排序方式: 共有29条查询结果,搜索用时 12 毫秒
1.
为改善在农田环境下无人机图像计算速度和效率,该研究提出了一种农田环境下无人机图像并行拼接识别算法。利用倒二叉树并行拼接识别算法,通过提取图像拼接中的变换矩阵,实现拼接识别同时进行。根据边缘设备的CPU核心数和图像数量自动将图像拼接识别任务划分为多个子进程,并分配到不同核心上执行,以提高在农田环境下的计算效率。试验结果表明:相同试验环境和数据集条件下,倒二叉树并行拼接算法的拼接耗时相较于商业软件平均减少了60%~90%左右;在农田环境下,倒二叉树并行拼接识别相较于串行拼接识别的耗时减少了70%,图像识别的平均像素交并比提升了10.17个百分点,说明在农田环境下采用多线程倒二叉树并行算法可以更好地利用农田环境下边缘设备的计算资源,大幅提升无人机图像的拼接和识别的速度,为无人机的快速实时监测提供技术支撑。 相似文献
2.
基于高光谱特征的土壤有机质含量估测研究 总被引:5,自引:1,他引:5
在室内条件下,利用ASD2500高光谱仪测定了潮土和水稻土自然风干土壤样品的光谱。通过系统分析两种不同类型土壤的高光谱特征差异及其有机质含量的敏感波段区位,建立了土壤有机质含量的光谱估测模型。结果表明,具有相同有机质含量的两种类型土壤整体光谱变化趋势无明显差别,但反射率表现出明显差异,一阶导数变换能较好地显现谱图中的肩峰。潮土和水稻土有机质的敏感波段集中在相同区域,原始反射率在685 nm处相关性最高,而一阶导数光谱在554 nm处相关性最高。通过对整体样本的多元逐步回归分析,筛选出两种土壤有机质相同的敏感波段为800 nm、1 398 nm和546 nm。进一步以一阶导数为自变量,基于1 400nm和554 nm两个波段构建了土壤有机质差值指数SOMDI及估测模型,即Y=4.19 12.85×(R_FD554 R_FD1 400)。利用独立的样本对建立的光谱模型进行了检验,预测决定系数均达0.79以上。上述结果表明,利用高光谱技术可实现土壤有机质的快速监测与诊断。 相似文献
3.
为了提升猪胴体分割系统中无线射频识别(RFID)标签识别效率和正确率,笔者根据生产环境和产品溯源的需求设计扎带式低频无源标签以及具备RFID阅读器功能的称重设备,并优化系统结构和RFID中间件。针对系统使用过程中出现的由标签碰撞导致识别失败率高的问题,围绕ALOHA防碰撞算法展开研究,确定基于分组帧时隙ALOHA算法的改进算法,通过合理控制分组标签数量和算法帧长度,降低标签碰撞发生率。通过系统改造前后的对比发现,改进后的系统更符合企业生产实际,能有效提高数据采集的自动化程度,降低标签碰撞发生概率,提升标签识别率。 相似文献
4.
小麦全蚀病是检疫性的土传病害,对小麦生产危害极大,对其发生的监测是治理的根本。遥感技术可实时、宏观地监测病害发生发展,尤其是将光谱信息与高分辨率数字图像进行融合,可直观、精准地对病害识别和分类。本文基于计算机视觉技术,通过光谱数据与高分辨率数字图像结合的方法,对小麦全蚀病等级进行快速分类。首先,通过ASD非成像光谱仪获取小麦全蚀病的光谱信息,提取全蚀病特征光谱,建立光谱比。其次,利用无人机获取的实时田间数码图像,对其颜色特征进行重量化。最后,利用基于支持向量机的决策树分类对图像视场中的不同全蚀病等级进行分类。结果表明,4个全蚀病等级的分类精度均大于86%(Kappa0.81),平均运算时间小于30s。通过与实地调查的小麦全蚀病的白穗率等级做比对,验证分类结果的准确性,结果表明该方法基本可以实现对小麦全蚀病等级的实时监测。 相似文献
5.
6.
地面高光谱和低空遥感监测小麦白粉病初探 总被引:4,自引:1,他引:4
利用手持式高光谱仪和基于数字技术的低空遥感系统,对不同严重度小麦白粉病冠层光谱反射率进行了测定,同时调查病情指数,分析不同时期地面平台光谱反射率与病情指数及低空遥感平台反射率与病情指数(disease index,DI)、归一化植被指数(normalized difference vegetable index,NDVI)相关性。结果表明,地面光谱测量冠层光谱反射率和低空遥感数字图像反射率与小麦白粉病病情指数在灌浆期有显著的相关关系,就地面测量结果而言,近红外波段的相关性高于绿光波段,相关系数分别为0.79和0.54;低空遥感数字图像红、绿、蓝三波段中,相关性依次降低,相关系数分别为0.79、0.75和0.62;而且低空遥感图像与归一化植被指数也存在较好的相关关系,蓝、红、绿波段,相关系数依次为0.70、0.68和0.54。这表明利用遥感非破坏性监测小麦白粉痛有着良好的应用前景,对于小麦白粉病发生面积监测有重要意义。 相似文献
7.
基于无人机成像高光谱的棉叶螨为害等级估测模型构建 总被引:1,自引:1,他引:1
为快速、实时、准确地了解新疆棉田棉叶螨(优势种为土耳其斯坦叶螨Tetranychus turkestani)的发生情况,利用高光谱图像中的7种植被指数,使用一般线性回归分析方法分别构建不同棉叶螨为害等级棉花冠层叶片叶绿素相对含量(用soil and plant analyzer development(SPAD)值表征)遥感估测模型和棉叶螨为害等级遥感估测模型,实现棉叶螨为害的实时监测。结果显示:不同棉叶螨为害等级对应的棉花冠层光谱反射率存在明显差异,棉叶螨为害等级与棉花冠层叶片SPAD值呈显著负相关关系。在7个不同棉叶螨为害等级对应的棉花冠层叶片SPAD遥感估测模型中,SPAD-红边归一化植被指数估测模型的估测决定系数为0.915,均方根误差为3.451,识别精确度显著高于其他模型。表明利用棉花冠层叶片SPAD遥感估测模型可快速无损地获取棉叶螨为害数据,构建的棉叶螨为害等级估测模型可用于植保人员快速准确获取棉叶螨为害情况。 相似文献
8.
通过对田间不同程度麦蚜危害的小麦冠层反射光谱测量,研究了各波段反射光谱的变异特征,并对光谱反射曲线进行微分分析。结果表明:在麦蚜危害的初期,近红外反射率明显降低,即陡坡效应受到明显的削弱,随着麦蚜危害程度加重,小麦冠层的反射率在不同波段有明显下降,尤其在近红外区下降更为显著。利用光谱微分技术,对受麦蚜不同程度危害的小麦冠层反射率求一阶导数,得到红边斜率。结果表明,麦蚜危害后小麦冠层的红边斜率在近红外波段发生剧烈的变化,且随着危害程度的加重其值逐步下降。将归一化植被指数(NDVI)分别和百株蚜量进行相关及回归分析,并对监测蚜虫敏感波段的选择做了初步的探讨。 相似文献
9.
近年来, 随着计算机、互联网、物联网、人工智能、传感器、遥感等技术的快速发展, 智能虫情测报灯、智能性诱捕器、昆虫雷达、无人机遥感、卫星遥感、智能识别App等现代智能农作物病虫监测装备及重大病虫害实时智能监测预警系统建设方面取得了比较明显的进步。本文综述了我国近5年在利用光谱遥感、昆虫雷达、图像识别等技术进行农作物病虫害监测预警研究和应用方面取得的重要进展, 分析了各类技术存在的不足与难点, 提出了未来发展的方向, 以期为充分利用空天地多源数据实现农作物病虫害精准预报提供指导。 相似文献
10.
基于支持向量机模型的冬小麦全蚀病为害等级遥感监测 总被引:1,自引:0,他引:1
为了解利用高光谱遥感技术对小麦全蚀病进行有效监测的可行性,对感染不同发病等级全蚀病的冬小麦冠层光谱反射率数据进行采集分析,选取监测敏感波段,在Matlab和Libsvm工具箱支持下,利用支持向量机分类方法构建小麦全蚀病病害等级预测模型。结果表明,在不同程度小麦全蚀病的为害下,小麦冠层光谱反射率存在明显变化。通过对数据分析,选择700~900nm波段作为敏感波段进行训练建立模型的结果最好;经检验,基于此波段构建的预测模型预测值与实际值相关系数可达0.943,均方根达0.63,因此生产上可利用波段光谱特征对小麦全蚀病进行监测。 相似文献