基于区域亮度自适应校正的茶叶嫩芽检测模型

自然光照下不同时间采集的茶叶图像存在亮度不均的现象.由于高亮度图像对比度差且嫩芽特征显著性弱,造成高亮度图像中存在较多嫩芽的漏检.针对现有茶叶嫩芽图像自动检测方法对光照变化的敏感性,该研究提出一种基于区域亮度自适应校正的茶叶嫩芽检测模型.首先,对不同时间采集的龙井43茶叶图像进行灰度化;然后,计算灰度图的平均灰度(Av...     

高光谱图像技术在水果品质无损检测中的应用

传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的。根据不同的采集设备,简介了两种获得高光谱图像的方法。综述了国内外将该技术应用于水果品质检测方面的研究进展,检测内容包括外观品质、损伤与缺陷,成熟度和坚实度,含糖量、含水率等内部品质,着重介绍了各高光谱图像的成像波段范围、分辨率、成像源,实验数据处理的方法以及实验结果等。根据综述所得提出了高光谱图像技术应用中需要解决的光谱降维、降低样品差异影响和实时检测平台搭建等问题。     

机器视觉技术在农作物种子质量检验中的应用研究进展

我国农作物种子资源丰富，随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高，利用机器视觉技术进行种子质量检验评价成为可能。该文概述了农作物种子的特性及其对质量检验技术的要求，介绍了机器视觉技术的基本理论和发展现状，从算法、硬件、研究进展几个方面综述了机器视觉技术在农作物种子质量检验中的应用，认为用机器视觉代替人的视觉进行农作物种子质量检验前景广阔。     

机器视觉技术在农业生产自动化中的应用

机器视觉技术在农业生产自动化中的应用研究发展非常迅速,为了能充分利用国外的最新研究成果,促进我国在该领域的研究和应用,文章分动植物生长情况监测和农业生产机器人两个方面综述了国外的研究进展,以供我国研究人员参考。     

机器视觉技术在农产品品质自动识别中的应用研究进展

该文分水果果梗识别、果形识别、内部品质检测和硬件设备开发等4个方面综述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,并指出了目前尚需解决的难点问题,以供我国研究人员做同类研究时参考。     

机器视觉技术在农产品检测中的应用研究

机器视觉技术在农产品检测领域得到了广泛的应用,并随着相关技术的不断成熟和发展,机器视觉在农产品检测领域中的应用必将对传统检测模式产生巨大影响。本文分析了机器视觉技术在农产品检测中的应用现状,提出了应用中出现的问题,并为未来的研究方向进行了初步的探讨。     

机器视觉技术在农产品品质自动识别中的应用(Ⅰ)

随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高,在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力。为了能充分利用国外的最新研究成果,该文分农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别等三个方面棕述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,以供我国研究人员做同类研究时参考。     

基于6S模型的遥感数据大气校正应用研究

基于辐射传输理论的大气校正模型,具有明确的物理意义,易于操作,应用广泛。该文首先对Landsat-5 TM图像大气校正参数的确定进行了详尽分析并采用6S模型对图像进行了大气校正,然后从光谱响应曲线、归一化植被指数(NDVI)等方面,探讨了大气校正对TM图像地物光谱响应特征的影响。研究表明,TM图像经大气校正后,地物在可见光,近红外和短波红外波段反射率明显减小;大气校正后的NDVI增幅明显;采用的参数确定方法可为类似研究提供参考与借鉴。     

机器视觉系统在桔瓣质量检测中的应用

开发了一套罐装线实时在线质量检测视觉系统，用于装罐前桔瓣上头发等细长形杂质检测，以保证产品质量。硬件系统采用了6台彩色CCD摄像头，两台计算机的处理结构。软件系统依据杂质和背景在颜色分布及形状大小等特征上的差异进行分离，其核心是一种用于二值图像特征区域提取的新型连通算子—面积重构算子，利用该算子平滑图像时不破坏对象轮廓完整的优点，结合改进的区域生长、区域消减等算法，形成了一套完整的检测算法。试验显示系统处理能力约30片/s，错误率仅2%。该系统能满足实时生产准确性和在线处理的要求，为其实用化、商品化奠定了基础。     

改进类圆随机Hough变换及其在油茶果实遮挡识别中的应用

为将目标油茶果实从树枝、树叶等外界遮挡中分离出来,以利于油茶采摘机器视觉的图像形态学识别,该文提出了一种改进的类圆随机Hough变换算法,在算法中添加了边缘预检测、快速定位圆心点等模块以提高算法的识别率。仿真结果表明,改进算法对遮挡果实的识别率较其他Hough遮挡识别算法有所提高,最高达到90.70%,识别时间为1.3s。该研究为采摘机器人的后续采摘工作打下了基础。     

基于特征递归融合YOLOv4网络模型的春见柑橘检测与计数

春见柑橘个体小、单株果树柑橘密集、柑橘之间的形态与颜色相似度高且易被树叶严重遮挡,这些特点给春见柑橘检测与计数带来了较大困难。该研究以实际春见果园环境中的春见柑橘作为检测与计数对象,提出了一种以春见柑橘为检测目标的基于特征递归融合YOLOv4网络模型（YOLOv4 network model based on recursive fusion of features,FR-YOLOv4）。针对春见柑橘尺寸小的特点,FR-YOLOv4网络模型的主干特征提取网络采用了感受野更小的CSPResNest50网络,降低了小尺寸目标的特征图传不到目标检测器中的可能性;针对春见柑橘被遮挡和密集分布的情况,采用了递归特征金字塔（Recursive Feature Pyramid,RFP）网络来进行特征递归融合,提高了对果园环境下春见柑橘的检测精度。试验结果表明：FR-YOLOv4网络模型对于果园环境中春见柑橘的平均检测精度为94.6%,视频检测帧率为51帧/s。FR-YOLOv4网络模型相比于YOLOv4、单次多框检测器（Single Shot Multi-Box Detector,SSD）、CenterNet和更快速卷积神经网络（Faster- Region-Convolutional Neural Networks,Faster R-CNN）的平均检测精度分别提高了8.9、29.3、14.1和16.2个百分点,视频检测帧率分别比SSD、Faster R-CNN提高了17和33帧/s。FR-YOLOv4网络模型对于实际果园环境中春见柑橘的检测精度高,具备检测实时性,适用于春见果园中春见柑橘检测与计数。     

基于彩色信息的树上柑橘识别研究

为正确识别自然环境中的树上水果,从而为机械手的运动提供参数并完成水果的自动采摘,研究了基于彩色信息的树上柑橘识别方法。在对53幅含有各种背景情况的可见光彩色图像进行颜色特征提取和理解的基础上,建立了利用柑橘、树叶、树枝在R-B颜色指标上的差异进行树上柑橘识别的颜色模型,并利用动态阈值法,根据图像特征动态产生阈值T,将柑橘从背景中分割出来。分别在顺光条件和逆光条件下进行了试验分析,试验结果表明该识别模型可以实现对树上可见的柑橘的识别,并适用于单个和多个果实的识别,正确识别率较高。     

基于6S模型的GF-1卫星影像大气校正及效果

高分一号(GF-1)卫星是中国高分系列卫星的首发星,自2013年4月成功发射以来,在中国农业遥感业务工作中得到了广泛应用,已成为中国大宗农作物种植面积遥感监测的主要数据源。该文基于6S(second simulation of a satellite signal in the solar spectrum)辐射传输模型原理,设计并实现了适合于GF-1卫星数据大气校正算法与程序。算法以GF-1卫星1级数据、元数据及传感器公开参数为输入数据,不需要其他外源辅助数据,经过辐射定标,计算各波段平均太阳辐射值、表观反射率,通过选择大气模式,驱动6S模型获取表观反射率转换为地表反射率的参数,逐像元计算影像地表反射率。在算法研制的基础上,应用Fortran和IDL语言编写了大气校正批处理程序,实现了大气校正过程的批处理。该文采用2014年4月3日、6月28日、11月2日,以及2015年1月19日4个时相北京地区GF1卫星WFV(wide field view)数据,分别代表春夏秋冬4个季节,通过与ENVI软件的FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)大气校正结果对比进行评估。2种方法 4个时相各波段全年相对偏差为3.26%,蓝光波段偏差最大为11.21%,其次是红、近红和绿光波段,分别为1.19%、0.73%和0.24%。作物覆盖区平均相对误差为12.99%,冬季最高为17.40%,秋季和春季分别为15.02%和14.15%,夏季相对差异最小为8.31%。各波段地表反射率的整体校正情况并未有太大差异,但6S校正后各波段反射率普遍比FLAASH校正结果略微偏高。2种校正结果计算的NDVI也基本一致,相对偏差0.64%;除水体外,绝对值差值的平均值均在0.0548以内。从计算效率来分析,6S模块实现了商用软件FLAASH模块中未提供的批量计算,在相同硬件环境下计算效率提高了75.0%以上。研究结果表明了该文开发的大气校正程序能够稳定批量处理GF-1卫星数据,可以作为农业遥感监测业务流程的组成部分。     

采用多光谱图像融合提高作物和杂草灰度比值

作物和杂草在图像中的灰度比值对识别率有着重要的影响。提出了一种利用多光谱图像融合的方法提高它们在图像中的灰度比值。为了采用多光谱图像,研制了基于黑白摄像机和多种滤光片的计算机控制的多光谱图像采集系统。在对洋葱(作物)、野芥末草(杂草)和土壤在多光谱图像中灰度比值研究的基础上,对多种多光谱图像融合方式进行了对比试验研究,发现以b+ir-g-r等图像融合方式给出了比较好的结果。把这些图像融合方式应用到图像识别中,其结果表明,多光谱图像融合方法比仅采用彩色分量的融合方法,其识别误差减少了22％。文中同时给出了评价作物、杂草和土壤在图像中灰度比值指标的方法。     

改进圆形Hough变换的田间红提葡萄果穗成熟度判别

针对田间环境下红提葡萄果穗成熟度人眼判断效率低且易误判的问题,该研究采用K近邻(K-nearest neighbor,KNN)算法和最大类间方差(Otsu)法分别对葡萄果穗图像背景分割以找到最佳分割效果,采用圆形Hough变换识别葡萄果粒,并开发了可判别葡萄果穗成熟度的算法。研究结果表明,不论顺光、逆光或者与田间背景相似的绿色果穗,KNN法可实现良好的背景分割,然后圆形Hough变换法在边缘阈值和灵敏度分别取0.15和0.942时,识别葡萄果粒的准确率可达96.56%。在此研究基础上,采用该研究开发的葡萄果穗成熟度判断算法,可根据颜色将果粒划分不同成熟度等级,并实现对果穗成熟度判别,判别准确率为91.14%。该研究结果可为果农适宜期收获葡萄及自动化采摘提供重要指导。     

基于三目视觉的自主导航拖拉机行驶轨迹预测方法及试验

为了实现自主导航拖拉机离开卫星定位系统时能够持续可靠工作,该文提出了基于三目视觉的拖拉机行驶轨迹预测方法。该方法将三目相机分解为长短基线2套双目视觉系统分时独立工作。通过检测相邻时刻农业环境中同一特征点的坐标变化反推拖拉机在水平方向上的运动矢量,并通过灰色模型预测未来时刻的运动矢量变化,最终建立不同速度下的前进方向误差模型。试验结果表明:拖拉机行驶速度为0.2 m/s时,46.5 s后前进方向误差超过0.1 m,对应行驶距离为9.3 m。行驶速度上升到0.5 m/s时,该时间和行驶距离分别降低到17.2 s和8.6 m。当行驶速度上升到0.8 m/s时,该时间和距离分别快速降低至8.5 s和6.8 m。行驶速度越高,前进方向误差增速越高。该方法可用于短时预测拖拉机的行驶轨迹,为自主导航控制提供依据。     

基于桔梅奇酵母冻干粉制备可湿性粉剂及其在柑橘上的应用

确保生防制剂的贮藏稳定性是保证微生物种群数量和生物防治效果不受影响的关键因素。为开发货架期较长且防治效果稳定的拮抗酵母生物制剂,该研究通过助剂的单因素筛选试验和混料试验研制出一种基于桔梅奇酵母冻干粉制备得到可湿性粉剂,经过升温加速贮藏试验预测制剂的贮藏稳定性,同时评价了制剂在离体和活体条件下对柑橘采后主要病害的控制效果。试验结果表明：试验筛选得到制剂优化配方的质量分数分别为皂角粉5.69%、亚甲基二萘磺酸钠8.74%、母粉85.57%。冻干制剂中酵母活菌数可达到4.72×108 CFU/g,贮藏稳定性试验表明,冻干制剂的贮藏稳定性较好,预测在4℃贮藏后制剂中酵母活菌数约为4.6×108 CFU/g。适当降低贮藏温度可延长冻干制剂贮藏期。离体试验发现,与新鲜酵母相比,液体制剂对柑橘采后病原菌的抑制作用无显著变化,抑菌圈可达到9 mm以上。在柑橘果实上能够有效控制柑橘果实采后青霉病、绿霉病、酸腐病和炭疽病,可将发病率降低约40%～70%。综上,对桔梅奇酵母进行制剂化能够延长其货架期并维持其对柑橘果实采后病害防治效果。     

土壤入渗性能自动测量系统原理与应用研究

土壤入渗性能对水资源转换利用、农业水管理等方面有着十分重要的作用。该文运用机器视觉及数字图像处理技术,开发了一套以线源入流方法为基础的土壤入渗性能自动测量系统。完成了对该系统的硬件设计、组集和系统软件的开发。利用数字摄像头对表征土壤入渗性能变化过程的线源水流在地表的推进过程进行实时采集截取图片,并对图片进行处理和分析,提取水流在地表推进过程中的湿润面积。根据测量土壤入渗性能的线源入流方法中的数学模型自动计算土壤水入渗率,并实时显示入渗性能曲线的变化过程。采用该系统进行了土壤入渗性能的室内验证试验,取得很好的效果,系统实现了实时测量、后台计算、实时显示土壤入渗性能曲线,结果表明测量误差为5.27％,说明了该测量系统的合理性和准确性。为土壤入渗性能的高效、自动化测量提供了工具。     

小波-智能优化支持向量机模型及其对农业可持续发展的评价

农业可持续发展评价是世界性农业研究的热点问题,也是我国新时代乡村振兴和农业现代化发展的重大课题。改革开放促进我国农业经济获得快速发展,但农业发展与农业资源及生态环境的矛盾严重。党的十八大以来,农业可持续发展被提到更加突出的位置。研究农业可持续发展评价具有重要意义。该文研究国内外农业可持续评价的相关文献,在小波变换、支持向量机、遗传算法、蚁群算法基础上,提出小波-智能优化支持向量机相结合评价方法,参考已有评价指标体系,结合中国的农业发展现实状况,建立农业可持续发展评价备选指标集。运用spss软件对150个初选指标进行显著性和相关性分析,确立包含62个指标的评价指标体系。运用一维离散平稳小波分析,数据消噪处理,遗传算法（Genetic Algorithm,GA）、蚁群算法（Ant Colony Optimization,ACO）,优化支持向量机参数（Support Vector Machine,SVM）,得出较好的惩罚参数、核函数、不敏感系数,再对支持向量机训练,该方法提高了训练准确度。对中国31个省（市）农业可持续发展进行小波-遗传算法优化支持向量机（GA-SVM）、小波-蚁群算法优化支持向量机（ACO-SVM）评价,并与GA-SVM、ACO-SVM农业可持续评价进行比较。评价与仿真结果表明,小波-GASVM农业可持续发展评价均方误差为9.641×10-5,相关系数为0.980;而GASVM在同样的训练集测试集下,得到的均方误差、相关系数分别为0.006、0.979。小波-ACOSVM农业可持续发展评价均方误差为9.318×10-5,相关系数为0.972;而ACO-SVM在同样的训练集测试集下,均方误差MSE、相关系数分别为0.016、0.953,小波-GASVM、小波-ACOSVM的农业可持续发展评价在预测精度和收敛速度上分别优于GA-SVM、ACO-SVM两种方法,小波-GASVM的农业可持续评价效果更理想.。通过改变测试集个数进行多次实验,同样验证小波-GASVM方法是可靠的。该研究为农业可持续发展评价提供方法参考。