共查询到19条相似文献，搜索用时 390 毫秒
1.
2.
深度学习在植物表型研究中的应用现状与展望 总被引：1，自引：14，他引：1
精确测量植物表型是深入分析表型-基因-环境互作关系,了解植物生理过程的前提和基础,也是培育良种和提升现代农业生产精准管控的关键。伴随高通量植物表型测量与分析技术的不断发展,以深度学习为代表的人工智能方法在植物表型研究与应用中取得了一系列重要进展。为系统阐述相关研究最新成果和热点问题,该研究首先概述了植物表型与深度学习方法的背景;随后从植物识别与分类、胁迫分析、产量预测、面向精准育种和精准管理的表型分析等方面综述了深度学习在植物表型交叉研究的进展;最后提出了未来深度学习和植物表型交叉融合研究与应用中亟需解决的问题,并展望了植物表型研究智能化的发展前景。 相似文献
3.
大豆籽粒的表型参数获取对大豆育种具有重要的作用。现有的深度学习算法获取的大豆籽粒表型性状较少,且识别表型的神经网络模型训练成本高。该研究基于OpenCV图像处理库,提出了一种提取大豆籽粒多表型参数的算法,从大豆图像中一次性获取籽粒的多种表型性状参数,同时能识别大豆的优劣品质。将每个待测大豆单株的所有籽粒拍成一张图像,首先对大豆籽粒图像进行二值化、去噪等预处理,然后采用分水岭算法和改进的目标分割算法提取图像中的大豆籽粒轮廓。根据大豆籽粒的轮廓信息,调用OpenCV图像处理函数计算大豆籽粒的个数、长轴长度、短轴长度、面积、周长等多个表型性状参数。引入圆形度识别残缺大豆籽粒,使用RGB阈值判断识别病变大豆籽粒。测试结果表明,采用该文算法计算的颗粒总数识别率为98.4%,大豆籽粒正确识别率为95.2%,破损大豆和病变大豆的识别率分别为91.25%和88.94%,籽粒的长轴长度与短轴长度的测量精度分别为96.8%、95.8%;引入多进程并行计算,该算法处理215张图片时间为248.9 s,相对于单进程计算缩短了约2/3,实现了低成本高通量的高精度大豆籽粒多表型性状参数的自动获取,为大豆籽粒自动化... 相似文献
4.
玉米籽粒粒型是评估玉米产量和品质的重要表型参数之一,为了提高籽粒粒型的识别率,同时满足高通量以及无损测量的要求,该文以果穗整体为研究对象,基于稀疏表示的方法构建了高通量玉米果穗籽粒粒型识别系统(果穗未脱粒)。以掉落抓拍法硬件采集平台采集3种不同粒型(硬粒型、马齿型、半马齿型)的玉米穗图像,首先使用帧差法获取果穗轮廓,再通过G通道分离、OTSU算法(最大类间方差法)得到籽粒轮廓信息,提取籽粒部分颜色、形状、纹理特征作为分类依据,每种粒型取200粒作为训练样本构成稀疏表示算法的判别字典,对每一个测试样本计算稀疏表示系数,根据最小重构误差判定籽粒粒型类别。结果表明,该方法不需要传统的果穗脱粒再进行籽粒类型统计,识别正确率达到94.8%,测量速度达到28穗/min,大大提高了玉米粒型统计的效率。 相似文献
5.
随着深度学习技术在植物表型检测领域的应用,有监督深度学习逐渐成为植物表型信息的提取与分析的主要方法。但由于植物结构复杂、细节特征多,人工标注的成本和质量问题已成为制约技术发展的瓶颈。该研究针对玉米苗期植株图像分割问题提出一种基于深度掩码的卷积神经网络（Depth Mask Convolutional Neural Network,DM-CNN）,将深度图像自动转换深度掩码图像,并替代人工标注样本完成图像分割网络训练。试验结果表明,在相同的网络训练参数下,通过测试DM-CNN得到的平均交并比为59.13%,平均召回率为65.78%,均优于人工标注样本对应的分割结果（平均交并比为58.49%,平均召回率为64.85%）;此外,在训练样本中加入10%室外玉米苗期图像后,DM-CNN对室外测试集的平均像素精度可以达到84.54%,证明DM-CNN具有良好的泛化能力。该研究可为高通量、高精度的玉米苗期表型信息获取提供低成本解决方案及技术支持。 相似文献
6.
7.
大豆单株豆荚数检测是考种的重要环节,传统方法通过人工目测的方式获取豆荚类型和数量,该方法费时费力且误差较大。该研究利用大豆单株表型测量仪采集到的表型数据,通过融合K-means聚类算法与改进的注意力机制模块,对YOLOv4目标检测算法进行了改进,使用迁移学习预训练,获取最优模型对测试集进行预测。试验结果表明,该研究模型的平均准确率为80.55%,数据扩充后准确率达到了84.37%,比育种专家目测准确率提高了0.37个百分点,若不考虑5粒荚,该研究模型的平均准确率为95.92%,比YOLOv4模型提高了10.57个百分点,具有更强的检测性能。在简单背景的摆盘豆荚检测中,该研究模型预测的平均准确率达到了99.1%,比YOLOv4模型提高了1.81个百分点,研究结果表明该模型在不同场景下的大豆豆荚检测中具有较强的泛化能力,可为大豆人工智能育种提供参考。 相似文献
8.
基于玉米根系图像的表型指标获取方法 总被引：1，自引：1，他引：0
为了快速获取玉米根系表型指标,该研究提出一种基于图像的高通量解决方案。系统整合一套简易可靠的根系图像获取硬件和自动化根系图像处理算法,首先在固定背景下获取玉米根系图像,通过标定物检出、背景分割算法得到根系目标前景图像,识别根系起始点并剪除冗余部分得到根系感兴趣区域后计算颜色、形状、空间分布3大类29个表型指标。应用该系统获取135个玉米自交系材料吐丝期根系图像和表型数据,其中根系分支角度指标与人工测量值回归分析的决定系数为0.85,验证了系统的精度和准确性。采用非监督聚类方法对135个自交系材料根系表型指标分类,获得3种根系形态类型,通过剖面图分析了各指标在分类中的作用以及不同类型根系的主要表型差异。该方法能够快速获取多个玉米根系表型指标,满足了大规模种质资源鉴定和商业化育种对表型数据的需求。 相似文献
9.
种质资源是作物育种改良的重要物质基础，精确高通量获取作物表型信息是进行种质资源评估的重要途径。基于表型数据获取、解析与管理技术的室内高通量植物表型平台具备环境精确调控、成像自动无损、效率显著提升等特点，为种质资源评估提供了高效、集成且规模化的解决方案，对作物育种改良、种业高质量发展具有深远影响。该研究主要阐述了四类室内高通量种质资源表型平台的研究现状，对目前室内植物表型数据解析及管理技术进行介绍与分析，并总结了室内高通量表型平台与数据解析管理方法存在的问题与挑战，对未来种质资源表型评估研究方向与趋势进行展望，以期为植物表型研究提供指导和建议。 相似文献
10.
玉米果穗表型性状是玉米育种、产量预测的重要参数,提出一种基于穗粒分布图的玉米果穗性状计算方法,全面解析玉米果穗和穗粒的几何、数量和颜色等表型性状。该文利用步进电机驱动果穗转动来获取果穗主要侧面图像,采用果穗畸变校正方法生成标准果穗图像序列,在像素尺度进行果穗轮廓分析,建立图像序列中果穗轮廓映射关系并生成果穗三维模型,在穗粒尺度拼接果穗整个表面的穗粒分布图,计算出果穗和穗粒的各项表型性状。试验结果表明,提出的表型性状计算方法对穗型及穗粒分布规则的玉米果穗具有较高检测精度,其中穗行数、行粒数、总粒数、果穗长和果穗粗的平均计算精度分别为98.231%、94.351%、96.921%、98.956%和98.165%。 相似文献
11.
为保证植物工厂蔬菜穴盘育苗高质量作业要求,该研究在气吸滚筒式蔬菜穴盘育苗精密播种器的基础上,优化设计了在线漏播检测与智能补种装置,以可编程逻辑控制器（programmable logic controller, PLC）为控制核心,实时进行播种器吸孔漏吸检测及穴盘穴孔漏播位置预报,并完成漏播穴孔的定点定穴补种。采用光电检测技术检测播种器吸孔漏吸位置,构建漏吸吸孔与育苗穴盘穴孔的对应动态补种矩阵,实现穴盘穴孔漏播位置精准预报;优化设计了智能补种装置,根据预报的穴盘穴孔漏播位置实现定点定穴精准补种。以中双11号菜心种子为对象,开展播种器吸孔漏吸检测与穴孔漏播位置预报试验,得到吸孔漏吸平均检测准确率为98.82%,穴孔漏播位置预报准确率为100%。采用Box-Behnken试验设计方法,对智能补种装置开展作业性能试验,构建主要性能指标（单粒合格指数、重播指数和漏播指数）与主要影响因素（吸针负压、吸针孔径和种室振动压力）的关系,并进行多目标优化,确定智能补种装置最优工作参数组合为吸针负压10.19 kPa、吸针孔径0.67 mm、种室振动压力0.07 MPa,此时补种装置播种的平均单粒合格指数... 相似文献
12.
鱼类生物量无损测算是智能化水产养殖的重要环节,如何实现鱼体全长精准估算是该环节稳定运行的重要前提。该研究以红鳍东方鲀为对象,提出了一种鱼体全长精准估算方法,可在非接触情况下对自由游动的红鳍东方鲀进行精准的体长估算。首先,利用双目立体视觉技术对原始图像进行校正和立体匹配获得深度图像,并通过SOLOv2模型进行鱼体分割;然后,通过自主设计的独立分类器对图像进行高效分类,自动获取可用于全长估算的鱼类侧面图像,其分类准确率达95.3%;最后,耦合图像平面特征和深度信息,对鱼类进行三维姿态拟合,实现鱼类全长精准估算。结果表明,该方法全长估算的平均相对误差为2.67%,标准差为9.45%,且全长估算值与质量表现出良好相关性（R2=0.88）。该研究将为鱼类生物量无损测算提供关键技术支撑,对水产养殖的信息化管理、鱼类生长状况评估、投饵控制等具有重要意义。 相似文献
13.
基于颜色及纹理特征的果蔬种类识别方法 总被引：6，自引：4，他引：2
为更好地表述果蔬图像纹理特征,提高智能果蔬识别系统识别准确性,提出一种颜色完全局部二值模式纹理特征提取算法。果蔬识别系统模型利用颜色完全局部二值模式提取图像纹理特征,利用HSV颜色直方图、外点/内点颜色直方图提取图像颜色特征,采用匹配得分融合算法将颜色和纹理特征相融合,采用最近邻分类器实现果蔬农产品分类。通过不同光照条件下和不同数量训练样本条件下的试验得出：颜色完全局部二值模式的果蔬图像纹理表述能力明显优于和差直方图等果蔬图像纹理操作子,识别率提升最小在5%以上,更适合果蔬分类;对比其他纹理特征提取算法,采用颜色完全局部二值模式与颜色特征进行融合时,识别率最优,时间开销约为1.1 s。该方法能够应用到智能果蔬识别系统中,提升系统识别准确性。 相似文献
14.
Utilizing landsat TM imagery to map greenhouses in Qingzhou, Shandong Province, China 总被引：9，自引：0，他引：9
To build a rapid and accurate method for greenhouse vegetable land information extraction using an index model derived from TM digital data of Qingzhou City, Shandong Province, based on a systematic analysis of the spectral characteristics of different land use types in the study area, a subset of the image was first made to eliminate the mountainous region not associated with vegetable distribution, and then water body pixels were masked. With this the VI index model for greenhouse vegetable land extraction was developed. The index model indicated greenhouse vegetable land for Qingzhou in April 2002 was concentrated in the southeast and around rural residential areas. Field data used for an accuracy evaluation showed that greenhouse hectares determined with remote sensing were 95.9% accurate, and accuracy for the spatial distribution of greenhouse vegetable land cross checked with a random sample was 96.3%. Therefore, this approach provided an effective method for greenhouse vegetable land information extraction and has potential significance for management of greenhouse vegetable production in the study area, as well as North China. 相似文献
15.
改进YOLOv3网络提高甘蔗茎节实时动态识别效率 总被引：4，自引：4，他引：0
为推广甘蔗预切种良种、良法种植技术,结合甘蔗预切种智能横向切种机的开发,实现甘蔗切种装置对蔗种特征的连续、动态智能识别。该文通过甘蔗切种机黑箱部分内置的摄像机连续、动态采集整根甘蔗表面数据,采用改进的YOLOv3网络,建立智能识别卷积神经网络模型,通过拍摄装置内部的摄像头对输入识别系统的整根甘蔗的茎节图像特征进行实时定位与识别,并比对识别信息,及时更新茎节数据,识别、标记出茎节位置,再经过数据处理得到实时的茎节信息,输送到多刀数控切割台进行实时切割。经过训练及试验测试,结果表明:经过训练及试验测试,模型对茎节的识别的准确率为96.89%,召回率为90.64%,识别平均精度为90.38%,平均识别时间为28.7 ms,与原始网络相比平均精确度提升2.26个百分点,准确率降低0.61个百分点,召回率提高2.33个百分点,识别时间缩短22.8 ms,实现了甘蔗蔗种的连续、实时动态识别,为甘蔗预切种智能横向切种机的开发提供数据基础。 相似文献
16.
像素自相关矩阵的阈值自适应角点检测算法 总被引：1，自引：1，他引：0
针对Harris角点检测算法中角点响应函数(corner response function,CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,该文提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进Harris角点检测算法.该算法首先通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式值,以此构造特征角点图像;然后采用OTSU算法计算特征角点图像分割阈值,从而筛选出预选区域;最后结合改进的非极大值抑制方法提取有效角点.通过5组角点检测对比试验结果数据分析,不同类型图像的角点检测准确率均有提高,高分二号遥感影像的角点检测准确率提高27.06个百分点,可以初步得出,该算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的精确度,该研究可为农业遥感影像数据检测提供参考. 相似文献
17.
智能施药机器人关键技术研究现状及发展趋势 总被引：1，自引：1，他引：0
喷施化学农药是病虫害防治最主要的手段,对保证作物的产量起着至关重要的作用。传统的施药机械工作效率低,且使用同一施药量进行连续喷施作业易造成农药浪费、环境污染。随着农业智能化发展,机器人被广泛应用到农业植保作业中,智能施药机器人以减少劳动力投入、提高农药利用率、减少农药施用量以及减少环境污染为目的,实现了更加高效、精准的病虫害防治。智能施药机器人是集复杂农业机械、智能感知、智能决策、智能控制等技术为一体的现代农业施药装备,可自主、高效、安全、可靠地完成施药作业任务。为明确智能施药机器人及关键技术的国内外研究现状,本文总结了适用于不同作业场景的施药机器人的应用进展,从智能施药机器人的移动平台设计、喷雾装置设计、导航技术、智能识别技术4个方面进行分析,结合施药机器人作业环境的复杂多变性,分析智能施药机器人关键技术的现存问题,阐述智能施药机器人未来的发展趋势是精准变量施药、自主导航以及无人化作业,以期为智能施药机器人在未来的研究提供参考。 相似文献
18.
基于多相机成像的玉米果穗考种参数高通量自动提取方法 总被引：1，自引：1，他引：0
实现玉米果穗考种性状的准确、快速获取是提高玉米育种效率的关键环节。该文在前期设计的玉米高通量自动化考种装置基础上,提出了一种基于多相机的玉米果穗考种参数提取方法,通过4个等间隔均匀分布的摄像头同时获取果穗4个方向图像,针对每副图像分别经过背景去除、投影模型构建、籽粒跟踪、考种参数提取等处理,最后根据4副图像的处理结果,综合计算穗长、穗粗、平均粒厚、穗行数、行粒数、穗粒数等考种参数。在玉米高通量自动化考种装置的果穗考种模块上进行试验,结果表明,该文所提方法测得的穗长、穗粗、平均粒厚与人工方法测量值之间的决定系数R2分别为0.997 3、0.984和0.941 5,对穗行数、行粒数的测量精度分别为98.63%、95.35%,为玉米果穗考种参数提取提供了一种新思路,为高通量自动考种装置的实现奠定了基础。 相似文献
19.
为实现温室番茄植株多模态三维重建,解决多光谱反射率配准和多视角点云三维重建问题,基于相位相关原理将多光谱反射率配准至RGB-D图像坐标系中,建立了基于Kinect传感器测量位姿自主标定的多视角RGB-D图像三维重建方法,实现植株RGB三维点云模型和多光谱反射率点云模型重建,通过归一化灰度相似系数、配准区域光谱重叠率、互信息值3个指标客观评价二维多光谱图像配准质量,采用豪斯多夫距离客观评价植株三维点云重建精度。结果表明:30株温室番茄,每株4个重建视角,视角间隔为90°,配准区域光谱重叠率和归一化灰度相似系数的平均值分别为0.920 6和0.908 5,异源图像配准后互信息值比配准前互信息值平均提升了9.81%,植株冠层多光谱图像能够准确配准至深度坐标系,番茄植株三维重建点云距离集小于0.6 cm的比例为78.39%,小于1.0 cm的比例为91.13%,番茄距离集均值的平均值为0.37 cm,表明植株三维点云模型重建精度较高,能够应用于温室番茄植株多模态三维重建。植株多模态三维模型是实现三维形态测量与生理诊断的关键要素,为高通量植株表型测量提供高效精准的测量方法,对植物表型组学等研究领域的发展具有重要的意义。 相似文献