计算机视觉系统下缺素番茄叶片彩色图像研究

基于计算机视觉系统分析研究缺素番茄叶片的色彩图像,可以准确提取出缺素番茄叶片色彩图像的特征。对当前缺素番茄叶片色彩图像特征提取中,可以运用计算机视觉,优化设计图像处理软件,依据番茄叶片颜色特征来完成缺素番茄叶片的识别。实验表明:基于计算机视觉系统,优化设计缺素番茄叶片色彩图像特征提取软件,可提升缺素番茄叶片色彩图像分析精度(提升32.0%),准确判断提取缺素番茄叶片图像的特征。基于计算机视觉系统,进行缺素番茄叶片的色彩图像特征提取,有效提高了缺素番茄叶片色彩图像分析精度,可在实践中推广应用该技术。     

基于计算机视觉的番茄营养元素亏缺识别研究

针对番茄种植中营养元素的亏缺,肉眼不易进行识别判断的问题,以番茄亏缺氮、镁营养元素为研究对象,利用CDD摄像机采集研究图像,将图像进行处理后,提取分割出可以表现亏缺氮、镁的特征图像,提取颜色特征和纹理特征,并通过遗传算法进行优化。同时,将优化的特征进行组合分析,以此建立特征模型,并确定特征向量用于分析提取出来的特征参数,建立的特征模型,并采用二叉树形式对番茄缺素识别进行研究。仿真试验结果表明:番茄种植中,采用计算机视觉技术识别亏缺氮、镁营养元素,识别准确率可以满足生产需要。种植户可以根据检测结果对番茄进行区别施肥,既能满足番茄生长的需要,又不会造成资源的浪费,符合农业可持续发展的要求。     

差分百分率直方图法提取缺素叶片纹理特征

针对基于计算机视觉技术对无土栽培番茄缺乏营养元素智能识别研究中，如何提取缺素叶片纹理特征问题，提出了差分百分率直方图法。特征有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响，实验验证该方法能较好地提取出缺素叶片纹理特征，最后利用K－的邻模式识别法进行模式识别，识别的准确率在80％以上。     

数字图像处理技术在苎麻缺素诊断中的应用研究

数字图像处理技术在农业上有着广泛的应用前景,是重要的农业信息化技术之一。文章阐述了图像处理技术在苎麻缺素诊断中图像预处理、特征值提取,诊断预测的应用过程,并对叶片图像分割的相关方法和纹理特征的提取算法进行了介绍。为指导科学施肥和监测苎麻的生长信息提供一定依据。     

基于叶面叶绿素分布特征的黄瓜叶片氮钾元素亏缺诊断

利用高光谱图像技术无损表征黄瓜叶片的叶绿素分布特征,并将其作为N、K元素亏缺诊断依据。采集黄瓜叶片的高光谱图像数据,利用高效液相色谱法分析黄瓜叶片的叶绿素含量,利用遗传算法建立叶片高光谱图像信号与叶绿素含量的对应关系,进而实现黄瓜叶片叶绿素分布图的无损检测。与对照组叶片的叶绿素分布图相比,缺N叶片主要表现为叶片中心区域叶绿素含量偏低,而缺K叶片主要表现为叶片边缘的局部区域叶绿素含量偏低。据此分别提取缺N、缺K叶片及对照组叶片的叶绿素及其分布特征(叶片中心区域所有像素点的叶绿素含量均值、叶片边缘区域叶绿素含量偏低的像素点数量),并借助提取的特征参数建立了N、K元素亏缺诊断方法,其正确诊断率为95%。研究结果表明,叶绿素叶面分布特征可有效实现黄瓜植株N、K元素的亏缺诊断。     

缺素叶片图像颜色和纹型特征参数提取的研究

利用计算机图像处理技术进行作物缺素判别，从颜色和纹理两个方面提取番茄缺氮、缺钾、缺铁和正常4种情况下叶片图像的特征参数，取得了较好的效果。     

基于深度学习的大豆生长期叶片缺素症状检测方法

为了检测作物叶片缺素,提出了一种基于神经网络的大豆叶片缺素视觉检测方法。在对大豆缺素叶片进行特征分析后,采用深度学习技术,利用Mask R-CNN模型对固定摄像头采集的叶片图像进行分割,以去除背景特征,并利用VGG16模型进行缺素分类。首先通过摄像头采集水培大豆叶片图像,对大豆叶片图像进行人工标记,建立大豆叶片图像分割任务的训练集和测试集,通过预训练确定模型的初始参数,并使用较低的学习率训练Mask RCNN模型,训练后的模型在测试集上对背景遮挡的大豆单叶片和多叶片分割的马修斯相关系数分别达到了0.847和0.788。通过预训练确定模型的初始参数,使用训练全连接层的方法训练VGG16模型,训练的模型在测试集上的分类准确率为89.42%。通过将特征明显的叶片归类为两类缺氮特征和4类缺磷特征,分析讨论了模型的不足之处。本文算法检测一幅100万像素的图像平均运行时间为0.8 s,且对复杂背景下大豆叶片缺素分类有较好的检测效果,可为农业自动化生产中植株缺素情况估计提供技术支持。     

基于多特征降维的植物叶片识别方法

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。     

基于计算机视觉的番茄营养元素亏缺的识别

以肉眼不易识别的番茄缺氮和缺钾初期为研究对象，对体现在叶片颜色和纹理上的缺素症状进行了特征提取，利用遗传算法对提取的众多缺素特征进行优化组合，选择出用于模式识别分类器设计的特征向量，建立了二叉树分类法对番茄缺素进行模式识别的框架，在该框架下，基于模糊K－近邻法建立了缺素的模式识别系统，并进行了识别测试。结果表明，对不易肉眼判别的番茄缺氮和缺钾初期叶片的识别准确度在85％以上，能够满足生产要求。     

基于径向基支持向量机的棉花虫害识别

针对棉花受棉蚜、棉叶螨、棉盲蝽、斜纹夜蛾和烟粉虱等害虫为害后叶片表面出现不同症状,利用计算机视觉技术识别棉花虫害.通过获取受害棉花叶片图像,预处理后转换至2G-R-B空间,结合Otsu算法实现色斑分割,提取色斑图像R变量、(R +G+B)/3变量的一阶矩、二阶矩和三阶矩为颜色特征,提取非色斑图像拓扑描述子和Hu不变矩为形状特征,提取2层双树复小波变换的细节图像均值和方差为纹理特征,并应用径向基支持向量机识别棉花棉蚜、棉叶螨、棉盲蝽、斜纹夜蛾、烟粉虱等虫害和正常叶片.试验结果表明,当径向基参数σ为3时,棉花虫害识别正确率达88.1％.     

基于ZigBee技术的棉田滴灌监测与控制系统

设计开发了基于ZigBee无线传感网络技术的棉田滴灌监测与控制系统。该系统通过无线传感网络实时采集土壤环境信息,使用自适应加权融合算法对各节点土壤湿度数据进行融合,根据融合数据发送电磁阀控制命令,完成实时监测自动灌溉;结合棉花不同生育期对需肥量和施肥浓度的要求,根据灌溉水量设置注肥比例,系统通过无线传感网络实时采集液态肥流量,实时监控施肥量,并根据施肥量发送施肥电磁阀控制命令,完成水肥一体化灌溉。工作过程中,系统可以将传感器采集的数据通过ZigBee无线网络协调器传输给上位机并实时显示和存储。通过试验验证,该系统可以按照设计要求实现灌溉和施肥的自动控制与检测。     

基于颜色特征的小麦抽穗扬花期麦穗识别计数*

识别小麦抽穗扬花期抽穗情况,可用于指导后期水肥管理、病害防治和产量预测等。为实现准确、自动地麦穗计数,提出一种基于颜色特征的麦穗计数方法。抽穗扬花期小麦麦穗与叶片、茎秆颜色非常接近,常见颜色特征并不能有效分割麦穗,通过彩色直方图均衡化和红绿归一化差异指数对麦穗进行有效提取。针对图像中麦穗粘连问题,利用改进Harris角点检测算法分别对垂直拍摄和45°夹角拍摄的小麦图像进行验证。通过样本图像进行计数试验,准确率分别为96.06%和94.74%。结果表明,经均衡化处理后麦穗、叶片和茎秆出现明显颜色色差,可以利用颜色特征提取大田环境下抽穗扬花期麦穗图像;麦穗细化后进行骨架交点检测,可用于粘连麦穗的准确计数。     

基于机器视觉的紧固套缺陷检测方法估计

针对紧固套缺陷检测中人工检测效率低等问题,设计了基于机器视觉的紧固套缺陷检测方法.首先根据紧固套的特点搭建了图像采集平台,突出缺陷特征;然后基于Halcon设计了相应的缺陷检测方法:先通过模板匹配的方法对检测区域定位;再使用基于频域图像差分的方法抑制干扰,突显缺陷特征;然后使用改进的动态阈值法得到缺陷备选图;最后使用面...     

基于改进CASREL的水稻施肥知识图谱信息抽取研究

为实现水稻施肥知识图谱自动化构建,为后续构建水稻施肥决策系统提供基础,定义了水稻施肥体系数据结构并制作水稻施肥数据集,结合水稻施肥数据特点,添加单位标注器,并改进CASREL解码加入隐藏层,提出了基于RoBERTa-wwm编码+改进CASREL解码的信息抽取模型,同时针对编码与解码环节进行试验对比。结果表明,基于该模型的F1值达到91.86%,与对比模型相比有较为显著的提升。基于改进RoBERTa-wwm-CASREL的信息抽取模型能有效提高水稻施肥信息抽取效果,为水稻施肥知识图谱构建以及施肥决策系统提供基础。     

水肥耦合对棉花产量和氮累积利用的影响

研究膜下滴灌施肥条件下,不同滴灌水量和滴灌施肥用量对棉花产量、氮素动态累积和氮素利用效率的影响。通过设置5个滴灌施肥水平和3个水分水平的完全组合处理以及一个不施肥对照处理,研究了水肥耦合对棉花干物质动态累积量、籽棉产量、氮动态累积量和氮素利用效率的影响。在收获后棉花地上部分器官质量从高到低依次为棉铃,茎秆和叶,而氮素主要集中在棉铃内部,其次是叶片,茎秆最少。灌溉水量显著增加了棉花叶片,茎秆和棉铃质量,从而增加了干物质量和籽棉产量,同时灌溉水量显著增加氮累积量和氮肥利用率。水肥对氮肥偏生产力,氮肥农学效率和氮肥生理利用率影响显著。灌溉水量降低至60%ETc会抑制棉花对氮素的吸收,使干物质量和籽棉产量下降,但可以显著提高氮肥利用率,氮肥偏生产力,氮肥农学效率。在本试验条件下,灌水量在380 mm,施肥量(N-P2O5-K2O)为(250-100-50)kg/hm2时,可以获得低于最高产量6%的籽棉产量,并节省15%的灌水量和16.7%施肥量。     

基于复杂环境的番茄叶部图像病虫害识别

针对复杂环境下番茄叶部图像因其背景复杂导致病害识别较为困难,以温室大棚内采集的番茄叶部图像作为研究对象,对番茄白粉病、早疫病和斑潜蝇三种常见病虫害,提出一种结合颜色纹理特征的基于支持向量机(SVM)的CCL-SVM的复杂环境番茄叶部图像病害识别方法。CCL-SVM方法为实现小样本及复杂背景环境下的快速识别,首先采用滑动窗口将原始番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像样本作为试验样本,从而实现样本数量和样本多样性的增加,并降低样本复杂背景的影响。通过对样本数据抽取颜色纹理特征(CCL),采用SVM模型对番茄早疫病、白粉病、斑潜蝇和健康叶片分类识别。试验结果表明,提出的CCL-SVM方法比Gray-SVM对番茄叶片病害种类的识别性能得到大幅提升,识别率从60.63%提升到97.5%;CCL-SVM方法识别精度高于对比的深度学习网络VGG16和Alexnet方法,且每个小区域图像的平均测试时间远低于深度学习网络。本文设计的CCL-SVM方法具有减小复杂背景影响,计算量小及系统要求低的优点,为复杂环境下番茄病害快速识别提供一种新的思路。     

水氮盐调控对膜下滴灌棉花产量的影响及耦合模型

为探讨水、盐、氮三因素对棉花生长的耦合效应及最优水肥制度,分别设置了4种灌溉定额(1 575,2 100,2 625,3 150 m³/hm²)、4种施氮量(0,150,300,450 kg/hm²)和4种土壤盐分(非盐化土、轻度、中度和重度盐化土),通过盆栽试验,研究了水、氮、盐对膜下滴灌棉花产量的影响.结果表明：灌溉定额、施氮量和土壤盐分与棉花产量之间符合回归模型,模型对水氮盐的耦合效果较好;单因素对棉花产量影响按因素排序由大到小为灌水量,土壤含盐量,施氮量;耦合作用的影响按因素排序由大到小为盐氮,水氮,水盐;水氮施加量对棉花产量的影响均存在阈值,低于此阈值,棉花增产效果较为明显;中、重度土壤盐分含量明显抑制棉花生长;通过回归模型进行耦合分析,最适合研究区的水肥盐耦合方式为轻盐土壤、灌溉定额2 677 m³/hm²和施氮量202 kg/hm².本研究可为盐碱区棉田水肥高效利用提供科学依据.     

棉花机械打顶关键技术研究进展

棉花打顶作为棉花种植过程的一个重要环节,对棉花产量与品质具有重要影响。针对我国棉花打顶机械的发展情况,分类总结近年来在棉花高度与顶端检测、打顶装置、控制系统等关键技术方面的研究现状,阐述各个关键技术的突破与创新。同时指出在棉花高度与顶端检测、打顶装置、控制系统等方面检测精度不足、切割可靠性与准确性差、打顶控制算法不完善等问题。提出未来打顶技术研究的发展方向,神经网络、5G通讯等技术可用于棉花打顶识别,创新优化打顶切割装置,先进智能控制算法应用解决棉花打顶控制问题,机器人等先进技术应用到打顶中,发展无人机打顶技术,结合水肥调控栽培技术,推进打顶机械与生产农艺相结合,最大限度减低棉花田间管理复杂度,提升棉花打顶效果,实现棉花机械打顶大规模应用。     

基于ZigBee技术与BP神经网络的棉田自动灌溉控制系统设计

针对新疆水资源紧缺、农业用水量大的一系列问题,基于ZigBee技术设计一种能够实现棉田自动灌溉系统,该系统进行了无线传感器网络节点设计,组建了模块化的设计方案包括信息采集模块、控制模块和通讯模块,通过采集模块采集到的模拟电压信号通过A/D转换成数字信号以便单片机进行处理。通过GPRS通讯模块将信息发送到由组态软件Labview设计人机交互界面,可以监控滴灌现场情况做出自动和手动调整。建立BP神经网络的监测预警模型,并利用这种计算量小的方法来实现稳定监测并达到预警稳定的效果。该系统运行稳定,能够实现数据采集,适用于棉田灌溉的实时监控。     

基于机器视觉的穴盘幼苗分级移栽系统设计与试验

针对穴盘幼苗工厂化生产中人工分级移栽劳动强度较大的问题,提出了基于机器视觉和图像处理自动分级方法,设计了一套穴盘幼苗分级移栽系统。首先,运用图像分割、模板匹配等方法提取穴盘幼苗叶面积、地径、株高3个特征,并以此训练SVM自动分级模型;然后,开发了基于Opencv3.6、Qt5的软件,实现了穴盘幼苗的实时在线分级;最后,使用穴盘幼苗分级移栽样机对7~10天的番茄幼苗进行自动分级移栽试验。结果表明:在平均移栽速度为9.6株/min时,移栽成功率为96.88%,分级正确率为95.83%,可以连续稳定工作,有效解决人工费时费力问题。