基于自动Hough变换累加阈值的蔬菜作物行提取方法研究

为解决机器视觉对生菜和绿甘蓝两种作物在整个生长时期内多环境变量对作物行识别影响的问题,同时提高机器视觉作物行识别算法的有效性,该文提出了一种基于自动Hough变换累加阈值的多作物行提取算法。首先,选用Lab颜色空间中与光照无关a分量对绿色作物进行提取,通过最优自适应阈值进行图像分割,并采用先闭后开形态学运算对杂草和作物边缘进行滤波。其次,采用双阈值分段垂直投影法对作物行特征点进行提取,通过对亮度投影视图中的目标像素占比阈值和噪声判断阈值设置,实现特征点位置判断和杂草噪声过滤,并对相邻特征点进行优化,剔除部分干扰特征。最后,采用Hough变化对特征点进行直线拟合,将不同Hough变换累加阈值获得的拟合直线映射到累加平面上,通过K-means聚类将累加平面数据聚类为与作物行数相同的类数,根据相机成像的透视原理提出基于聚类质心距离差和组内方差的最优累加阈值获取方法,将最优累加阈值下累加平面中的聚类质心作为识别出的真实作物行线。温室和田间试验表明,针对不同生长时期的生菜和绿甘蓝作物,该文算法均可有效识别出作物行线,最优阈值算法耗时小于1.5 s,作物行提取平均耗时为0.2 s,在田间和温室中作物行的平均识别准确率分别为94.6%、97.1%,识别准确率为100%的占比分别为86.7%和93.3%。研究结果为解决多环境变量影响因素下的算法鲁棒性和适用性问题提供依据。     

基于K-means聚类的植物叶片图像叶脉提取

植物的叶片是植物最基本、最主要的生命活动场所。叶脉的提取与分析对叶片和整株植物结构的分析有一定的应用价值。该文提出一种基于K-means聚类(clustering)的叶脉提取算法。该算法首先对叶片图像的HSI彩色空间中的I信息进行K-means聚类处理,根据聚类的结果提取叶片边界,并将叶片图像分为受光均匀和受光不均匀的2类。对于受光均匀的叶片图像在聚类结果中直接提取叶脉,而受光不均匀的叶片图像则需去除部分叶肉后再进行一次K-means聚类提取叶脉。结果表明:该算法能有效地降低叶脉提取的错分率。     

基于K-means和近邻回归算法的Kinect植株深度图像修复

针对Kinect传感器应用于农业植株检测产生的图像噪声问题,特别是由光线以及传感器自身局限导致的匹配图像目标植株数据的缺失,提出一种基于K-means和近邻回归算法的植株深度检测图像修复方法。首先对Kinect传感器获取的彩色RGB图像进行阈值分割预处理提取植株目标区域,再利用K-means聚类算法去除背景噪声,使得植株目标区域轮廓更加清晰;然后基于配准的彩色图像和深度图像,对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进行修复,再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配,并进行二次近邻回归算法修正错误的深度数据,最后获取目标植株深度信息的检测图像。试验结果证明,采用RGB阈值分割和K-means聚类算法植株目标区域分割误差均值为12.33%,比单一RGB阈值分割和K-means聚类分割误差降低了12.12和41.48个百分点;同时结合聚类后的彩色图像对深度数据进行两次近邻回归算法修复深度数据,能够提高深度数据边缘的清晰度,单帧深度数据空洞点进行修复数据的准确度提高。该研究结果可为农业植株检测、植株三维重构、精准对靶喷雾等提供参考。     

基于图像特征点粒子群聚类算法的麦田作物行检测

为了快速准确地提取麦田作物行中心线,提出了基于图像特征点粒子群聚类算法的麦田作物行检测。首先,对自然光照下获取的彩色图像运用"过绿颜色因子图像灰度化"、"Otsu图像二值化"、"左右边缘中间线检测提取作物行特征点算法"3步对图像进行预处理。然后,根据农田作物行中心线周围区域的特征点到该直线的距离均小于某一距离阈值的特征,运用粒子群优化算法对每一作物行的特征点分别进行聚类。最后,对每一类的特征点用最小二乘法进行直线拟合获取麦田作物行中心线。试验结果表明,该算法可以对作物断行、杂草、土块等复杂农田环境下的图像进行有效地作物行检测,识别率达95%,识别误差小于3°。与标准Hough算法相比,运行速率提升了一倍。该文可为实现农业机器人田间作业提供参考。     

基于多光谱图像和数据挖掘的多特征杂草识别方法

为满足变量喷洒对杂草识别正确率的要求,提出一种基于多光谱图像和数据挖掘的杂草多特征识别方法。首先对多光谱成像仪获取的玉米与杂草图像从CIR转换到Lab颜色空间,用K-means聚类算法将图像分为土壤和绿色植物,随后用形态学处理提取出植物叶片图像,在此基础上提取叶片形状、纹理及分形维数3类特征,并基于C4.5算法对杂草分别进行单特征和多特征组合的分类识别。试验结果表明,多特征识别率比单特征识别率高,3类特征组合后的识别率最高达到96.3%。为验证该文提出方法的有效性,将C4.5算法与BP算法以及SVM算法进行比较,试验结果表明C4.5算法的平均识别率高于另2种算法,该文提出的田间杂草快速识别方法是有效可行的。该文为玉米苗期精确喷洒除草剂提供技术依据。     

基于K-means聚类和椭圆拟合方法的白粉虱计数算法

为了能够对害虫的准确计数,该文以白粉虱为例,提出了一种基于K-means聚类和椭圆拟合方法的白粉虱计数算法。该方法首先利用K-means聚类算法对白粉虱图像进行分割,使白粉虱从背景图像中分离,然后利用基于最小二乘法的椭圆拟合方法对分割结果进行椭圆拟合,统计椭圆的个数,提取椭圆中心点的颜色特征值,将其作为新的分类中心,重新对白粉虱图像进行分割和椭圆个数的统计,最后将算法收敛时的椭圆个数作为当前白粉虱的个数。对辣椒、黄瓜、番茄和茄子4种作物叶片上附着的白粉虱进行了计数试验,该算法在这4种作物上的平均计数错误率依次为2.80%,8.51%,5.00%,1.56%,并且分别比阈值化方法和K-means聚类方法的平均计数错误率降低了11.65%和70.18%。试验结果表明:所提方法能够实现对不同作物上白粉虱的准确计数,且算法具有很好的泛化性。该研究结果可为虫害的检测以及采取正确的防治措施提供重要依据。     

基于3D激光雷达的鸡舍通道中心线检测方法

针对笼养鸡舍环境下光照强度弱、作业通道内狭小导致机器人巡检时通道中心线检测困难的问题,该研究利用3D激光雷达对鸡舍通道中心线进行获取。首先通过机器人搭载的3D激光雷达对鸡舍作业通道信息进行采集,利用直通滤波、地面点滤波、体素滤波、统计滤波和平面投影对获取的3D激光雷达点云数据进行预处理,获取XOY平面上的点云数据。通过改变K-means聚类初始点选择方式和聚类函数对预处理后的点云数据进行数据分类。利用改进RANSAC算法对分类后的数据进行处理,提取通道中心线。试验结果表明该研究提出的改进K-means聚类算法平均耗时6.98 ms,相较于传统的K-means聚类算法平均耗时减少了29.40 ms,准确率提高了82.41%。该研究提出的改进RANSAC算法中心线提取准确率为93.66%、平均误差角为0.89°、平均耗时为3.94 ms,比LSM算法得到的平均误差角高0.14°,平均耗时减少6.15 ms。表明该研究提出的鸡舍通道中心线检测方法基本满足笼养鸡舍环境实时自主导航的需求,为巡检机器人在鸡舍作业通道内进行激光雷达导航提供了技术支撑。     

无人机航拍林业虫害图像分割复合梯度分水岭算法

针对林业信息监测方式实时性差、监测范围有限等问题,为更加实时、准确地对林业虫害信息进行监测并计算监测样地中虫害区域比例,该文在搭建面向林区虫害监测的多旋翼无人飞行器航拍监测系统基础上,提出了一种基于复合梯度分水岭算法的图像分割方法。该方法引入全局直方图均衡化消除了图像暗纹理的影响,并采用形态学混合开闭重构滤波完成了图像样本的去噪处理。计算灰度图像各像素点的复合梯度实现了非相关区域(道路及裸地)的提取,最终利用分水岭算法实现了监测图像虫害区域的分割提取。利用该文所提算法对8幅虫害侵蚀程度不同的监测图像进行分割,并与传统分水岭算法、K-means聚类算法进行对比试验。试验结果表明,该文算法虫害区域提取的平均相对误差率分别降低6.56%、3.17%,平均相对极限测量精度分别改善7.19%、2.41%,能够相对准确地将虫害区域从监测图像中分割出来,可为后续林业虫害监测与防护提供参考。     

面向采摘机器人的棉花激光定位算法

为了定位棉株上的棉花,设计了1个激光测距试验装置,利用计算机图像处理技术和模式识别理论结合棉花的农学特性测量了单朵棉花的三维坐标。以0.004 m为X、Y轴的采样间距,获取传感器至棉株表面点云的距离图像;以传感器至棉花上表面的最长距离0.9 m为阈值对棉株距离图像进行二值化处理,去除地面背景;以棉枝的宽度0.01~0.02 m为结构元素尺寸,对二值图进行形态学开运算,去除棉枝,提取棉花区域。用欧氏距离计算像素之间的相似度,用Cophenetic相关系数选择质心距离为类间距离,以呈45°夹角棉枝的最小纵向间距0.17 m为阈值,对棉花距离图像进行层次聚类,分割粘连重叠的棉花,求取单朵棉花的三维坐标。结果表明,单朵棉花的识别率达96.67%,激光测距与手工测量结果之间的相关系数为0.9934。该研究为采摘机器人运动轨迹的规划提供了依据。     

基于欧氏距离最佳K均值聚类的超级电容组故障在线鉴别方法

为了提高超级电容组运行可靠性需要对故障电容进行在线鉴别,针对现有超级电容故障鉴别方法参数识别难度高和采集数据量大的问题,该文采用最佳K均值聚类方法在线检测故障超级电容器,并提出了最佳聚类的欧氏距离指标。该方法首先对在线电压信号数据进行预处理,采用奇异值分解提取特征值进行K-Means动态聚类并计算相应的欧氏距离指标,由最佳聚类结果鉴别出故障单体。针对该文提出方法设计了超级电容组充放电仿真试验进行验证。试验结果表明基于欧氏距离指标最佳K均值动态聚类的超级电容组故障在线鉴别方法可以根据串联单体电压信号进行故障检测。该文可为超级电容在线故障检测系统的开发与研制提供参考。     

基于农机空间运行轨迹的作业状态自动识别试验

以物联网为代表的现代信息技术在农机作业管理领域的发展应用,实现了农机作业过程的定位监控,但现有农机远程监管系统对海量农机空间位置数据仅实现了远程存储、显示和简单分析,难以满足农机精准管理和数据智能处理的要求。该文采用数据挖掘中的聚类和空间数据分析方法,结合农机空间运行轨迹的特点,研究了基于空间运行轨迹点的农机作业状态自动识别算法;设计实现了典型农机运行状态自动识别方法,定量分析了农机作业班次内田间作业时间、空行转移时间、停歇时间的量化构成。农机试验表明:发展的基于空间索引和网格密度的聚类算法精度达89%以上。农机作业状态自动识别为农机作业生产率、农机利用率和作业成本核算提供了定量依据。     

分布式移动农业病虫害图像采集与诊断系统设计与试验

为了便捷地采集和实时诊断农业病虫害图像,设计了一个分布式移动农业病虫害图像采集与诊断系统。该系统由多个便携式图像采集终端和一个图像处理服务器组成;其中,图像采集终端包括嵌入式相机、可伸缩的手持杆和装载控制App的手机;图像处理服务器包括农业病虫害诊断、信息记录和反馈模块等。手持杆可将安装在其前端的嵌入式相机送到人手或视觉难以企及的病虫害区域,手机可实时预览前端相机的拍摄画面和实现控制相机完成农业病虫害图像采集等功能;系统通过HTTP协议实现多个采集终端与图像处理服务器的数据交互,协同进行分布式计算,可以减少网络移动资费和服务器的负载。利用该系统对水稻纹枯病图像采集与诊断测试结果表明,该系统的图像采集终端可以便捷地采集到水稻纹枯病图像,手机端视频预览画面延时低,对相机控制命令无误,图像采集终端与服务器通信稳定,服务器端对水稻纹枯病图像处理和诊断实时,基于图像的水稻纹枯病为害等级诊断准确率为83.5%。如果服务器端加载不同的农业病虫害图像处理和诊断算法,该系统可广泛应用于各种农业病虫害图像的采集与诊断。     

像素自相关矩阵的阈值自适应角点检测算法

针对Harris角点检测算法中角点响应函数(corner response function,CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,该文提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进Harris角点检测算法.该算法首先通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式值,以此构造特征角点图像;然后采用OTSU算法计算特征角点图像分割阈值,从而筛选出预选区域;最后结合改进的非极大值抑制方法提取有效角点.通过5组角点检测对比试验结果数据分析,不同类型图像的角点检测准确率均有提高,高分二号遥感影像的角点检测准确率提高27.06个百分点,可以初步得出,该算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的精确度,该研究可为农业遥感影像数据检测提供参考.     

基于Web数据的农业网络信息自动采集与分类系统

为了快速、高效地获取农业Web信息,解决信息孤岛和信息不对称的问题,重点研究了农业Web数据自动采集与抽取、基于SVM(support vector machine)的文本分类、物联网异构数据采集等技术,并采用统一建模语言(unified modeling language,UML)描述了农业网络信息自动采集与分类系统。该系统实现了农业网站、物联网数据的自动抓取和共享,为用户提供农业资讯、农产品市场行情、供求信息在线查询,环境数据实时监测和个性化信息服务等功能。应用结果表明,该系统对样本集网站的信息抓取准确率为98.2%,资讯分类准确率为92.5%,具有数据采集实时性强、用户参与度好、通用性高等特点,该系统为农业信息整合和服务提供参考。     

利用IANN建立县域种植业可持续发展预警模型

区域种植业系统的生存和发展易受到来自种植业经济社会、资源和环境等因素的干扰,使其可能偏离正常的运行轨道,产生各种警情。该文基于加权主成分分析算法,从优化网络初始权值入手,对误差反传BP算法进行改良,形成快速收敛和高精度的加权主成分网络模型WPCA-NN。从而将黄色预警法与非线性模拟方法巧妙结合,建立了科学合理的短期县域种植业可持续性预警指标体系和模型体系,并以黄河下游沿岸典型县市垦利和封丘为案例进行了实证研究。研究表明:1)种植业可持续性的空间尺度属性非常重要,以改进人工神经网络(IANN)为核心的县域种植业可持续性预警模型体系具有良好的可操作性。2)WPCA-NN既能反映决策者对各指标的偏好程度,又能规避经典BP算法学习速度慢和易陷入局部极小的缺陷。3)县域种植业可持续性预警实证分析达到预期结果并符合实际。2010-2014年两县警情以轻警和中警为主,资源和环境方面警兆的异常波动,尤其是权重较大的警兆指标对警情有着更为直接的影响。     

肉鸡安全生产全过程跟踪与可追溯平台的设计

以国家肉鸡产业技术体系项目为研究背景,开发了包含雏鸡生产子系统、肉鸡生产子系统、肉鸡屠宰加工子系统、肉鸡储运子系统、肉鸡销售子系统、体系管理部门子系统、检验检疫子系统和一个用于各个子系统登录、消费者查询及体系管理部门信息发布的网站系统的肉鸡安全生产全过程跟踪与可追溯平台。首先用UML进行面向对象系统分析,再采用Java EE构架,以Java和Action Script3.0作为设计语言,结合SQL Server 2005数据库管理系统和Apache Tomcat 6.0 Web服务器进行设计实现。用Flex技术开发的视频即时通信可进行在线咨询和在线诊断。该平台实现了肉鸡从生产、屠宰加工、冷链储运到销售所有环节信息的跟踪与可追溯,具备肉鸡养殖疫情与产品质量安全预警功能,从生产管理各环节保证了肉鸡产品安全。     

基于偏好免疫网络和SVM算法的油茶果多特征识别

针对油茶果采摘脱壳后存在的果壳籽粒分选效率较低的问题，该研究提出了一种结合人工免疫网络（aiNet）与支持向量机（Support Vector Machine）的多特征智能分选算法。该方法利用了免疫算法的多特征聚类特点与支持向量机的二分性特点，对油茶果壳与籽粒的延伸率、圆形度、圆满度、色差分量等6个特征进行分选。试验结果表明，该研究提出的方法在分选效率上达到了97.4%，时间平均值为600 ms，证明了这种方法在油茶果壳籽粒分选作业中的实时性与有效性。通过与其他智能分选算法的效率对比分析证明，该研究提出的方法在效率上更优，更加适合油茶脱壳生产线的实时性要求。     

呼叫中心与专家系统耦合的农业知识获取方法

为了满足全国各地农民借助于农村普及率高的电话获取农业知识的需求,该文综合利用呼叫中心平台和专家系统开发技术,设计了一种呼叫中心与专家系统耦合的农业知识获取方法.该方法采用呼叫中心的数据库触发器技术与专家系统的事件监听器技术相结合的方案,实现了呼叫中心的IVR流程对专家系统知识库的自动调用,而无需为呼叫中心重新设计推理算...