共查询到10条相似文献，搜索用时 15 毫秒
1.
农业现场图像信息采集是农作物长势和病虫害分析的重要手段。结合嵌入式技术与B/S 架构,设计了1 个采用高清晰图像传感器罗技Pro9000摄像头的低成本农业现场视频/图像快速采集系统,并对系统的体系结构、通信子系统、采集、压缩与传输子系统进行了详细设计。系统采用大功率WiFi和快速ARM 平台S3C6410 处理器,基于V4L2 技术采集图像,采用JPEG 图像数据压缩技术能够大大地减少传输数据量,使得视频传输更加流畅。试验结果表明,本系统传输640伊480 大小的图像到远程服务器的图像传输成功率在300 m范围内可达到92%以上;在50 m内可达到视频20 帧/秒以上,在300 m的距离也能够达到6帧/秒以上的视频帧率,可以满足视频监控的需求。由于本方案基于ARM 平台设计,成本低,易于集成应用,非常适于大范围农业上开展应用。 相似文献
2.
针对传统农机翻地作业季节时令性强且不易观察的问题,以水稻本田作业农机为研究对象,设计了一种基于ArUco标志码的农机翻地移动增强现实仿真系统.通过对手机视频流进行自适应阈值处理、轮廓查找以及比特位比对等操作,识别空间中的ArUco标志;使用张正友标定法对手机相机镜头进行标定,通过ArUco标志的角点对手机相机进行位姿估计并通过坐标空间转换实现AR的定位与追踪.利用3 DS Max设计本田作业农机具三维虚拟模型,对模型主体作业部分进行拆分,重新定向各部分的模型轴心.结合Unity 3D引擎对农机翻地作业过程进行仿真设计,并移植到手机移动端.通过手机移动端扫描地板上的ArUco标志,便可以在真实物理空间中还原水稻本田农机翻地作业环境,实现对虚拟农机翻地过程的仿真模拟与交互控制.在谷歌Pixcel XL手机上对仿真系统进行真机测试,结果表明:系统在手机移动端运行帧率稳定在46 fps以上,且AR识别速度快、准确率高,为其他农业仿真应用提供了新的技术参考. 相似文献
3.
研制了一种田间稻飞虱图像远程实时采集系统。该系统由图像采集装置、自动控制系统和远程传输系统组成。利用稻飞虱的趋光性,将其引诱至图像采集装置的白色幕布上,可编程逻辑控制器(PLC)为自动控制系统的核心,发出脉冲控制相机拍摄,同时控制交流伺服电机运行,驱动拍摄装置,实现对幕布的自动扫描拍摄稻飞虱图像。远程传输系统选用4G技术和基于TCP协议的客户端/服务器模式传输方法,将所拍摄昆虫图像自动传输至监测中心处。验证试验结果表明,该系统可直接获得768×576像素的田间稻飞虱图像。通过二维离散傅里叶变换验证,采集系统所采集到的稻飞虱图像与其他昆虫图像存在明显特征差异,说明该系统可满足稻飞虱图像采集要求。 相似文献
4.
提出了一种新的多相机全景视频拼接几何校正拼接方法。先用全景视频摄像机组采集标准标定场的稀疏特征点阵,利用自适应网格细分技术把采集的图像和标定场坐标细分到像素级对应,则全景视频的几何校正和拼接可以通过直接映射得到。在摄像机阵列相对位置固定时,可以一次校正多次使用。本文方法避免了普通拼接方法的特征点检测、匹配优化等参数求解过程,尤其是采用具有较大畸变的广角镜头和相邻相机视场重叠较少时更能体现出其优越性,并可以很容易地迁移到类似的应用中。通过一个原型系统,验证了本文方法的有效性。 相似文献
5.
6.
《东北林业大学学报》2020,(6)
结合鱼眼相机标定技术、近景摄影测量技术、图像处理技术,提出了应用半球图像测算立木高度的测量方法。利用配有鱼眼镜头的iPhone7苹果手机采集半球图像,图像尺寸为3024×3024像素时,图像光学中心点坐标用图像中心点坐标代替,畸变系数分别取k_x=18.141、k_y=17.936;依据鱼眼镜头的标定、校正原理建立测算树高的数学模型,给出模型参数标定步骤;通过实地测量与计算,分析半球图像立木高度测算方法与传统的超声波测高方法的差异。结果表明:半球图像立木高度测算方法,最高相对误差为3.35%,能够满足国家森林资源二类调查中对树高测量精度的要求。与超声波测距仪相比,半球图像立木高度测算方法——精度更高、测量结果更稳定;测量范围广、单幅采集立木信息量大,能在一幅半球图像中实现一排树的树高测算,有效降低测量工作量;成本低、设备便携、操作简单,单人即可完成测量。 相似文献
7.
8.
9.
《中国农业科学》2020,(16)
【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备(如手机或平板)拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户"一对一"的防治指导,大大节省了经济和时间成本。 相似文献
10.
为提高对玉米病害叶片的识别精度,达到快速诊断、智能决策和有效诊治的目的,提出了一种基于Simulink仿真平台的玉米病害视频图像远程实时诊断技术。该技术首先使用Simulink仿真平台将采集的实时视频进行平滑处理,以提高图像的清晰度和质量;再运用分割技术确定玉米病害的优选图像;最后进行优选图像的解析和诊断处理。对玉米灰斑病图像的研究结果表明:该优化技术处理后的图像质量明显提高,突出了玉米病害特征,增强了玉米病害远程视频图像诊断的实时性和准确性,为玉米生产的智能决策提供了技术支撑。 相似文献