进行阐述,总结了植物病害图像识别技术的要点及存在问题,并对其未来发展进行了展望,为计算机视觉技术在植物病害识别上的应用和研究提供依据。     

广东花生品种资源研究利用概况

从作物品种资源的收集、保存、研究、创新与利用等方面概述了广东省花生品种资源的研究利用。收集保存花生品种资源4151份,另有野生资源34份。进行了一般植物学特征和农艺性状描述、品质特性测定、抗病性和抗逆性鉴定、贮存特性和遗传基因研究。创新花生品种资源104份。广东利用国内外花生品种资源选育出一大批花生品种,这些花生品种不仅在本省广泛推广种植,而且覆盖南方花生产区和北方部分花生产区,并作为抗病(逆)、优质的基因源改良外省花生品种,南北各省育成且带有广东花生亲缘的花生品种60多个。     

基于计算机视觉的作物行定位技术

针对基于计算机视觉的作物行中心线定位困难问题,提出了基于垂直投影法的作物行定位方法。对作物图像运用过绿特征值分割作物和背景,将得到过绿特征图像划分为若干水平图像条,对图像条过绿特征值进行垂直投影,求取投影曲线上突出峰点的位置;利用稳健回归法对位置点进行线性拟合得到作物的行中心线。采用320×240像素的大豆图像进行作物行定位实验,结果表明采用该方法能够获得较好的定位结果。     

Outdoor color rating of sweet cherries using computer vision

In this paper, we report the results of an exploration study of the feasibility of using computer vision to conduct accurate color rating of sweet cherry in outdoor orchard environments. Pre-harvest color rating of cherry is important to growers in determining the optimal harvest time. Currently, the in-field rating relies heavily on the manual comparison between the color of cherry fruits and standard color charts, which is both labor intensive and subjective. It is not uncommon to have one or two grades of deviation. A computer vision-based color rating system was developed in an attempt to provide an automatic and objective way to achieve more consistent and accurate color ratings. This system successfully used a camera flash to reduce the effects of two major obstacles in outdoor color rating: (1) inconsistent ambient light; and (2) glaring reflections on cherry skin. To mimic the manual color rating practice that is widely accepted by sweet cherry growers today, a task-oriented image processing algorithm was developed to remove the glaring reflections and to classify the color of cherries into seven levels. Field tests showed that the overall accuracy of the rating exceeded 85% based on 660 samples from three field tests under natural, outdoor lighting conditions. The tests validated the feasibility of using a computer vision system to achieve accurate and objective color ratings of sweet cherry under outdoor natural light conditions for actual in-orchard use.     

基于计算机视觉的杜鹃自动分级方法

随着我国花卉产业的蓬勃发展,花卉的自动化生产已经成为了必然趋势。提出了基于计算机视觉的杜鹃分级方法,对杜鹃的侧视图、俯视图进行图像分割,通过分析计算,得到株高、冠径、花盖度、花朵分布均匀度4项关键指标。对60盆杜鹃的分级试验结果表明,综合分级正确率达96.7%,其中株高的平均测量误差为5mm,冠径的平均测量误差为7mm,而对花盖度及均匀度的分级正确率分别达98.3%和96.7%,并可测出准确的分级参数,用于杜鹃的培育分析。该分级方法准确,实时性高,为杜鹃自动化分级提供了有效的途径。