基于超声射频的植物茎体水分无损检测方法研究

对植物茎体水分进行实时无损的在线检测成为研究植物水分生理活动的热点之一。本文提出一种基于超声射频回波技术的植物茎体水分实时无损在线检测方法,该系统硬件由超声探头、超声射频发射接收器、数据采集卡和计算机组成;软件由Lab VIEW平台开发完成。通过系统获取有机溶液超声回波速度,仿真植物茎体含水率;以杨树截断样品为对象,分析其茎体吸水过程的含水率变化与超声回波速度变化的相关性,平均决定系数为0.98;以活体立木白玉兰为检测对象,完成其茎体超声波日变化检测,最高超声回波速度出现在14:00,最低值出现在22:00。实验表明超声回波速度与植物生理变化特性相符。同时,本文通过茎体样品及活立木的超声检测,验证了该方法可有效反映植物茎体轴向、径向及不同树种的结构差异,为植物茎体水分的检测提供了一种携带茎体结构特性的检测方法。     

基于驻波率原理的植物茎体水分无损检测方法研究

水在植物的各项生理活动中起着至关重要的作用,实时无损检测植物茎体的水分对研究植物的生命活动有着重要的指导意义。本文提出了一种基于驻波率原理的茎体水分实时无损在线检测方法,并设计了BD-IV型植物茎体水分传感器,分别在以有机溶剂及烧杯为实验材料的仿真环境、以松树为实验材料的树段环境及以桃树为实验材料的活立木实验环境下,验证了BD-IV型植物茎体水分传感器的检测性能。当植物茎体直径在5.0~10.5 cm之间且体积含水率在1.17%~59.59%之间时,BD-IV型植物茎体水分传感器能准确地检测出植物茎体的体积含水率。通过长期监测桃树茎体水分的日变化和月变化情况,得知BD-IV型植物茎体水分传感器的检测结果与植物生理特性相符;与德国生产的SF-L型树干茎流仪同时监测柳树的茎体水分和茎流,得出茎体水分和茎流之间的关系,为植物生理特性研究提供了一种高性能价格比的国产化检测仪器。     

基于经验模态分解和S变换的缺陷超声回波检测方法

为对金属材料超声无损探伤中的微小缺陷回波进行检测,建立了金属材料背散射信号模型,讨论了调幅回波模型的中心频率估计的无偏性,并提出基于经验模态分解(EMD)和S变换的缺陷回波检测方法。首先对原始信号作EMD,通过时间尺度滤波重构信号,实现初步去噪;为抑制EMD去噪后信号的信噪混叠现象,执行基于S变换和最大类间方差法的去噪算法,进行二次去噪,得到信噪比较高但缺陷回波幅值衰减较大的信号。最后采用二次S变换修正二次去噪中因S变换导致的缺陷回波幅值降低量。对仿真信号和实际棒材检测信号的处理结果证明了该方法在去除噪声和缺陷回波检测方面的有效性。     

基于改进Mask R-CNN的植物表型智能检测算法

针对高通量自动化获取的植物表型性状图像的智能检测问题,采用迁移学习和改进掩膜区域卷积神经网络(Mask R-CNN)设计植物表型智能检测分割算法。首先对残差网络进行优化,并利用特征金字塔网络(FPN)对输入图像进行特征提取;然后调整候选区域提取网络(RPN)中锚框的长宽比例和阈值,并在RoIAlign中通过双线性插值法保留了特征图的空间信息;最后改进Mask检测头,并增加特征融合机制以获得高质量的掩膜。在西瓜突变体生长情况的性状表型数据集上进行训练和检测,得到结果表明：改进后的Mask R-CNN表现出更优的检测性能,与传统Mask R-CNN相比,检测精度提高22%,掩膜准确率提高2.7%,检测时间减少42 ms,为提升农业精准化水平和推动智慧农业发展提供了技术支撑。     

基于Laplace边缘检测算法虚拟植物系统的研究与实现

将计算机信息技术引入农业生产研究是目前农业生产研究的新发展方向,并伴随产生了农业信息化这样的新领域。植物叶片几何形状的识别是农业信息化结合数字图像处理技术的一个方面。为此,通过理论分析和仿真计算对研究植物叶片形状的传统图像边缘检测技术进行了分析比较,并创造性地提出了利用Laplace边缘检测算子来改进植物叶片几何形状的识别与检测系统。Laplace边缘检测算子的二维几何形态的建模具有数据的表达与复制的功能,通过生成的图像处理数据更加准确地识别与检测不同种类植物叶片的形态,为农业生产研究者提供更加有效、更加准确的研究数据。     

节水灌溉植物需水信息检测的研究

根据植物含水不同而引起的植物体液浓度变化的原理,提出利用植物体电阻变化的信息来判断需水程度的新方法。该方法通过玉米植物测试,表明了植物的生理电阻能很好地反映植物亏水程度,并得出玉米的生理电阻在小于40kW时需灌水;在40～50kW时植株水分适宜的结论。为有效进行生理电阻的检测,本研究自制了便携式与单片机式2种类型的植物需水信息仪。通过反复、大量、长期的实验证实了本研究的论点是可行性的,其配套的植物需水信息仪能快速准确的检测植物的亏水程度,为旱田地区节水灌溉提供了新的有效的检测手段。     

基于模糊逻辑的植物叶片边缘检测方法

针对温室环境植物叶片边缘检测中,植物图像通常含有噪声、背景复杂且图像数据存在模糊性和不完整性问题,提出了基于模糊逻辑的植物叶片边缘检测方法.首先,根据邻域像素的统计特性及绿色植物和土壤背景的颜色差异性,利用线性函数定义噪声和边缘的隶属度函数;其次,采用Sugeno模糊模型进行模糊推理,以减少模糊规则数量;最后,利用模糊推理结果先进行模糊滤波后再进行模糊边缘检测.实验证明,提出的方法克服了常规算法未考虑叶片像素和背景像素的颜色差异而导致产生大量伪边缘的问题,在噪声环境中能有效提取自然背景下植物叶片边缘信息,可有效用于温室环境的植物叶片图像边缘检测.     

灌溉控制系统中基于植物本体的检测技术综述

基于植物本体的检测技术由于能够实时监测植物体内的水分状态,近年来在灌溉控制系统中得到了广泛的应用。从检测方式分类、检测方法、检测参数、检测仪器以及各种检测方法优缺点等方面综述了植物本体检测技术进展。首先,针对传感器与植物有无物理接触将其分为接触式和非接触式检测;其次,针对植物本体有无物理损伤分为破坏性和非破坏性检测;再...     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

基于本体多关节的超声检测机器人误差补偿

超声波检测对方向性有较高要求,特别对曲面型工件进行检测时,需对探头终端的位姿进行误差软件补偿来提高检测的精度.本文首先对超声检测机器人进行运动学分析,然后通过分析其检测位姿误差的来源和特点.阐述基于本体多关节误差补偿的原理和补偿模型.最后,通过实例验证了该误差补偿方法的正确性,为计算机控制超声探头进行曲面检测提供准确的控制参数,实现了曲面形工件的连续超声检测.     

CAN控制器温室环境监控系统的设计

温室环境对实时响应和实时处理能力都有较高的要求。基于这一特点，从低成本角度出发，提出了基于植物生理信息数据库的CAN控制器温室环境监控系统，并就其软硬件设计做了比较详细的分析；论述了在温室环境各参数调控中，系统具有性能稳定、价格适中的特点；指出了其应用前景。     

温室内CO2浓度自动监控系统的设计

温室环境自动控制是近几年来随着人们生活水平不断提高而逐步发展起来的一种高效农业技术,它利用计算机控制技术、传感技术等高科技手段,提供与季节无关的适合作物生长的环境。为此,介绍了温室内CO2自动控制系统的组成及其工作原理。系统以单片机为核心,并可以和PC机串口通信。系统可完成温室内CO2浓度的采集、显示,并实现报警及自动调节。试验结果表明,该系统操作方便,运行可靠,便于扩充。     

基于改进YOLO v7的生猪群体体温热红外自动检测方法

针对当前生猪规模化养殖过程中基于热红外技术的生猪体温测量效率低的问题,提出了一种基于改进YOLO v7的生猪群体体温检测方法。改进YOLO v7算法在Head层引入VoV-GSCSP结构,降低网络结构复杂度;使用内容感知特征重组(Content-aware reassembly of features,CARAFE)替换模型原始上采样算子,提高特征图放大后的品质,强化生猪头部区域有效特征;引入感受野增强模块（Receptive field enhancement module,RFE）,增强特征金字塔对生猪头部特征的提取能力。本文改进YOLO v7算法对于生猪头部的检测精确率为87.9%,召回率为92.5%,平均精度均值（Mean average precision,mAP）为94.7%。与原始YOLO v7相比,精确率提高3.6个百分点,召回率提高7.0个百分点,mAP提高3.6个百分点。该方法首先自动检测生猪头部区域,再利用头部最大温度与耳根温度的高相关性,最终自动获取生猪体温。温度提取平均绝对误差仅为0.16℃,检测速度为222f/s,实现了生猪群体体温的实时精准检测。综合上述试验结果表明,该方法能够自动定位生猪群体的头部区域,满足生猪群体体温测定的高效和高精度要求,为群养生猪体温自动检测提供了有效的技术支撑。