形态学多尺度重建结合凹点匹配分割枸杞图像

针对枸杞分级过程中因图像噪声、光照不均匀和粘连等造成枸杞难以准确分割的问题,提出了一种基于形态学多尺度开闭重建结合凹点匹配的分割方法。首先提取原始图像的红色分量去除枸杞光照阴影噪声,利用形态学多尺度混合开闭重建对红色分量图像进行重建,平滑枸杞内部而保留轮廓边缘信息;然后采用8邻域跟踪算法提取粘连枸杞轮廓边缘;最后运用圆形模板检测粘连枸杞的轮廓凹点,以凹点间最短欧氏距离为匹配条件连接凹点对,并对匹配错误的凹点对进行修正,实现粘连枸杞分割。试验结果表明,该文方法分割准确率较高,而过分割率较低,相比标记控制的分水岭和直接凹点匹配分割等方法,对粘连枸杞分割效果较好,分割准确率可达到96%。该研究可为枸杞分割技术提供理论支撑。     

相机与毫米波雷达融合检测农机前方田埂

为满足自主作业农机地头转弯的需求,解决单传感器检测获取信息不足的问题,该研究提出了将相机与毫米波雷达所获取数据融合的多传感前方田埂检测方案,利用视觉检测得到田埂形状后辅助滤除毫米波雷达中干扰点进而得到田埂的距离和高度信息。在视觉检测方面,根据前方田埂在图像中的分布特点,提出了基于渐变重采样选取部分点的加速处理方式,并在此基础上利用基于11维颜色纹理特征的支持向量机进行图像分割和基于等宽假设的几何模型特征进行误分类点剔除,然后拟合提取图像中田埂边界。在毫米波雷达检测方面,提出了竖直放置毫米波雷达的检测方式,以克服安装高度与地形颠簸的影响,并获得前方田埂的高度信息。将相机与毫米波雷达获取的数据进行时空对齐后,利用视觉检测结果滤除毫米波雷达干扰点,并将毫米波雷达获得的单点距离信息进行扩展,形成维度上的数据互补,获得前方田埂的形状、距离、高度等更加丰富准确的信息。测试结果表明,在Nvidia Jetson TX2主控制器上,基于视觉的检测平均用时40.83 ms,准确率95.67%,平均角度偏差0.67°,平均偏移量检测偏差2.69%;基于融合算法的检测平均距离检测偏差0.11 m,距离检测标准差6.93 cm,平均高度检测偏差0.13 m,高度检测标准差0.19 m,可以满足自主作业农机的实时性与准确性要求。     

矮化密植枣园收获作业视觉导航路径提取

针对矮化密植枣园环境的复杂性,提出一种基于图像处理的枣园导航基准线生成算法。选用B分量图进行处理,提出"行阈值分割"方法分割树干与背景;根据拍摄场景及视角提出"行间区域"方法剔除行间噪声;通过统计树干与地面交点位置分布区域选取图像五分之二向下区域进行处理;依据树干纵向灰度分布规律,采用浮动窗口灰度垂直投影方法结合形态学开闭运算提取树干区域;基于枣园行间线性分布特征引入"趋势线",而后利用点到直线的距离与设定阈值作比较选取树干与地面的交点;利用交点的位置分布将其归类,并采用最小二乘法原理拟合左右两侧边缘,提取边缘线上各行的几何中心点生成枣园导航基准线。通过对阴天、晴天、顺光、逆光、噪声多元叠加5种条件进行试验,结果表明,该算法具有一定的抗噪性能,单一工况条件导航基准线生成准确率可达83.4%以上,多工况条件准确率为45%。针对5种工况条件的视频检测,结果表明,单一工况条件算法动态检测准确率可达81.3%以上,每帧图像处理平均耗时低于1.7 s,多工况条件检测准确率为42.3%,每帧图像平均耗时1.0 s。该研究可为矮化密植果园实现机器人自主导航作业提供参考。     

基于电阻抗成像的植物单根断层图像重建

为了实现植物根系结构形态的原位检测,植物根系单根的断层图像重建研究非常必要。该文应用动态电阻抗成像技术对土壤-树根模拟系统进行了图像重建,对重建图像进行二值化处理并求出树根在该系统中的位置坐标、面积和形状,并以树根的位置坐标、面积及形状的相对偏差为指标,分析了图像重建算法、土壤含水率2个因素对成像质量的影响。结果表明：电阻抗成像技术能够实现树木单根断层图像重建;将重建图像进行二值化处理,所得图像更加直观,便于定量评价成像质量;基于Newton单步残差正则化的一步牛顿误差重构（Newton's one-step error reconsruction,NOSER）算法,比基于全变差正则化的主双-内点模式（primal dual-interior point method,PD-IPM）算法的成像质量好;土壤含水率越高成像质量越好。该研究为基于电阻抗成像技术的植物根系结构形态的图像重建提供参考。     

基于改进YOLOv3的果树树干识别和定位

为提高果园机器人自主导航和果园作业的质量、效率,该研究提出一种基于改进YOLOv3算法对果树树干进行识别,并通过双目相机进行定位的方法。首先,该算法将SENet注意力机制模块融合至Darknet53特征提取网络的残差模块中,SENet模块可增强有用特征信息提取,压缩无用特征信息,进而得到改进后残差网络模块SE-Res模块;其次,通过K-means聚类算法将原始YOLOv3模型的锚框信息更新。果树树干定位通过双目相机的左、右相机对图像进行采集,分别传输至改进YOLOv3模型中进行果树树干检测,并输出检测框的信息,再通过输出的检测框信息对左、右相机采集到的果树树干进行匹配;最后,通过双目相机三角定位原理对果树树干进行定位。试验表明,该方法能较好地对果树树干进行识别和定位,改进YOLOv3模型平均精确率和平均召回率分别为97.54%和91.79%,耗时为0.046 s/帧。在果树树干定位试验中,横向和纵向的定位误差均值分别为0.039 和0.266 m,误差比均值为3.84%和2.08%;与原始YOLOv3和原始SSD模型相比,横向和纵向的定位误差比均值分别降低了15.44、14.17个百分点和21.58、20.43个百分点。研究结果表明,该方法能够在果园机器人自主导航、开沟施肥、割草和农药喷洒等作业中进行果树识别和定位,为提高作业效率、保障作业质量奠定理论基础。     

基于毫米波雷达的果园单木冠层信息提取

为解决当前果园探测技术难以在恶劣的果园环境中提取果树冠层信息的问题。该研究将毫米波雷达应用于果园冠层探测,搭建了基于毫米波雷达的果园冠层探测系统,利用该系统扫描得到了果园点云,检测和估算得到每棵果树的株高、冠幅和体积参数。针对毫米波雷达在不同距离下产生点云密度不同的问题,该研究提出了一种基于可变轴的椭球模型自适应密度聚类算法,用以提高果树点云识别效果,进而使用Alpha-shape算法和随机抽样一致算法（Random Sample Consensus）对果树进行了表面重建和结构参数的提取。通过与人工测量数据比较,该研究提出的聚类算法可以有效的识别和提取单木冠层点云,代表果树识别精度的 F1 分数为 93.7%;检测到的果树的株高和冠幅的平均相对误差分别为8.7%和8.1%,决定系数分别为0.84和0.92,均方根误差分别为16.39和7.82 cm;使用Alpha-shape算法计算得到平均果树体积为5.6 m3,相比传统几何法测量体积,体积计算准确度提高了59.4%。该研究表明毫米波雷达可以用于果园冠层信息的准确提取,为采集果园冠层信息提供了技术,对农业信息采集和自动化作业技术的发展具有重要意义。     

基于改进YOLOv7的果园行间导航线检测

在复杂果园环境中，传统机器视觉算法难以处理光影变化、遮挡、杂草等因素的干扰，导致导航道路分割不准确。针对此问题，该研究提出了一种改进YOLOv7的果园内导航线检测方法。将注意力机制模块(convolutional block attention module，CBAM)引入到原始YOLOv7模型的检测头网络中，增强果树目标特征，削弱背景干扰；在ELAN-H(efficient layer aggregation networks-head，ELAN-H)模块和Repconv(re-parameterization convolution，Repconv)模块之间引入SPD-Conv(space-to-depth，non-strided convolution，SPD-Conv)模块，提高模型对低分辨率图像或小尺寸目标的检测能力。以树干根部中点作为导航定位基点，利用改进YOLOv7模型得到两侧果树行线的定位参照点，然后利用最小二乘法拟合两侧果树行线和导航线。试验结果表明，改进YOLOv7模型检测精度为95.21%，检测速度为42.07帧/s，相比于原始YOLOv7模型分别提升了2.31个百分点和4.85帧/s，能够较为准确地识别出树干，且对树干较密的枣园图像也能达到较好的检测效果；提取到的定位参照点与人工标记树干中点的平均误差为8.85 cm，拟合导航线与人工观测导航线的平均偏差为4.90 cm，处理1帧图像平均耗时为0.044 s，能够满足果园内导航需求。     

基于超声波传感器和DGPS的果树冠径检测

为实现果园果树的仿形精确喷雾，适时获取果树冠径信息，采用超声波传感器，GPS接受机和电子罗盘等在拖拉机上建立了一套果树冠径检测试验系统。并在室外对5个圆柱规则外形树冠进行了检测试验。试验分别采用4种树冠直径检测计算方法，并选择0.31 m/s和0.65 m/s两种不同拖拉机行驶速度进行检测。采用误差分析的方法检验果树冠径检测系统的实际检测效果。误差分析表明拖拉机分别以0.31 m/s和0.65 m/s速度行驶时，应用超声波探测果树树冠两个轮廓边缘计算5个树冠直径的平均相对误差分别为5.54%和5.80%。用电子罗盘和DGPS数据进行加权平均融合修正拖拉机行驶轨迹，由超声波检测到的果树两个轮廓边缘的位置信息计算果树直径，在两种检测速度下的平均相对误差为14.38%。研究结果为果树仿行喷雾控制和果园果树生长信息采集提供了技术方法。     

无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging,LiDAR）检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model,CHM）;使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation,MCWS）对果树进行单木树冠检测与提取,通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法有效地实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为94.86%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。     

基于双轮廓同步跟踪的果树枝干提取及三维重建

自适应果实振动收获是利用机器视觉技术识别果树的几何参数,从而分析其动力学特性并用来自动调整振动设备的参数,达到高效低损伤的作业目的。该文以自然生长的无叶山核桃树为研究对象,根据果实自适应振动收获方式的需要,研究了一种基于双轮廓同步跟踪提取果树枝干并利用双目视觉技术进行三维重建的方法。首先结合自适应阈值分割算法和轮廓跟踪技术提取果树枝干区域,细化后得到枝干骨架并用二叉树结构描述。然后根据极线约束和拓扑结构建立双视图中树枝的对应关系。考虑到果树树枝形状的连续性,在三维重建过程中引入了曲率约束,从而提高了重建的效果。最后利用植物学的营养管道输送模型,结合线性回归方法参数化树枝半径。试验结果显示,重建的三维果树枝干形态与真实果树在视觉上很接近,估计的半径与测量半径之间的相对误差小于9%。该研究可为果树动力学模型的创建提供树体的3D结构参数,从而为果实的自适应振动收获技术提供参考。     

基于深度神经网络的探地雷达杂波抑制和根参数预测方法

为解决探地雷达（ground penetrating radar, GPR）异质土壤环境下树木根系检测图像存在背景杂波,影响检测精度,并且其数据的解译自动化程度低、成本高的问题,该研究提出一种基于深度神经网络（deep neural networks, DNN）的探地雷达杂波抑制和根参数预测方法。首先引入注意力机制优化U-net模型构成杂波抑制网络,更好地关注目标根系的双曲线反射,去除土壤异质性和雷达天线之间耦合带来的杂波影响,然后将杂波抑制前后的两张图像并行输入根参数估计网络,利用inception的多尺度感受野,挖掘全局特征和局部特征,同时预测根深度和根半径。利用仿真数据和合成真实数据构成的数据集验证方法的可行性,并完成了实地埋根试验。基于数据集的试验结果表明,该方法对于根半径预测的平均绝对误差为1.7 mm,R²值为0.914,根深度预测的平均绝对误差为6.3 mm,R²值为0.989;埋根试验的结果证明该方法对于根半径预测的最大误差为1.85 mm,根深度预测的最大误差为13.6 mm,平均相对误差为6.55%,实现了对根半径和根深度的准确预测。研究结果有助于为果树健康管理以及为古树名木保护提供决策参考。     

基于无人机倾斜航空影像的树冠体积测算方法

树冠是结构复杂的不规则体,对树冠体积的精确测定一直是树木测量研究中的难点问题。该文以消费级多旋翼无人机对目标树木进行倾斜摄影获取的多角度航空影像为基础,通过空三加密处理生成目标树木的三维点云模型;用等高线法分割树冠点云,并确定树冠最优分割层数;用投影法对点云数据进行转化,并选取测算点计算树高和树冠任意横截面积;对分割后各规则体的体积进行累加获得树冠体积。结果表明:8棵目标树木的树高测算值相对误差为1.46%～4.10%,平均相对误差为2.88%;树冠体积测算值的相对误差为6.95%～12.39%,平均相对误差为9.42%;精度均可满足林业调查中对于树高和树冠体积测量结果的要求。利用无人机倾斜航空影像建立单木的三维点云模型并进行树冠体积测算的方法是可行且有效的,该方法可为研究单木树冠几何参数的提取提供参考。     

Do Ural owls (Strix uralensis) suffer from the lack of nest sites in managed forests?

Nest site availability, preferences and quality for Ural owls (Strix uralensis) were studied in managed forests and a large nature reserve in Estonia. The owl's density was relatively higher in the reserve. Ural owls bred in tree cavities and stick nests, but preferred the cavities. Suitable cavities were very rare compared to stick nests, and most cavities were found in the reserve. Pairs having no suitable cavities in their territories started to breed less frequently, but no difference was detected in young produced per breeding attempt between cavity nests and stick nests. Used cavities and stick nests as well as unused stick nests were situated in similar stands and landscapes, but nest tree and nest characteristics of cavity nests were distinct. The study shows that in managed forests the lack of large snags and tree cavities may limit the numbers of Ural owls, which accept these structures for breeding more readily than stick nests. Retention of large cavity-forming trees in forestry operations may be an effective conservation strategy for this species.     

基于分水岭和凸包理论的自然场景下未成熟苹果直径测量方法

针对自然场景下生长期内树上未成熟果实的自动探测与大小计算问题,提出了一种基于改进分水岭和凸包理论的自然场景下未成熟苹果识别与直径计算方法。该方法首先对灰度图像进行形态学重构后进行边缘检测,再利用合并局部极小值点分水岭分割方法从粘连区域中提取目标果实,并结合基于凸包理论的真轮廓提取和圆拟合方法,实现目标果实圆拟合直径的自动测量。计算结果与人工测量结果进行对比试验,结果表明:在不考虑扁平型目标果的情况下,该方法的直径计算均方根误差最小值为1.91 mm,均值为2.27 mm,误差范围在品质评定等级差(5 mm)以内,具有较好的推广应用价值。研究结果为生长期内果实的大小监测提供参考。     

振动方式和频率对杏树振动采收响应的影响

为了研究受到不同振动激励后杏树的响应状态以及杏树最佳振动采收频率,该文建立了单偏心式和对称双偏心式振动激励下杏树响应模型以及杏树-采收机动力学模型;分析杏树受振动激励后,不同位置的振动响应状态。理论分析与试验表明,杏树受单偏心式振动激励时,主要表现为扭转振动,夹持位置运动轨迹为圆形;受对称双偏心式振动激励时,主要表现为弯曲振动,夹持位置在水平方向上做往复运动,运动轨迹为直线。利用LabView振动测试软件,通过沿杏树主干安装的加速度传感器,检测杏树不同位置振动加速度变化。分析表明,振动由夹持位置沿树干向上传递,同时获得不同位置的加速度振动响应曲线;通过MATLAB对达到振动稳态后0.1 s内数据进行傅里叶拟合分析表明,各级枝干检测点均做周期性简谐运动,得到不同位置加速度拟合曲线及振动响应函数;通过对0~50 Hz加速度频谱分析表明,杏树在11.56 Hz振动激励时,各检测点加速度值最大。该研究可为林果振动收获机械设计与优化提供参考。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业,该研究提出了基于点云配准的自然光照环境下的果树三维重构方法,并针对传统最近点迭代（Iterative Closest Point,ICP）算法对待配准点云的空间位置要求苛刻的问题,提出了改进的点云配准算法。首先,使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像,并通过信息融合实现相应角度下的点云获取。其次,对点云进行背景去除和滤波处理,基于直方图设定分割阈值,提取单株枣树点云,并将放置在树根附近的标靶球作为标记,使用人工标记法进行两站点云初配准。最后,在初配准基础上计算点云的曲面法向量和曲率,由曲率相近的点构成配对点对,使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point,kd-tree-ICP）算法完成精配准,对点云使用Alpha-shape算法面片化,实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明,通过引入初配准,有效提高了点云配准的准确性和稳定性,配准误差均控制在1.0 cm以内,平均配准误差为0.78 cm;重构模型真实感较强,在外观上更加接近真实树,枝干相对误差控制在7%以内。该研究重构模型精度较高,可为枣树智能修剪提供可视化研究基础和技术支持。     

低频探地雷达地波法测定土壤含水量的可行性研究

利用地波法来探讨低频探地雷达(GPR)在土壤含水量测定方面的可行性。分别采用50 MHz和100 MHz天线的探地雷达地波法对黄淮海平原潮土地区砂壤土和砂土中的含水量进行了探测研究。结果表明,50 MHz天线GPR分辨率过低,在砂土和砂壤土中均无地波信号。100 MHz天线在砂壤土中无地波信号,但在砂土中可清晰读取出空气波和地波。TDR测得含水量为6.3%的砂土,用100 MHz天线地波法3次测定结果分别为5.9%,6.2%和6.5%,绝对误差均在0.4%以内。采用共中点法(CMP)和固定间距法(FO)相结合探测土壤含水量,在FO最佳天线间距1 m时测得灌水前后的砂土含水量分别为6.5%和20.2%,与TDR测定结果6.3%和19.7%相比,绝对误差在0.5%以内。100 MHz天线CMP和FO相结合的方法兼顾了CMP法读取地波的精确和FO法的快速便捷,在砂土的含水量测定应用中是可信、可行的。     

Roost selection by barbastelle bats (Barbastella barbastellus, Chiroptera: Vespertilionidae) in beech woodlands of central Italy: consequences for conservation

We investigated roost selection by Barbastella barbastellus in a mountainous area of central Italy. Twenty-five bats, mostly lactating females, were radio-tracked to 33 roost trees. Trees in unmanaged woodland were favoured as roost trees; woodland subject to limited logging was used in proportion to availability, and areas where open woodland and pasture occurred were avoided. Selection depended on tree condition (dead beech trees were preferred) and height (roost trees were taller than random ones). Cavity selection was based on cavity type, height and entrance direction: roost cavities were mainly beneath loose bark, at a greater height above ground and facing south more frequently than random cavities. Untouched areas of mature woodland should be preserved to provide roosting conditions for B. barbastellus. In logged areas, harvesting protocols should save dead and mature trees; frequent roost switching and small colony size imply that large numbers of roost trees are needed.     

基于核磁共振成像的农产品几何模型重构

为了提高农产品数值模拟的精度,需要为其提供精确的农产品几何模型。该研究以具有不规则几何特征的农产品芒果、香蕉和苹果为试验对象,利用核磁共振成像仪获取的断层切片图像,借助于计算机图形学技术和视觉化工具函数库Visualization Toolkit5.4(VTK),实现了其几何模型的重构。结果表明,3种农产品几何模型的体积值与其真实值之间的误差均小于3%,与标准方法测得结果具有很好的一致性。该研究为农产品几何模型获取提供了一种新的方法,能为农产品数值模拟、有限元分析以及品质检测等提供直接的几何模型支持。