基于ArcGIS的林地面积精确分割方法研究

以ArcGIS 10.2.2浮动版为平台,结合实例阐述在宗地结构中用宗地编辑器分割宗地,从宗地结构中导出图层,将图层和从宗地结构中导出的图层加载到ArcMap内容列表中,在ArcMap内容列表中用裁剪面工具捕捉导出图层的端点、折点分割图层,实现林地面积精确分割。认为该方法在林业工作中是一种实用的方法。     

面向对象多层次多尺度分割的农用大棚类型信息提取

为对不同农用大棚类型信息进行识别分类和精细化提取,以内蒙古河套灌区不同大棚类型为研究对象,基于Sentinel-2A卫星数据,采用面向对象结合多层多尺度分割技术和阈值分类方法,对大棚类型信息进行提取并对最终提取结果展开精度评价和分析研究。首先利用尺度参数估计（Estimation of Scale Parameter2, ESP2）方法进行了分层分割并优选出最佳分割尺度,在各层最优分割尺度上进行光谱、指数、几何、纹理等特征的提取与优化,获取最优特征组合;然后运用多层多尺度分割阈值分类方法提取不同大棚类型信息。结果表明不同大棚类型信息总体精度达94.8%,kappa系数达0.93。其中：塑料大棚的制图精度和用户精度分别为95.3%和96.6%;单屋面温室大棚制图精度和用户精度分别为88.5%和92.6%。基于多层多尺度分割分类的信息提取方法分别考虑了不同地物最优分割尺度,在不同地物各自的最优分割尺度上提取其信息,以抑制过度分割或亚分割现象,从而降低错分或漏分。因此,高分辨率卫星数据与面向对象多层多尺度分割分类的信息提取方法能够有效提高大棚类型信息提取精度,且能为地物信息精细提取技术体系提供一定参考思路。     

自然环境下桃子图像分割算法

成熟果实的识别是果蔬采摘机器人视觉系统的关键问题,要解决该问题,首先需要进行有效的图像分割.从复杂背景中分离果实一直是该领域的一个难题.为此,针对自然环境下的桃子图像进行了图像分割方法的研究.利用2R-G-B和L*a*b*的a*分量以及HSI的H分量分别对彩色图像进行了3种方法的灰度化处理,然后采用大津法对灰度图像进行了二值化处理,对二值化图像采用匹配去噪与匹配膨胀相结合的方法,去除了复杂背景噪声.试验表明,所提出的桃子分割方法具有很好的分割效果.     

基于语义分割的非结构化田间道路场景识别

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将本文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,本文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为,相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。     

秦巴山区土地利用时空格局及地形梯度效应

自然景观的垂直地带性为区域土地利用的垂直景观格局奠定了基础,同时也决定了垂直景观带上土地利用的强度及其变化情况。该文采用地形位指数、分布指数、土地利用程度综合指数和土地利用信息图谱法等,分析了1989-2010年秦巴山区土地利用格局的地形梯度效应和图谱信息,揭示地形控制下土地利用时空格局和土地转移的变化规律。结果表明:1)秦巴山区土地利用以林地和耕地为主,呈西林东耕分布;1989-2010年间林地减少显著,建设用地增加明显,其中耕地是建设用地主要转入来源,林、草地是耕地主要转入来源。2)秦巴山区各生态亚区用地类型差异明显,各生态亚区土地利用转移方向也存在差异性。3)秦巴山区土地利用强度指数呈东高西低,中高周低的态势;土地利用强度变化率稳定少动,增加趋势不明显;土地利用动态度呈中高周低的态势,整体变化不大。4)水域、建设用地和耕地主要集中在地形起伏度小和坡度小的低地形位,且耕地主要转移为其他两种用地类型,建设用地有向中低地形位分布的趋势。林地和草地集中在地形起伏大、坡度陡的中高地形位,且存在着相互转移演替现象,中低地形位往往是耕地、林地、草地间的相互转换,未来势必加强坡耕地和低山丘陵区林草地的管治工作。     

无人机遥测技术在水土保持生态果园改造监测中的应用

以江西水土保持生态科技园为研究区,通过无人机遥测技术以及地理信息系统,对生态果园水土保持措施进行图斑化、信息化管理研究.结果表明:无人机遥测技术获取的不同阶段的航飞影像可用于生态果园改造的动态监测;利用Agisoft photoscan软件处理航飞影像可生成高分辨的数字正射影像(DOM)以及数字地表模型(DSM)数据;利用生成的DOM,结合地理信息系统,可获取生态果园水土保持措施的分布、数量、长度等信息,建立生态果园水土保持措施数据库,并输出报表和专题图.经与实际量测长度验证,基于DOM提取的长度平均精度为97.99％;与实测坡度验证,基于DSM数据提取的坡度平均精度为88.91％.无人机遥测技术能够快速、准确、自动获取地物的面积、长度、坡度等指标数据,可满足当前水土保信息化的要求,提升综合治理项目实施监测的信息化水平,提高施工监测的质量和效率.     

自然环境下葡萄采摘机器人采摘点的自动定位

针对葡萄果梗颜色复杂多变、轮廓不规则等影响因素使得采摘机器人难以准确对采摘点进行定位的问题,该文提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位新方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HSI色彩空间分量H,运用改进的人工蜂群优化模糊聚类方法对葡萄果图像进行分割;然后对分割图像进行形态学去噪处理,提取最大连通区域,计算该区域质心、轮廓极值点、外接矩形;再根据质心坐标与葡萄簇边缘信息确定采摘点的感兴趣区域,在区域内进行累计概率霍夫直线检测,求解所有检测得出的直线到质心之间的距离,最后选取点线距离最小的直线作为采摘点所在线,并取线段中点坐标作为采摘点。以从晴天顺光、晴天遮阴、阴天光照下采集的300幅夏黑葡萄进行分类试验,结果表明,该方法的采摘点定位准确率达88.33%,平均定位时间为0.3467 s,可满足采摘机器人对采摘点的定位需求,为葡萄采摘机器人提供了一种新的采摘点求解方法。     

棉花抗黄萎病基因的QTL定位

以高感黄萎病的陆地棉品种"邯郸208"与高抗黄萎病海岛棉品种"Pima90"的136个F2单株为作图群体,构建了一个包括17个连锁群、标记间平均间距18.61cM、全长1842.8cM的陆海种间分子标记遗传连锁图,该图约覆盖棉花基因组的36.8%。单因子方差分析和复合区间作图检测到与黄萎病抗性相关的3个QTL,分别位于第四连锁群和第七连锁群上,分别解释表型变异方差的15.39%、54.11%和57.18%。初步认为海岛棉"Pima90"对陆地棉"邯郸208"的黄萎病抗性由两个主效QTL和一个微效QTL共同控制。     

融合多源图像信息的果实识别方法

光线变化与目标重叠是影响自然环境中果实正确识别的重要原因。为了降低两者的影响,研究了融合多源图像信息的果实识别方法。在图像配准的基础上,优选了H分量图与幅度图像作为待融合的源图像;由模糊推理系统(隶属度函数和模糊规则)决定权重,采用加权平均策略实现图像的像素级融合;根据融合图像中果实区域的分布规律,设计了一种基于直方图的首阈检测法以获得最佳的果实分割效果;利用深度图像的统计特性,设计了一种逐层分割图像的方法以解决重叠果实的分离问题。实验结果表明:多源融合图像用于果实识别与定位比单一图像具有更好的准确性与鲁棒性,对重叠果实的正确识别率在83.67%~94.22%之间。     

基于双次Otsu算法的野外荔枝多类色彩目标快速识别

针对目前野外环境下多类目标识别速度偏慢,导致机器人视觉定位精度低和工作效率不高的难题,以野外环境下成熟荔枝的多类色彩目标识别为例,提出了一种双次Otsu分割算法对多类色彩目标进行识别。首先为了提高算法的效率,改进了传统的Otsu算式;然后对目标色彩图像的背景、果梗、果实分别用改进的Otsu算法进行粗分割和细分割。最后通过与K-均值聚类(K-means)算法、模糊C均值聚类(FCM)算法、Otsu和K-means结合算法、Otsu和FCM结合算法这4种算法进行对比,双次Otsu算法从分割质量及其正确分割率、运行时间、稳定性3方面都优于其他4种算法。实验结果表明,双次Otsu算法对色彩目标的成熟荔枝识别的时间少于0.2 s。