不同植被指数和无人机航高对草地盖度估测精度的影响

搭载高清数码相机的无人机在草地资源调查等方面具有成本低廉、机动性高、观察范围大等突出优势,拥有广阔的发展前景。本研究使用小型无人机(unmanned aerial vehicle, UAV)、手机相机等设备获取草地盖度数据,选用植被因子指数(vegetative index, VEG)、超绿指数(excess gree...     

一种识别天车吊具运动的新方法

针对传统天车吊具防摆过程均为人眼识别,现对其进行数字化改造,用相机代替人眼进行吊具运动识别,根据实际天车吊具结构,搭建实验室天车吊具识别实验台,由于天车工作的复杂性,对天车吊具添加发光二极管增强目标物的特征性.利用RGB颜色分割法对吊具运动图像进行识别,识别后的吊具图像具有很高的准确性和稳定性.     

机器学习在农作物品种识别中的应用研究进展

机器学习在图像识别领域的成功应用,为农作物品种的自动识别提供了一种新的思路。为了全面了解机器学习在农作物品种识别中的应用现状,把握农作物品种识别的发展趋势和研究方向,本文归纳了农作物图像的常用获取方法,分析了光谱图像和RGB图像结合机器学习方法识别农作物品种的研究现状。基于RGB图像进行农作物品种识别研究起步较早,图像获取成本较低,识别率一般;基于高光谱图像进行农作物品种识别研究近年来发展迅速,识别精度较高,但图像获取成本较高,且易受环境因素影响。通过总结,指出了农作物品种识别研究中存在的问题,认为深度学习在农作物品种自动识别上具有广泛的应用前景     

智能移动苹果采摘机器人的设计及试验

以ARM9 2440处理器为核心,基于BP神经网络的机器人视觉识别和定位,研制了一种苹果采摘机器人及控制系统。首先应用Photoshop软件将图像分割为640×640像素的图片,然后在RGB颜色空间下,结合数学形态学中值滤波降噪和拉普拉斯算子边缘检测的方法实现果实目标的特征提取,最终完成苹果的定位并在MatLab环境下使用robotics-toolbox工具箱编程仿真。试验结果表明:该机器人能有效识别果实并完成抓取工作,为后续的深入研究奠定了基础。     

基于无人机RGB影像的马铃薯植株钾含量估算

马铃薯植株钾含量(Plant potassium content, PKC)是监测马铃薯营养状况的重要指标,快速准确地获取马铃薯植株钾含量对田间施肥和生产管理具有指导意义。基于无人机遥感平台搭载RGB传感器分别获取马铃薯块茎形成期、块茎增长期和淀粉积累期的RGB影像,并实测马铃薯植株钾含量。首先利用各个生育期的RGB影像提取每个小区冠层平均光谱和纹理特征。然后分别基于冠层光谱和纹理特征构建植被指数和纹理指数(NDTI、RTI和DTI),并与实测PKC进行相关性分析。最后利用多元线性回归(Multiple linear regression, MLR)、偏最小二乘(Partial least squares regression, PLSR)和人工神经网络(Artificial neural networks, ANN)构建马铃薯PKC估算模型。结果表明：各生育期NDTI、RTI和DTI与马铃薯PKC相关性均高于单一纹理特征,植被指数结合纹理指数均能提高模型的可靠性和稳定性,MLR和PLSR构建的估算模型精度均优于ANN。本研究可为马铃薯PKC监测提供科学参考。     

冬小麦叶色动态的量化研究

 【目的】模拟小麦叶色变化的动态过程,为实现小麦生长的可视化表达奠定基础。【方法】以不同施氮水平下不同类型小麦品种的两个生长季田间试验为基础,通过连续测量不同处理条件下小麦主茎和分蘖不同叶位叶片的SPAD值,综合分析小麦叶片SPAD值随生育进程的变化规律及其与RGB值的关系,进而构建基于SPAD的冬小麦叶色变化动态的模拟模型。【结果】模型采用分段函数描述叶片SPAD值随生育进程的动态变化过程：第1阶段为基于二次曲线的叶色增强过程;第2阶段为相对稳定的功能期叶色维持过程;第3阶段为基于二次曲线的叶色减弱过程;并基于叶片氮含量表达了氮素供应水平对叶片SPAD值变化规律的影响,同时用线性方程描述了叶片SPAD值与RGB值之间的定量关系。利用独立的小麦田间试验资料对所建模型进行了测试和检验,显示不同时刻主茎和分蘖叶片SPAD预测值的平均RMSE分别为11.60%和9.03%。【结论】本模型具有较强的动态预测性和可靠性,为进一步建立虚拟小麦生长系统奠定了基础。     

基于RGB线性组合模型的柑橘果实为害状识别

为了准确识别柑橘果实病虫害,提高柑橘生产信息化水平,本研究提出了最优RGB线性组合颜色模型来进行目标识别。首先在具有代表性的几幅图像中选取为害状区域与正常区域的点若干,统计这些样本点的R、G、B值及其均值,设计为害状区域与正常区域灰度差最大线性规划目标函数并求解,建立识别模型。最后利用识别模型结合阈值分割法对采集的96幅柑橘果实图像进行处理,发现识别正确率、误检率、漏检率分别81.25%,14.58%,4.17%,识别效果良好。与2R-G-B模型,G-B模型和R-B模型相比,本方法为害状区域与正常区域灰度差最大,故识别正确率最高,误检率、漏检率最低。试验结果表明：RGB线性组合模型法可用于柑橘果实病虫害的识别。     

Abstraction and Restore of Seal Image in the Seal Verification System

In the seal verification system of bank, the precondition of identifying the seal on notes correctly is the seal Abstracted must be with high quality and low noise. On account of those facts such as the complexity of note background, the shade of inkpad, the randomicity when people seal and the noise cause by sampling, we have more difficulties in stamp Abstracting and mending. After analyzing both the advantages and disadvantages of the RGB and HIS color space model, the authors build a new stamp Abstraction model and propose a new fill algorithm. Experiments indicate that with this Abstraction model they can Abstract the seal with high enough quality and reduce the noise to the least at the same time, and with this fill algorithm they can restore seal better and avoid over-fill at the joint of stroke. So, the requirements of the subsequent seal imprint verification can be met.     

不同植被指数和无人机航高对草地盖度估测精度的影响

搭载高清数码相机的无人机在草地资源调查等方面具有成本低廉、机动性高、观察范围大等突出优势,拥有广阔的发展前景.本研究使用小型无人机(unmanned aerial vehicle,UAV)、手机相机等设备获取草地盖度数据,选用植被因子指数(vegetative index,VEG)、超绿指数(excess green index,ExG)、超绿超红差分指数(excess green minus excess red index,ExGR)和绿叶指数(green leaf index,GLI)4种基于可见光的植被指数提取草地盖度信息,从无人机航高、草地盖度水平等方面分析各植被指数的适用性.结果表明:1)VEG和ExG方法估测草地盖度的效果较好,平均精确度均在93％以上.ExGR与GLI方法的估测效果较差,平均精度仅75％～80％.2)4种方法的估测精度均随盖度增加而降低.VEG方法估测草地盖度的精度受盖度水平影响最小,ExG方法次之,ExGR和GLI方法对高盖度草地的估测效果较差.3)VEG方法在高、中盖度水平下的最适航高为100 m,在低盖度水平下为40 m;ExG和ExGR方法在高、中盖度水平下的最适航高为100 m,在低盖度水平下为80 m;GLI方法在高盖度水平下的最适航高为100 m,在中、低盖度水平下为20 m.     

椰心叶甲对虚拟波长下不同颜色的选择行为

为探明重大入侵害虫椰心叶甲的最佳趋向颜色及其所对应的量化参数,应用Dan Bruton的虚拟波长与RGB值的函数关系进行相互转换,通过自制八面体装置测定椰心叶甲对不同颜色的选择性差异,确定其最佳趋向颜色、波长和RGB值。结果表明,椰心叶甲雌、雄成虫对不同颜色的选择率均存在差异,其中波长为580 nm的黄色(RGB值为255,255,0)对椰心叶甲的吸引力最高,其次为波长575 nm的黄绿色(RGB值为240,255,0),这为采用有色粘板技术监测和诱捕椰心叶甲提供了新的思路。