基于图像处理的农作物病害识别研究现状

农作物病害种类繁多,直接影响农作物的产量和品质,造成不可估量的损失.利用图像处理和模式识别技术简便、快速的识别农作物病害,为及时采取防治措施提供必要信息.为此,对图像处理在农作物的病害识别进行全面地论述.首先简单地介绍了图像处理在农作物病害识别中的重要性和概述,然后分别从国外和国内两个方面论述图像处理在农作物病害识别中的进展,最后指出了当今国内外研究中存在的问题和今后进一步研究的方向.     

高光谱技术在农作物营养信息诊断中的应用

概述了高光谱遥感分析技术在农作物营养诊断方面的应用状况,着重介绍了诊断农作物的主要生化参数,如氮素、叶绿素、叶面积指数(LAI)和水分等多项指标的研究进展,并对高光谱遥感技术在作物营养诊断与检测方面的研究进行了展望。     

四旋翼飞行器在农业病虫害识别中的应用研究

农作物病虫害问题已然是农业生产中的一例顽疾,不仅导致了农作物大规模的减产减质,还造成了巨大的经济损失。本文针对农作物病虫害问题,提出采用以四旋翼飞行器为基础,通过航拍监控系统进行图像实时传输,利用图像处理技术识别农作物病虫害的研究方法。本文阐述了图像处理技术应用于农作物病虫害的防治,经过有效的图像处理方法,在农作物病虫害防治技术方面取得了很好的效果。     

农作物苗期长势无损监测技术研究进展

农作物的苗期生长是一个复杂的生理生化及代谢过程,苗期的生长发育直接影响到作物的生物产量、经济产量、营养品质及其安全性。农作物苗期长势监测对于作物肥水管理、病虫害防治具有指导作用,是精细农业和数字农业的关键技术之一。该文从农作物苗期生长形态检测、营养组分检测和病虫害诊断3个方面,详细阐述了各种无损检测技术,如机器视觉技术、激光漫反射技术、荧光测量技术和反射光谱分析技术等在作物苗期长势监测中的应用进展。国内外学者对上述技术进行了较深入的理论方法研究,部分技术已在实践中得到广泛应用,但目前作物无损检测技术大多强调单一信息的获取及分析,随着数字农业和智慧农业的发展,未来将更加强调多源、多尺度数据的获取及形态、养分、病虫害综合信息的提取。作物苗期长势的监测数据将与精准农业的联系更加紧密,为农事操作提供传感信息,形成智能化的农业施工、调优栽培与管理决策系统。      

计算机图像处理技术及其在农业工程中的应用

在农业工程中运用计算机图像处理技术可以提升农业工程的设计和建设质量,有助于农业的发展和进步。计算机图像处理技术农业工程中的应用主要包括监测农作物长势、病虫草害诊断、农作物自动收获等。运用图像处理技术可促进农业工程向自动化、智能化的方向发展。     

作物生长信息智能监测方法研究进展

作物营养信息智能监测是数字农业的研究方向之一。随着计算机技术、图像处理技术、光谱技术的发展,基于现代技术的智能诊断方法正在逐渐兴起。为此,介绍了作物生长信息智能监测中机器视觉技术和光谱技术的理论基础、国内外研究现状、发展趋势及关键技术,讨论了作物营养信息智能监测的前景。     

嵌入式水稻氮素营养检测仪的研究与设计

针对水稻氮素营养实时检测的问题,设计了一种基于嵌入式技术的利用水稻叶片颜色特征进行氮素营养水平检测的系统。首先提取不同氮素营养水平下的水稻样本叶片图像的RGB颜色特征,并对各颜色特征值与水稻全株含氮量进行相关性分析。其中颜色特征G和2G-R-B分量的相关性高于其它,分别为-0.761 1和-0.742 1,进一步对叶片不同位置的G和2G-R-B分量与全株含氮量进行相关性分析得出叶片中部2G-R-B分量与全株含氮量间相关性最高,达0.765 6。以此为依据,结合Open CV图像处理技术和Qt4.5跨平台用户界面框架技术,最终实现系统的嵌入式设计。针对设定样本检测结果表明,系统对各营养水平稻株识别准确率均超过90%,且具有良好实时性与便携性,能够满足水稻氮素营养水平实时检测需要。     

图像处理技术在农机测试中的应用

为了保障农机测试的结果精准、合理,要应用智能处理技术,实现农机设计、运行等各环节的检测。其中,图像处理标准已涉及农业领域,借助图像的高精度,就反馈的信息数据实现集中整合,了解图像处理技术的标准特点。本研究通过多图像对比方式,完成农业机械的正常快速检测,使农机合理运行。笔者分析了图像处理技术的概念、特点、功能,并就其在农机测试中的应用展开论述。分析结果表明,图像处理技术具有高度的灵活性和开放性,可以与计算机系统保持同步,将拍摄到的图像返回至数据库,实现对比分析。既可以提高最终的检测精度,也可以降低成本。     

植物生理信息无损检测研究进展

利用无损检测技术可迅速、准确和实时地获取植物生理信息,分析植物生长状况,对于植物研究和指导生产等具有重要意义.通过对大量参考文献进行分析发现,国内外无损检测技术的发展以光谱分析技术、图像处理技术、植物电信号分析技术和叶绿素荧光分析技术4个方面发展最快,且发展潜力最大.为此,针对这4种技术在植物生理信息检测领域中的研究情况进行分析和总结,并指出了完善植物生理信息无损检测技术的前景及难点.     

基于图像处理技术的叶面积检测研究

介绍了基于图像处理技术的叶面积检测法.从单片叶面积检测、病虫害损伤叶分析与面积检测、植株总叶面积检测3个方面综述了国内外图像处理技术在叶面积检测中的研究进展情况,并指出了应用图像处理技术检测叶面积还需进一步解决的问题.     

计算机图像技术在农业工程中的应用

随着计算机与图像处理技术的发展,计算机图像技术已经应用到农业工程领域,并在农机工程、农学研究及精确农业等许多方面取得了重大成果。为此,介绍了计算机图像技术与相关学科的相互关系及主要组成,讨论了其在农机工程领域、农学研究领域中的研究与应用情况,并分析了计算机图像技术在农业工程应用所存在的主要问题和发展趋势。     

基于机器视觉的杂草实时采集与处理算法的研究

随着计算机技术的不断进步,机器视觉技术在包括农业工程的各个领域的应用与研究中得到了广泛的发展,机器视觉在杂草实时采集与识别的技术研究中已成为科学工作者们的主要研究方向。为此,研究了杂草图像的实时采集、处理算法以及软件系统的开发,并利用现有的实验平台作为模拟试验系统。     

基于遗传规划的植物分类识别方法

数字图像处理技术已经在我国各个领域得到了广泛的应用,但其在农业中的应用程度要远远落后于其他领域.植物叶片是植物最直观的特征,为此对植物叶片进行研究,按照叶片特征进行图像分割和识别,将图像处理、遗传规划等技术与农业技术紧密结合起来,从而推动我国农业现代化的发展.该识别方法可广泛应用于农业与林业的农作物和中草药生长调查等方面,具有良好的市场前景.     

光谱技术在作物病虫害检测中的研究进展及展望

光谱技术检测作物病虫害具有无损、快速、准确等优点.为了充分利用国内外的研究成果,促进我国在该领域的研究与应用,从作物病害和虫害两个方面,综述了基于可见光(包括图像处理)、近红外方法的光谱处理技术在作物病虫害无损检测中的研究进展,分析了各种方法的优缺点.同时,提出了今后应从特征波长选取、早期病虫害检测、实时检测、图像与光谱结合等方面开展深入研究,以实现病虫害的自动检测.     

用图像处理技术检测精密排种器性能

运用计算机图像处理技术，建立了精密排种器性能检测系统，通过种子动态图像的详细分析，采用图像增强、平滑、锐化及分割等预处理方法，有效地提高了图像质量；提出了根据种子的面积和种子间距检测精密排种器性能的特征提取方式。检测试验表明，检测系统精度满足精密排种器性能检测要求。     

计算机视觉技术及其在农业机械中的研究与应用

随着计算机技术与图像处理技术的发展，计算机视觉技术在农业工程领域中应用研究发展非常迅速。本文介绍了计算机视觉技术的基本组成及工作原理，并较为全面地概述了其在农业机械中研究与应用状况。     

果园喷雾靶标探测技术现状分析

果园靶标探测技术是果园精准施药技术的关键。为此,分析了红外探测技术、超声波探测技术、激光探测技术及图像技术等在靶标探测中的应用。同时,介绍了基于红外光电技术实现最基本的靶标有无探测和靶标距离测量的靶标探测系统;介绍了利用超声波传感器和激光雷达扫描仪对靶标进行距离扫描,通过获得的靶标距离点云数据构建了靶标的数字三维模型方法;介绍了利用图像处理技术获取靶标叶面积指数和三维模型的探测系统。靶标探测技术虽有一定的发展,但还处于试验研究阶段,其将朝着实用化、产品化和低成本化方向发展,为对靶精准施药提供更有力的变量控制依据。     

数字图像处理技术在农产品方面的应用

随着计算机与图像处理技术的发展,数字图像处理技术已广泛应用到农业工程领域,尤其是在农产品方面的应用已取得了重大成果.为此,从3方面介绍了数字图像处理技术在农产品方面的研究进展及其应用现状,并分析了目前应用中存在的技术难题及进一步研究的展望,旨在对后续研究和完善精细农业提供必要的参考.     

农作物病虫害遥感监测关键技术研究进展与展望

病虫害是影响农作物健康生长、产量和质量的制约因素之一,加强农作物病虫害的监测,对农作物病虫害进行精准防控,对保障粮食安全,提高农产品产量和质量具有重要意义。随着信息技术的发展,农作物病虫害监测由传统的人工监测逐渐向自动化、信息化和智能化方向发展。农作物病虫害监测平台、监测传感器技术以及相关的数据分析和处理技术是研究农作物病虫害遥感监测的关键技术,这些关键技术的发展水平,决定了农作物病虫害遥感监测技术的发展水平。本文从监测平台、监测传感器技术和相关数据分析与处理技术3方面对农作物病虫害监测技术研究进展进行综述。在监测平台方面,归纳总结了地面监测平台、航空监测平台和卫星监测平台的国内外研究现状,并分析了上述平台优缺点;在监测传感器技术方面,综述了雷达传感器、图像传感器、热成像传感器和光谱传感器等在作物病虫害领域的研究进展;在相关数据分析与处理技术方面,阐述了经典统计算法、计算机图像处理算法、机器学习算法和深度学习算法在农作物病虫害监测领域的研究成果。最后提出了监测平台、监测传感器技术和相关数据分析与处理技术的未来发展趋势,以期为进一步促进我国农作物病虫害监测平台及相关技术的发展提供参考。