基于RS的绿地信息提取方法的研究——以延安市及环城地区为例

以延安市及环城地区为例,探讨了提取绿地信息的遥感(RS)数字图像处理最佳方法.对研究区遥感图像进行了波段组合、对比度拉伸、几何纠正,并对3种图像增强方法(密度分割、差值运算、植被指数)进行了比较,对植被指数图像进行了无监分类处理.结果表明,图像几何纠正时地形复杂地区应选取更多的控制点,一般为理论值的6倍;植被指数为该区绿地信息提取的理想方法,通过对此图像进行无监分类,可以得到比较理想的绿地面积信息.     

数字植物研究进展:植物形态结构三维数字化

数字植物围绕农林植物生命、生产和生态系统的多维信息高效感知和认知的理论、技术和方法,通过多学科交叉合作,研究农林植物-环境3D数字化、高通量信息获取、情景感知、信息融合、结构和功能模拟、数字化设计和精准管理决策等数字农业的关键性、基础性以及共性理论和技术问题。植物形态结构的三维数字化是数字植物研究的重要组成部分,近年来很多学者从植物组织、器官、植株和群体等不同尺度,或者从植物根系和地上部等不同视角,围绕植物形态结构的参数测量、几何结构解析、三维模型构建、结构与功能建模,以及三维植物模型真实感展现等需要,开展了更深入的研究。在组织尺度方面,随着MRI、CT、显微成像等技术产品的不断成熟,使得利用这些先进测量仪器获取和测量植物组织内部结构数据成为可能,并被越来越多的研究者采用,成为进行植物内部形态结构测量和分析的有效手段。在植物根系的三维数字化方面,由于植物的根普遍生长在土壤里,观察和测量十分困难。虽然近年来XCT、MRI等穿透射线成像技术已越来越多地用于根系的形态结构探测,但这类技术往往仅能获取范围较小的根系局部数据,且价格昂贵。因此植物根系形态结构的准确、无损(原位)、快速测量仍然是一个挑战。在群体尺度方面,基于实测数据的三维重建逐渐成为植物群体三维重建的主要途径,研究者正试图从激光三维扫描仪获取的植物群体三维点云中提取群体的形态参数并实现群体的三维重构。而在三维植物模型的真实感绘制方面,如何准确地测量各种植物器官的光学特性并建立相应的数学模型是当前的研究重点,虽然已有不少研究者提出了相应的解决方案,但这些方法在便捷性和普适性方面仍然难以令人满意,有待更多深入研究。笔者最后结合相关领域的技术进展对数字植物的进一步研究进行了展望。     

基于机器视觉的莲子去芯位置的定位方法

提出一种基于机器视觉的莲子去芯位置定位的方法,并搭建试验平台进行去芯验证.采集4个产地、不同尺寸的莲子,用2个相互垂直的摄像头采集凹槽内莲子图像,对图像进行裁剪和灰度处理后,通过莲子头部和尾部的灰度特征差异识别莲子朝向;对沿长轴尾部向上的莲子图像进行二值化处理,经腐蚀运算以消除边缘杂质,缩放以增大特征点的曲率,利用角点...     

基于HSV空间的玉米果穗性状的检测

为高效检测玉米果穗性状,建立了基于HSV(色调、饱和度、明度值)空间的玉米果穗性状的检测方法:使用机器视觉技术采集绿色背景玉米果穗图像,用HSV直方图阈值算法去除绿色背景,用FFT滤波器去除尖锐边缘和噪声,运用粒子滤波分离单一图像中的多个玉米果穗图像,并采用形态学腐蚀方法,经过4次迭代腐蚀,得到玉米果穗中间3行;检测玉米果穗的大小、形状、纹理和颜色4个特征的性状。随机检测67张玉米果穗样本图像的结果表明,果穗大小和形状特征检测的准确率为100%,果穗颜色和纹理特征检测的准确率分别为98.55%和96.25%,平均每果穗检测时间为0.1 s。     

基于机器视觉的小粒咖啡豆的检测技术

设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。     

基于遥感信息和产量形成过程的小麦估产模型

为提高小麦遥感估产的精确性和机理性,在广域环境条件下进行了多品种小麦的种植试验,并基于遥感信息获取的瞬时性与广域性,结合小麦产量形成的生理生态过程及其与气候环境的相互关系,建立了较为简化的小麦估产模型.通过组件化的设计方法实现了遥感信息和估产模型的耦合,即利用抽穗期遥感影像反演的LAI和生物量及时替换小麦估产模型对应参数变量,进而实现对小麦产量的估测.通过试验验证,小麦产量的预测值与实测值较为一致,预测小麦产量的RMSE为354.18 kg·ha-1,利用小麦估产模型可以对不同年份、不同区域的小麦产量形成情况进行监测预报.     

城市绿地的航空遥感分析

城市的绿化覆盖数据是评价城市环境质量的重要指标,而绿地分布图是编制绿地规划的基础资料。本文利用航空摄影的像片进行绿地判读,结果表明嘉兴市城区陆地面积为14.220km~2,绿化覆盖面积为1.496km~2,绿化覆盖率为10.52％.它表明嘉兴市城区在面积扩大的同时,绿化的面积也同步增长。本文还就判读绿地的可能性、增强绿地影像的方法、绿地量测技术和精度等进行分析,并讨论了扩大绿地建设的途径。     

基于图像消冗与CenterNet的稻飞虱识别分类方法

为了实现对不同稻飞虱的快速准确识别,同时防止同一姿态下的同一只昆虫被重复计数,提出一种将图像消冗与CenterNet网络相结合的识别分类方法。首先利用自主设计的田间昆虫采集装置,自动获取昆虫图像并制作数据集。其次,将CenterNet算法与图像消冗算法相结合,选用深层特征融合网络(Deep layer aggregation, DLA)作为主干网络来提取昆虫的特征,并进行识别分类。将本文方法与经典机器学习和深度学习模型进行对比,实验结果表明,对于田间昆虫采集装置获取到的相似度较高的活体图像,本文方法不仅能够快速处理昆虫图像,而且能够成功解决昆虫重复检测的问题,平均精度均值为88.1%,检测速率为42.9f/s,无论是精度还是处理速度本文方法都具有较明显优势。该研究有效地完成了对3种主要稻飞虱的识别分类,对不同时间段采集到的昆虫表现出良好的泛化能力,可用于后期水稻害虫暴发的智能预警和测报。     

基于幅值迭代剪枝的多目标奶牛进食行为识别方法

针对奶牛进食行为监测通常要为每头奶牛配备监测设备,但受限于设备成本,很多应用于奶牛养殖场的奶牛行为监测方法难以普及的问题,提出了一种多目标奶牛进食行为识别方法,基于YOLO v3算法,根据目标差异,将牛舍中的奶牛分为3类目标来实现奶牛进食行为监测,以通过单台设备监测多头奶牛的进食行为.YOLO v3算法具有计算成本高、...     

基于无人机高光谱影像的水稻叶片磷素含量估算

为快速获取水稻叶片磷素含量信息,采用无人机搭载高光谱成像仪获取水稻冠层高光谱影像,并采样检测叶片磷素含量(质量分数)(Leaf phosphorus content, LPC).分析了水稻LPC在无人机高光谱影像上的光谱特征,使用连续投影算法提取对磷素敏感的特征波长,通过任意波段组合构建并筛选与磷素高度相关的光谱指数,...