基于Android的互联网植物医生服务平台

病虫害的诊断和防治是保障农业安全生产的重要环节,诊断的实时性和防治的有效性是必须解决的首要问题。本文建立了基于Android的互联网植物医生服务平台,创建了农作物病虫害数据库、诊断规则库,并通过基于Android智能手机的植物医生APP提供农业病虫害专家远程诊断和基于专家系统的自助诊断,建立了全天候的病虫害诊断服务模式,使农民"足不出户"即可得到植保专家的防治指导,解决作物生产过程中"求医难"的问题。另外,专家还可根据农民咨询的情况,对病虫害的分布与发生进行分析预警。     

基于图像处理和蓝牙传输技术的水稻种粒计数计量系统

水稻考种过程中对水稻种粒的计数、计量通常采用人工进行,不仅工作量大,而且长时间的测量会导致效率及精准度降低。而市面常用的数粒仪功能单一,只能完成水稻种粒数目统计,导致设备长时间闲置不用。针对上述问题,我们设计了基于图像处理和蓝牙传输技术的水稻种粒计数计量系统。该系统采用智能手机获取水稻种粒图像,并利用基于Android系统的APP进行图像处理,实现水稻种粒数的提取;利用与电子天平连接的蓝牙模块将水稻种粒质量无缝传输至智能终端,获取水稻种粒的质量信息;采用二维码技术识别水稻种粒样本,实现各样本的信息统计。     

基于容灾备份的设施温室环境监控系统关键技术的研究

目前大部分设施温室环境监控系统在系统的安全性、稳定性方面考虑较少,为了提高环境采集数据传输的稳定性,防止因为协调器故障而导致系统瘫痪,提出了并联模式的基于IEEE 802.15.4标准的低功耗局域网协议(Zig Bee)的多协调器备份工作机制来降低由于单协调器出现故障而导致系统瘫痪的概率,起到负载均衡及失败转移的目的,以保证农业数据的安全;最后进行系统测试和分析。结果表明,该系统能有效保证采集到的环境数据无故障传输。     

基于SVM和CNN组合模型的黄瓜病斑叶片检测与识别

为建立准确高效的黄瓜病斑叶片的检测与识别算法提供参考,针对黄瓜叶片常见病斑检测与识别时存在的环境适应性差、识别精度低等问题,提出基于改进的SVM（支持向量机）和CNN（卷积神经网络）组合模型的黄瓜病斑叶片检测与识别算法。依据黄瓜设施场景特征,首先对病斑图像进行色彩增强,通过直方图均衡化对图像进行再处理,利用优化的HOG+SVM分类器对黄瓜叶片进行提取;通过稀疏滤波器及增加偏置对CNN算法进行改进,识别出叶片的病斑类别。结果表明,在黄瓜设施场景下,改进SVM和CNN组合模型的黄瓜病斑叶片检测与识别算法对叶片提取的查准率及差全率分别达87.21%和88.77%,对病斑的整体识别精准率为91.9%,算法实时性强,具有实际推广应用前景。     

面向病害预警的设施蔬菜环境监测Android系统

设施蔬菜在我国已成为一大农业支柱产业,然而病害问题仍时有发生。针对设施蔬菜种植过程中易发生病害的问题,设计一种面向病害预警的设施蔬菜环境监测Android系统。为达到预警设施蔬菜病害的目的,以蔬菜病害产生的环境机制为理论基础,以物联网为技术支撑,构建设施蔬菜病害预测模型,通过实时监测环境信息,来完成对蔬菜病害的及时预警。根据病原菌入侵蔬菜时间的长短采用分类预警的方法,并对系统用户实行分级管理,以实现效率最大化,同时由于该系统是安装在手机上的系统,它具有实时、快捷、方便等特点。     

现代农业园区服务系统的建设研究

现代农业产业园作为新时期推进农业高质量发展的重大举措,需要一套标准的服务管理平台作为支撑。本文以现代科技园区服务系统建设为基础,探究一套适合于现代农业园的标准化服务系统方案。它包含园区实时监控系统、温室各参数监控及控制、信息发布等功能,需要综合应用视频采集、网络传输、数据存储、人工智能分析等技术,该系统的实现有助于现代化农业园区从规模上及经济效益上都取得更加显著的成绩。     

基于OpenCV的Android手机植物叶片几何参数测量系统

通过Android 手机对植物叶片图像进行处理以测量其长、宽、周长、面积等几何参数,避免其他测量方法的缺点,提高数据采集效率。首先,获取含有已知尺寸矩形框的叶片图像。然后,对图像进行校正以消除倾斜失真。在校正阶段,采用了更为鲁棒的特征点检测法代替可能出现错误结果的Hough 变换法来处理矩形框,得到其4 个角点。根据求得的角点与标准图像的角点对图像进行映射得到校正图像。最后,处理校正图像计算叶片几何参数。参数计算提出以叶片轮廓为基础的方法,所有参数均通过对轮廓的处理求出,提高了计算效率。此外,基于轮廓求面积不需要对叶片进行形态学处理消除空隙及不连续,还可避免统计像素方法中将噪声像素误认为叶片造成的计算不精确。在求叶片长、宽时,给出了2 种方法供用户根据叶片实际形状选择。另外,在编程方面,采用了OpenCV-Android-SDK,大幅提高了图像处理速度。结果表明,精确度测试中,对打印出的规则图形几何参数测量的结果误差均在2%以内;而实际叶片的测量结果中长、宽的误差在2%以内,周长误差小于4%,面积误差低于3%。耗时测试中,相同图像处理算法采用OpenCV后,处理速度明显提升;对多部不同配置手机的测试中,处理1 幅分辨率为2448×3264 的叶片图像的耗时均在3 s 以内。另外,对于同一叶片图像,不同手机测量的结果完全一致。实验表明,该系统不仅操作简单、速度快、通用性强,而且对叶片几何参数的测量精确度也较高。