基于激光视觉的温室作物茎叶量测方法

为实时获取温室作物生长形态参数,应用线激光,对作物整体进行非接触式扫描,通过CCD摄像机实时拍摄扫描过程,采用重心法计算激光光条中心,获取作物叶片与茎秆的三维点云信息,实现作物形态三维点云结构重建;提出适用于作物三维点云数据特征的迭代法,提取叶片点云子集的中心轴线,通过曲线拟合计算叶片长度;根据摄像机透视原理,提出针对细小茎秆的静态定位法计算茎秆直径。试验表明,激光视觉量测叶片长度与茎秆直径的准确率分别为95.39%(SE为0.2961,R2=0.916)和94.55%(SE为0.008 7,R2=0.915)。     

基于诱虫板图像的温室番茄作物害虫识别与监测方法

[目的]本文旨在探索实时监测温室虫情和精准防控虫害的方法.[方法]设计了一种基于诱虫板图像背景均匀化的自适应分割方法,结合基于随机森林(random forest,RF)的图像识别算法识别4类温室番茄害虫(烟粉虱、潜叶蝇、果蝇和蚜虫)并计数.该方法首先提取诱虫板图像RGB(red-green-blue)颜色模型B分量和...     

农业机器人底盘研究现状与展望

在自走式农用机器人中，底盘总成是非常关键的部件。结合当下机器人的快速发展的情况，以农业机器人机械底盘技术的研究现状为出发点，详细介绍了农用机器人底盘的类型、先进技术、先进原理以及底盘技术的特点。将农业机器人机械底盘的问题进行归类总结和分析，根据问题提出了机械底盘技术未来的发展趋势，并对未来的农用机械底盘的研发工作提出了技术建议。     

鱼菜共生环境中多参数监测系统设计与试验

实时监测鱼菜共生系统中的关键环境信息对整个系统的水质调控具有重要意义。设计一种基于GPRS的多参数环境信息监测系统，系统可对水产养殖区与蔬菜栽培区中共11项环境参数进行远程监测，并将数据上传至云端服务器，再通过PC端以及移动端实现实时监测、历史数据查询、远程调控等功能，联合多种环境信息对氨氮的组成以及水质状况进行分析，同时将获取的环境数据通过多元线性回归的方法建立离子氨浓度预测模型。试验结果表明，设计的系统运行平稳，数据采集成功率约为99.53%；建立的离子氨多元线性回归方程决定系数R2为0.817，预测结果平均绝对百分比误差MAPE为4.68%，可以有效预测养殖环境的离子氨浓度，实现预警。     

基于热红外和RGB图像的番茄苗期高温胁迫检测方法

【目的】针对实际生产场景中番茄苗期生长遇到的高温胁迫问题，提出一种基于热红外和RGB图像的番茄苗期高温胁迫检测方法。【方法】首先，通过番茄苗期热红外图像反演获取番茄冠层温度参数，采用偏最小二乘(Partial least squares, PLS)模型提取冠层温度特征指标；然后，建立采用3种不同主干特征提取网络的MaskRCNN模型，通过迁移学习的方式将番茄苗期RGB图像输入Mask-RCNN模型，进行高温胁迫症状实例分割，得到番茄苗期胁迫症状特征指标；最后，利用提取的温度和胁迫症状特征指标构建分级数据集，输入高温胁迫分级模型，得到高温胁迫等级。【结果】基于PLS模型提取的冠层温度特征指标累计贡献率达95.45%；基于ResNet101+Mask-RCNN的高温胁迫症状分割网络对番茄苗期轻度和重度胁迫的分割精度最高，均值平均查准率(Mean average precision, mAP)分别为77.3%和73.8%；基于温度和胁迫症状特征指标构建的4种高温胁迫分级模型中，反向传播神经网络(Back propagation neural network, BPNN)获得最好的高温胁迫分级...     

水产养殖中智能识别技术的研究进展

智能识别技术是水产养殖由粗放型向集约型转变的关键技术。水产养殖中的智能识别是通过研究并利用机器视觉和机器学习技术实现水下生物和环境的监测，并对生产管理中出现的问题进行判断、分析和预测，以实现自动化养殖为目的。本文从生物的物种识别与分类、年龄识别、性别识别和行为识别4个方面分析了水产养殖中智能识别技术的研究和发展现状，阐述了水产养殖中采用的主要智能识别技术和原理，并对今后水产养殖中智能识别技术的发展进行了展望，以期为中国渔业现代化、智慧化发展提供参考和新思路。     

基于改进YOLACT++的成熟芦笋检测-判别-定位方法

为解决芦笋采收机器人选择性采收过程中成熟芦笋的判别和采摘手准确定位难题，提出了一种改进YOLACT++(You only look at coefficients)算法，利用该方法对成熟芦笋进行检测判别并定位采收切割。通过引入CBAM(Convolutional block attention module)注意力机制以及SPP(Spatial pyramid pooling)结构改进传统的YOLACT++主干网络，提高了特征提取的有效性；设计了适用于芦笋目标检测的锚框长宽比以保证覆盖到不同姿态的芦笋，以提高网络检测速度和准确率。利用生成的芦笋掩膜分段计算芦笋长度和基部直径，来判定成熟芦笋，并通过空间位姿向量计算成熟芦笋基部区域切割点位置。采收机器人田间试验结果表明，经过训练的改进YOLACT++模型的检测准确率为95.22%,掩膜平均准确率为95.60%,640像素×480像素图像检测耗时53.65 ms,成熟芦笋判别准确率为95.24%,在X、Y、Z方向的切割点定位误差小于2.89 mm,滚转角和俯仰角误差最大为7.17°;与Mask R-CNN、SOLO和YOLACT++模型相比...     

鱼—菜共生种养技术模式研究现状

鱼—菜共生种养技术是一种多学科交叉融合的新型复合种养殖技术，将水产养殖与作物栽培有机结合，实现种养生产循环利用，可有效改善传统的水产养殖模式带来的大量养殖尾水排放、环境污染和资源浪费的负面影响。近年来，鱼—菜共生种养技术发展迅速，以该技术的研究进展为主线，对鱼—菜共生种养技术的技术要点、影响鱼—菜共生种养系统平衡的关键因素进行概述。客观分析现阶段鱼—菜共生种养技术发展中存在对菌藻利用氮磷转化的研究不足、水产及植物种类局限、经济可行性尚不明确、人工智能技术的应用不足、缺乏专业性人才及政府支持等问题。针对存在的问题，提出促进鱼—菜共生种养技术可持续发展的建议，如需要加强对各类微生物的利用以及对氮磷转化吸收效率的研究，并实现投入品种多元化，加快人工智能技术与鱼—菜共生种养技术相结合，政府提高重视，注重培养专业人才等