共查询到20条相似文献，搜索用时 531 毫秒
1.
植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。 相似文献
2.
获取水稻的相关生长信息可以动态监控和实时掌握水稻的生长情况,是实现水稻生产管理的自动化和智能化基础。为此,基于物联网技术,设计了集水稻生长过程数据采集、视频信息传输、后台数据分析处理和水稻生长精准调控等功能于一体的水稻生长信息动态监控系统。根据该系统,对植物工厂中种植的4种水稻作为试验田进行研究,选择株高、有效穗数和叶绿素含量这3种性状作为监测对象,并与人工测量数据进行比较,发现该系统可有效监测水稻的株高、有效穗数和叶绿素含量等数量性状,结果表明:系统可实现水稻生产中资源的合理利用,保证水稻高质、高产。 相似文献
3.
无人机是无人驾驶航空飞行器的简称,在农业方面可用于农田信息监测。无人机监测农田信息的覆盖范围广,实效性强且客观准确,具有其它方法无可比拟的优势。计算机视觉是一种新兴的图像分析技术,可以分析无人机拍摄的农田作物图像,其与无人机结合应用符合精准农业的发展趋势。为此,基于计算机视觉建立了一种农田信息获取的无人机系统。无人机拍摄农田图像,由信息检测中心转换为数字信号后发给计算机视觉模块处理,根据颜色特征识别作物种类和长势,并计算各区域面积。试验结果表明:该系统对水稻、小麦和大豆的信息获取相对误差较小,玉米由于植株太高形成遮挡,降低了农田信息获取的准确性。系统从拍摄图像到输出结果的整个过程耗时2s,具有较强的实时性,可以为拓宽无人机在农业中的应用范围提供技术支持。 相似文献
4.
叶绿素含量影响植物的各种生理机能,准确测定水稻叶绿素含量有利于了解水稻的光合作用能力,为高产育种和栽培提供依据。叶绿素含量的测定方法有多种,传统测定方法步骤繁琐且耗时费力,而便携式叶绿素仪只能进行点测定。计算机视觉是一种快速便捷的图像处理技术,可以用于作物的色素含量测定和营养状况诊断。为此,设计了一种基于计算机视觉的水稻叶绿素含量测定方法,叶片图像通过扫描获得,经过处理并提取叶片轮廓后以G-R、B-R和R/(G+B)等3个颜色特征参数建立叶绿素含量的估算模型。结果表明:以G-R和R/(G+B)建立的模型精度较高,对检验样本SPAD值拟合方程的决定系数和斜率都接近1,可以用来准确测定水稻的叶绿素含量。 相似文献
5.
机器视觉技术在大豆叶片叶绿素含量测算上的应用 总被引：1，自引：0，他引：1
植物叶绿素含量测算方法有很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具。随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,在农产品诊断领域应用计算机视觉已变得越来越具有吸引力。为此,应用计算机视觉技术对大豆叶片叶绿素含量进行了测算。大豆叶片叶绿素含量的多少是进行合理施肥的前提,因此具有非常重要的意义。 相似文献
6.
基于双目立体视觉的植物生长状态无损测量方法研究,能快速地对植株生长进行无损监测,尤其能准确测量倾斜生长的植株高度,对于农业工程研究有重要意义。本研究在实验室搭建计算机双目立体视觉平台,对大豆植株生长进行无损监测。由于植物的形态与生长条件限制,双相机光轴与基线的夹角未能构成最佳双目测量系统,因此本研究对双目立体视觉平台本身的精度进行了校验。利用VC＋＋6.0编制的图像分析处理软件,结合界跟踪算法与斜率计算对植株的顶芽进行识别,能取得很好的效果。研究表明,实验表明双目立体视觉可应用于植物无损监测,具有广阔的应用前景。 相似文献
7.
水稻杂株是品种形成过程中的干扰因素,对水稻产业具有较大的危害。水稻杂株的防除以识别为前提,但目前的识别方法消耗大量人力,识别的效率也不理想。计算机视觉是一种图像分析处理技术,在农业领域的应用较广。为此,设计了基于计算机视觉的水稻杂株识别方法,拍摄图像后依次进行预处理、灰度化和二值化,最后根据外观特征采用阈值分割法将杂株识别并提取出来。试验结果表明:秧苗期水稻杂株的性状特征最少,导致计算机视觉的识别效果较差;计算机视觉在抽穗期的识别率最高,误识率最低,具有良好的识别效果。因此,这种识别方法最适合在水稻的抽穗期使用,可以为水稻的品种形成提供技术支撑。 相似文献
8.
9.
基于无人机影像技术的小麦长势遥感监测 总被引：1，自引：0，他引：1
随着精准农业的发展,农作物长势监测越来越重要.传统的小麦长势监测主要依靠人工采样进行,作业效率低、监测范围小、耗费人力物力大.为有效提高小麦长势监测效率,引入无人机影像技术,以曹妃甸地区的小麦为研究对象,利用无人机影像技术和高光谱影像采集传感器完成对曹妃甸地区小麦叶面积指数、叶片生物量、叶绿素含量及叶片氮含量等长势参数... 相似文献
10.
基于机器视觉的番茄长势信息无损检测的研究 总被引：1，自引：0，他引：1
提出了利用机器视觉的方法在复杂自然条件环境下对番茄的茎粗、株高和果实横截面积进行快速测定方法。通过利用CCD获取不同生长周期下番茄的长势信息,采用中值滤波方法对图像进行预处理;采用基于rg颜色因子的Otsu自动阈值分割法来提取目标区域。同时,通过相关性分析建立作物长势参数与目标图像特征值的拟合函数,实现了番茄长势信息的有效获取。试验结果表明:对番茄茎粗的检测在幼苗期、开花坐果期、结果期的相对误差分别为1.73%~4.04%,0.64%~4.42%,0.46%~4.78%;株高和果实横截面积检测的相对误差分别为1.2%~6.5%,0.8%~3.1%。 相似文献
11.
机器视觉技术的发展和应用 总被引：2，自引：0，他引：2
1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作. 相似文献
12.
为快速获取作物的生长状态信息及时指导农业生产,基于作物生理生化光谱学响应机理,设计了基于光环境校正的便携作物叶绿素检测装置。装置测量以610、680、730、760、810、860nm为中心,20nm带宽的反射光谱以及环境光照光谱数据,计算植被指数并预测植物叶绿素含量,在环境光照强度较差时使用主动补光灯进行补光,并对补光条件下环境光照强度进行校正。实验表明GPS定位在纬度最大漂移为6.2m、经度最大漂移为4.9m;光谱传感器6个波段的光强响应与照度计测量值之间的决定系数均超过0.99;标定的2块光谱传感器的匹配系数在610nm和860nm波段分别为0.743、1.035。建立了610nm和860nm波段补光强度与测量距离间的拟合模型用于光环境校正;使用无纺布进行了叶绿素梯度实验,建立了植被指数NDVI与植物叶绿素含量的数学模型,在较差光环境条件下不进行补光的模型决定系数为0.685,补光并进行校正情况下模型决定系数为0.965。 相似文献
13.
20多年来,视频监控系统经历了从第一代百分之百的模拟系统,到第二代部分数字化的系统,再到第三代完全数字化的系统(网络摄像机和视频服务器)三个阶段的发展演变。在这一过程中,孕育了许多新的监控技术。计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题。伴随网络技术和数字视频技术的飞速发展,如今,监控技术正向着智能化、网络化方向发展。但是目前大部分系统依然需要工作人员不间断地监视分析场景内的活动,日夜值守,工作量繁重。因此计算机视觉和应用研究学者适时提出新一代监控一视频监 相似文献
14.
为快速估测并直观显示植物叶绿素含量的冠层分布,以苗期的簸箕柳作为研究对象,构建了一套多视角表型信息采集平台,通过目标检测算法YOLO v5检测识别出植物分枝区域并提取不同色彩空间下的主枝部分分层色彩因子,对比多种模型回归方法,将多组色彩因子组合与手持式叶绿素含量测定仪测得的SPAD进行反演建模,得到拟合度最高的色彩因子组合回归模型;将该模型应用于整株苗木图像来表征SPAD的冠层分布,实现叶绿素含量在整株植物分布上的可视化。结果表明：通过对比多种回归算法下不同色彩因子组合模型与SPAD指数的相关性,发现在RGB空间下由色彩因子R、G、B、G/R、G/B构建的对数项岭回归算法拟合模型效果最佳,其拟合度最高（R2为0.73）,且误差最小（RMSE为2.16）。本文通过采集多视角图像,基于YOLO v5目标检测模型识别出植物主枝冠层区域,得到叶绿素含量冠层分布的最佳估测模型并进行可视化,可实现植物苗期生长的监测与植物长势的快速评判,为氮胁迫早期诊断和氮肥科学施加提供技术指导。 相似文献
15.
为了克服农作物生长大面积遥感监测精度较低的缺陷,实现作物生长态势的自动化监测,提出了一种基于计算机视觉的自主导航作物生长监测车辆,从而有效地提高了作物生长监测的精度和自动化程度。该型自动化车辆通过导航标定线在田间对作物的生长状况进行实时跟踪监测,采用CCD数字摄像头对作物的生长状况进行图像采集,使用PC机对图像进行处理,并将图像利用通信技术传输到远程监控端,并根据图像特征数据建立了作物长势的监测和预测模型。为了验证其可行性,对作物的长势进行了实地测试,通过对叶面指数和作物生物量预测模型的测试表明:数据模型的实测值和理论值基本吻合,利用该方法可以建立多种作物的长势监测和预测模型,具有推广价值。 相似文献
16.
为了提高农作物长势预测的精度和实时性,提出了一种新的基于双目立体视觉的玉米长势自动化监测车辆,并将图像多维重构技术引入到了车辆的设计中,采用自主导航技术在无需人员进入农田的情况下,实现了玉米长势的智能远程监控。为了解决玉米叶面积采集特征数据的冗余导致信息处理速度不高的问题,提出了改进的LPP的降维方法,并对算法进行了验证。测试结果表明:采用LPP算法,能够完成对作物多维特征信息的优化降维,具有较高的实用性和准确性。对玉米长势自动化监测车辆的性能进行了测试,对生物量的预测结果表明:采用监测车辆生物量反演模型得到的长势预测量和实测量的误差较小,从而验证了监测车辆设计的可行性。 相似文献
17.
18.
针对水稻的杂株识别,设计了一种基于计算机视觉的水稻杂株识别系统。系统主要由图像获取系统、特征提取系统和模式识别方法系统组成,可利用颜色特征识别图像中的杂株,并对图像进行阈值分割获取二值图像,提取形状特征和纹理特征,通过DS融合理论程序实现水稻杂株的识别。试验结果表明:系统可以准确识别水稻杂株类型,准确率达到了92%以上,能够满足农业人员对水稻杂株识别系统的要求。 相似文献
19.
20.
在由传统农业的经验耕作、管理、规划、决策向现代农业的科学耕作、管理、规划、决策转变的过程中,计算机技术起着非常重要的作用。该文着重对计算机图像处理和机器视觉技术在农作物种质检测、种子计数、农产品品质检测与分级、作物生长状态监控及农业机械、农业机器人作业中的应用进行了论述,并简单介绍了计算机在节水灌溉、畜牧业生产和食品农产品安全领域的应用情况,提出将云计算应用于农业领域,将有助于解决农业高度分散、生产规模小和时空变异大等问题,应加快推进研究与技术实践。 相似文献