基于树冠面积与苹果数量的果树产量预估方法

【目的】 苹果产量的早期预测对于市场供需关系、果农、消费者都有重要的影响，准确预估苹果产量具有重要的理论和应用意义。【方法】 文章提出了一种利用卷积神经网络和长短期记忆网络进行苹果产量预测的方法。利用由果树图像数据中获得的果树苹果数量，和由果园无人机图像获取的果树树冠面积作为特征信息，再经过该文提出的卷积—长短期记忆网络，获得每棵果树的预估产量。【结果】 该文使用5种评价标准，分别是预测误差概率密度、预测绝对误差、均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE），经过实验验证，该文所述方法的均方根误差RMSE最优可以达到9.16。【结论】 该文所述方法依据果树的图像与果园的无人机图像，可以较好地预估苹果产量，为大规模果园产量预测提供技术支撑。     

基于CNN-RF模型的广州地区土壤质地识别方法

不同土壤质地直接影响土壤水分渗透程度和农作物养分吸收，进而影响农作物的产量及质量，针对土壤质地难以开展高效、精准识别等问题，基于卷积神经网络-随机森林(CNN-RF)模型算法用于实现土壤质地高效、精准识别。首先用比重法测定土壤样本中砂粒、粉粒和黏粒的百分比，然后采用自主研制的便携图像采集装置，对广州地区的土壤进行1 000个样本采集并对土壤研磨、筛选、拍摄，建立土壤样本质地和图像的数据库，提取图像中的颜色特征和纹理特征，利用CNN-RF模型并结合3种组合(颜色、纹理、颜色+纹理)方法对土壤样本中的黏粒、粉粒和砂粒百分含量进行回归预测。采用平均绝对误差(MAE)、均方根误差(RMSE)和判定系数(R²)进行模型回归性能评估。从混淆矩阵进行模型分类结果可知，预测砂粒的MAE、RMSE、R²值分别为3.37、3.71和0.99；粉粒的MAE、RMSE、R2值分别为3.48、3.79和0.98；黏粒的MAE、RMSE和R²值分别为3.38,3.76,0.99。与RF、KNN、VGG6-RF模型相比，这种CNN-RF模型得到的MA...     

采用改进的EfficientNet识别苹果叶片病害

该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题，设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先，该模型以并行的EfficientNet-B0网络和DenseNet121网络为特征提取网络，以提升模型特征提取能力，其次引入结合标签平滑策略的焦点损失函数以加强模型对识别困难样本的关注。经测试，所提模型的识别准确率为99.13%，平均精度均值为98.47%。消融试验表明两项改进分别使模型平均精度均值提高了7.99和3.15个百分点。对比试验结果表明，DEFL模型平均精度均值较于ResNet50、Inception V3、ResNeXt模型以及分别融合这3种模型的EfficientNet-B0模型分别高出14.53、13.17、14.61、 6.4、 7.71以及8.91个百分点，模型规模分别小18.73、 7.7、 12.2、 83.62、 69.6以及60.09MB。Grad-CAM(gradient-weighted class a...     

卷积神经网络在农业病虫害识别中的应用

利用卷积神经网络等图像处理技术研究识别作物病虫害是农业智能化未来发展的必然趋势,具有识别速度快、精度高等优点。综述了卷积神经网络的几种经典模型及其分别在农作物病虫害识别领域的应用成果;讨论了卷积神经网络在农业病虫害识别领域的局限性和发展趋势,以期更有利于卷积神经网络技术更好地帮助农业进步和经济发展。     

烟叶智能分级系统的设计与试验

为解决当前烟叶人工分级效率低下、缺乏客观性等问题，避免烟叶收购过程中分级人员的主观随意性对级别评定的影响，设计了一种新型烟叶智能分级系统，通过人工解把通道、振动通道、振动筛分装置和振动风选装置将烟叶从大到小、从厚到薄进行松散；风选腔单片化系统将松散后的烟叶单片化，风道分级系统对单片化后的烟叶进行图像识别、图像采集、图像处理并分级，最后烟叶按等级分仓并齐梗输出。该烟叶智能分级系统经过试验验证，分级设备产能≥400 kg/h，单片化率≥95%，造碎率≤3%，在提高产能的同时，分级品质得到更大提升，还提高了分级效率，降低了人工成本和物耗，可推广应用于烟叶分级相关行业。     

图像识别技术在鸡养殖领域的应用

随着社会发展和科学技术的不断进步，图像识别技术得到了迅速发展。作为一种非接触式的无损监测技术，图像识别技术在鸡养殖领域得到了广泛应用，为现代养鸡业的发展带来了新的动力。概述了图像识别技术的原理和形式，重点介绍了图像识别技术在鸡行为识别、体质量估计、健康监测、产品分级中的应用，指出了图像识别技术在鸡养殖领域应用中存在的问题和发展前景，有助于其在未来养鸡行业中高效、持续、健康发展，加速推进人工智能领域与鸡养殖业的全面结合，为我国现代化畜牧业的繁荣发展提供参考。     

基于AI的桃树病害智能识别方法研究与应用

为解决传统人工识别桃树病害效率低、成本高、准确率低等问题，提出了基于AI深度学习的桃树病害智能识别方法，利用并微调ImageNet预训练的DenseNet-169分类模型，对桃树常见的11种病害图像进行预处理与模型训练，搭建桃树病害智能识别软件环境。该方法对常见桃树病害的平均识别率达到91%以上，结合图像处理、深度学习、数据挖掘等技术自动对桃树病害进行识别，实现桃树病害的智能诊断并提供防治建议。该方法具有人力成本低、操作简单、识别效率高等优点，利于病害的及时诊出与防治决策的制定，对促进果园病害防控的智慧化管理具有重要研究意义与应用价值。     

虚实结合的500kV智能变电站一键顺控联合验收平台研究与应用

一键顺控技术在近几年在变电站得到了蓬勃发展,但是受制于停电计划和停电窗口,验收进度滞后,制约了推进速度.文章在某500 kV智能变电站一键顺控系统技术改造过程中,基于MMS仿真测试系统与图像识别系统线下组网和研制刀闸姿态模拟器,构建了虚实结合的500 kV智能变电站一键顺控联合验收平台,不依赖于停电实际传动,取得了和停电实际传动同样的验收效果效果,大大缩短了验收时间.     

基于机器视觉的番茄采摘器红外图谱识别研究

为了实现番茄分类自动化采摘,基于机器视觉和红外图谱技术设计了识别系统。基于可见光分析,分离番茄图像,对RGB和HSI通道强度进行分析,发现色调H可以有效区分除半熟和成熟阶段的番茄成熟度;引入红外图谱分析,采集810nm番茄图谱,发现灰度在半熟和成熟阶段区别明显。因此,建立半熟和成熟阶段区分模型,并以G、R、H、NIR强度以及4个因素标准方差为系统输入,基于色调H处理番茄图像,采用聚类算法计算番茄中心和半径。对成熟度判定与番茄半径精度进行测试,结果表明:成熟度分类准确率在94.8%以上,半径相对误差小于6%。