排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
机器视觉在设施育苗作物生长监测中的研究与应用 总被引:1,自引:0,他引:1
机器视觉是利用机器代替人眼来对目标物做模式识别、测量与判断的一项综合技术,其在农业各领域中的研究与应用发展迅速。从作物育苗的特性、机器视觉在苗期管理的作用、苗期作物视觉信息采集设备及叶片提取方法的发展3个方面分析了设施育苗对基于机器视觉的苗期作物监测的需求;总结了苗期作物视觉信息的主流获取技术,即成像传感器的成像技术、多传感器图像融合技术、三维重建技术的特点;回顾了机器视觉技术近年来在国内外苗期作物中的应用情况,从苗期作物关键生长参数监测检测方面进行综述,分析、对比、总结苗期作物关键生长参数的提取方法,最后概述我国现阶段机器视觉技术在苗期作物的应用中主要存在的问题以及发展前景。 相似文献
2.
3.
4.
5.
基于图像处理和聚类算法的待考种大豆主茎节数统计 总被引:1,自引:0,他引:1
为了实现待考种大豆植株主茎节数的快速、高效测量,提出一种基于图像处理和聚类算法的待考种大豆主茎节数统计方法。首先,获取不同视角下的已脱叶待考种大豆植株图像,随机抽取训练集与验证集样本植株,并设定初始图像采集间隔与抽样步长;其次,通过植株分割、骨架提取、主茎节点去噪等操作,获取分布于植株主茎上的待检测大豆茎节点;通过基于空间距离的数据转换方法将分布离散的大豆茎节点转换至便于聚类的数据集内;利用HDBSCAN聚类算法对不同采集视角下的待检测大豆茎节点进行聚类,统计、记录主茎节数识别准确率,筛选最优采集间隔;最后,利用最优采集间隔对剩余样本植株主茎节数进行统计、分析。在63株 “中黄30”待考种大豆植株中抽取21株植株作为训练集,并进行实验测试,发现在采集间隔为90°时,以最小聚类簇为2,融合处理4幅大豆图像,大豆主茎节数识别效果最优。据此对42株验证集样本植株进行主茎节数识别和分析,结果表明,大豆主茎节数识别准确率可达98.25%。该方法能够快速、准确获取大豆主茎节数,可满足大豆考种需求。 相似文献
6.
红色旅游作为中国特色社会主义建设的重要组成部分,是一项极具政治意义、社会意义、教育意义的旅游活动。广西是全国著名的革命老区,是共产党领导的红军长征途中的重要地点,是红色旅游资源丰富的大省之一,近年来,随着社会经济的发展,游客对红色旅游景区的需求发生了巨大变化。沉浸式体验作为一种新的体验方式,能让游客获得更加深入、直观、丰富的红色旅游体验,更能吸引年轻人的目光。因此,以桂林、百色等重点红色旅游景区为例,通过文献研究法、田野调查法、SWOT分析法等方法对广西红色旅游景区进行调研分析,从红色旅游景区沉浸式体验发展现状出发,探讨沉浸式体验在广西红色旅游景区中的发展路径。 相似文献
1