共查询到15条相似文献，搜索用时 453 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.
玉米长势是指玉米生长的状况与趋势,在生长期内实时掌握长势是玉米生产调控的关键,玉米长势可以通过叶面积、叶尖距、叶基角等特征参数来衡量。吉林省是我国主要的玉米种植区域,种植规模多为小地块,如果采用传统人工方式测量玉米长势,需要耗费大量人力、物力,而遥感技术适用于大面积种植,因此采用人工测量与遥感技术都具有明显的局限性。该研究采用数字图像处理技术,利用固定影像采集设备获取不同生长期玉米多尺度影像,首先利用灰度化和增强技术对影像进行前期预处理,然后使用迭代阈值分割算法提取影像中玉米植株区域,通过图像细化技术并结合参照物标定方法获取玉米植株的株高、叶尖距、叶基角和冠层面积等特征参数,最后对获取的特征参数使用回归分析建立玉米长势模型。试验结果证明,提出的方法有效可行,可以作为人工测量和遥感技术必要有益的补充。 相似文献
3.
根据温室番茄智能管理作业视觉信息获取需求,研究了番茄植株主茎动态跟踪与立体测量方法,以提高对叶、果和花等目标的搜索效率。结合工厂化番茄种植特征,采用二自由度双目云台摄像机采集植株主茎图像;在对摄像机与旋转云台之间坐标关系进行标定的基础上,提出针对番茄植株主茎图像跟踪采集的云台伺服控制方法,对作业区域内植株进行自下而上多视角图像动态采集;对相邻视场主茎重叠区域的图像匹配方法进行研究,实现了植株离散图像的拼接和形态恢复;基于主茎跟踪参考点的空间坐标信息,研究了作业区域主茎长度、高度和生长倾角等立体形态参数的测量方法;最后,通过现场试验对主茎拼接与测量方法进行验证。结果表明,在距地面高度600~1500mm作业区域内,视觉系统跟踪采集的主茎3个区域图像的平均拼接偏差为3.77°;以人工测量结果为对照,采用视觉系统测量主茎长度、高度和生长倾角的决定系数分别为0.9933、0.8426、0.9793,平均测量偏差分别为46.20mm、18.60mm和4.33°。本研究可为番茄智能化整枝、采摘和授粉等作业视觉信息获取提供技术支撑。 相似文献
4.
玉米种子的品质关系到后期玉米种植收获的好坏,也是玉米收获后的重要加工环节,一般在收获的玉米中挑选出品质优良的作为种子。利用计算机视觉对玉米种子品质进行挑选,具有效率高、准确度高的优势,可代替传统的人工作业,节省了大量劳动力。计算机视觉技术是通过对玉米种子采集的图像进行格式转换、图像变换、图像直方图信息统计、图像增强、图像分割及形态学处理等一系列图像预处理技术,并提取有效图像进行分析验算。计算机视觉技术对玉米种子品质的研究主要表现在玉米种子的品种、纯度、活力、裂纹等方面的检测,本文对玉米种子的检测智能化进行了阐述,为后期研究提供参考。 相似文献
5.
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
6.
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
7.
视觉技术目前被广泛应用于社会各生产领域,包括制造行业、文档分析、医疗诊断及农业品质检测等。为此,基于计算机视觉技术,设计出一种玉米品质自动检测分析方法,即玉米籽粒实时分析系统,具有客观、高效、准确的优势,解决了传统人工检测模式下主观、低效、误差大等问题。最后,设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。 相似文献
8.
如何利用有限的耕地生产尽量多的农产品,是现阶段我国农业面临的一个重要问题。对此,人们发展出了智能化和数字化的农业模式,具体表现为各种植物生长柜和监控决策系统。农作物的长势是上述系统进行决策的依据和基础,长势监控的准确性便成为评价这些系统功能的重要方面。小麦是我国的三大粮食作物之一,推进数字化农业在小麦长势监控中的应用,对保障小麦的高产、稳产具有重大的现实意义。为此,基于计算机视觉,设计了一种小麦的长势监控系统。其中,视频采集装置拍摄小麦生长过程的图像,形成的视频信号由计算机视觉软件分析,得到各种形态特征和颜色特征,以此形成控制指令,最后通过执行装置对小麦的长势进行控制和调节。在植物工厂中验证系统的准确性,监测了3个小麦品种不同时期的株高和叶绿素含量。与人工测量果相比,计算机视觉测量的小麦株高普遍较低,需要优化系统的参数和算法以消除拍摄角度引起的误差;系统测量的不同品种或生育期之间的相对株高和叶绿素含量都很一致,表现出较好的准确性,具有良好的应用前景。 相似文献
9.
玉米果穗自动考种系统设计与试验 总被引：3，自引：0，他引：3
目前玉米考种主要采用传统的手工考种和基于机器视觉的半人工考种。基于机器视觉的半人工考种是由人工来完成玉米果穗的摆放,通过机器视觉的方法来实现玉米果穗特征参数测量,测量完毕后由人工收集玉米果穗,缺点是半人工、非全自动,测量效率受人工操作时间限制。针对上述问题,为实现玉米果穗考种过程中性状信息的自动图像采集处理及自动称量,设计了一种玉米果穗自动考种系统,主要包括直线振动喂料机、横向定位传输机构、气动夹取搬运机构、图像采集平台、称量平台、推送机构、可编程控制器（PLC）和计算机8部分,来实现玉米果穗的自动喂料、自动排序、自动图像采集处理和自动称量等功能。在此基础上对机构及控制系统进行了样机试制,试验结果表明,样机对玉米果穗的夹取、搬运及放置位置准确,图像采集处理方法可行,样机一个工作周期在6s以内,试验中,采用单相机时整穗的平均图像测量速度在600ms/穗以内。样机整体性能能够满足考种使用要求。 相似文献
10.
《中国农机化学报》2016,(8)
采用机器视觉可以实时监测作物长势,然而由于受到复杂背景和变化光照的影响,田间小麦图像叶尖生长点提取难度较大,因此本文提出一种基于深度信息进行区域生长来分割图像并提取小麦叶尖生长点的图像处理方法。首先,根据作物颜色特征去除背景,采用Canny算子检测小麦边缘,然后通过双目视觉技术,获取视差图;然后根据深度信息赋予不同的灰度值,并通过灰度阈值分割仅保留前排小麦深度图,以前排小麦深度图为种子点进行区域生长,得到前排小麦图像;最后检测小麦深度图叶尖,并将其作为初始位置,查找彩色图像前排小麦真实叶尖。结果表明该方法提取准确率为75%,能有效克服复杂背景和纹理的影响,满足应用需求,为植株生长监测提供技术支撑。 相似文献
11.
基于深度相机的玉米株型参数提取方法研究 总被引：1，自引：0，他引：1
提出了一种基于骨架提取的改进算法,可实现在大田环境下,使用PMD深度相机快速、无损测量玉米株型参数。首先利用深度图像RGB伪彩色和深度距离信息,提取深度图像的骨架,排除复杂背景干扰,得到单株玉米的二值骨架图像;然后利用基于角点检测的改进归类算法提取骨架图像特征点;最后建立骨架图像中特征点与深度图像的对应关系,利用空间几何数学方法,结合特征点计算出玉米的3种株型参数,即株高、茎粗、叶倾角。农田实验对比分析表明,所提方法的株高测量结果与人工测量结果的相关系数 r 为0.986,最大相对误差小于2 cm,农田作物育种抗逆性分析还表明玉米株型参数与抗倒伏性具有显著相关性。 相似文献
12.
基于机器视觉的大田植株生长动态三维定量化研究 总被引：3，自引：0，他引：3
高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。 相似文献
13.
荧光成像技术在植物病害检测的应用研究进展 总被引：1，自引：0，他引：1
植物病害阻碍植物正常生长,对蔬菜产品品质安全造成威胁,病害检测可以有效控制植物病害发展,是提高果蔬品质安全和可持续生产能力的一个重要途径。所有的绿色植物在受到紫外光或可见光激发时,都会发出可见光波段的荧光。基于植物荧光的成像技术,是利用计算机模拟人眼的视觉功能,在不破坏植株外观且不影响其生长的情况下,获取植物的荧光图像,并通过图像处理算法,对植物的健康状况做出判断。本文对荧光成像技术及其在植物病害检测中的研究进行了综述,介绍了荧光成像的原理,分别从叶绿素荧光和其他色素荧光两方面总结了国内外研究现状。与可见光成像、高光谱成像、多光谱成像以及热成像技术相比,该技术具有可获取植物内部信息、受温湿度影响小、不局限于晴天采集、价格合理等优点。 相似文献
14.
水肥一体化自动装备的使用能够有效提高水肥资源利用率,但需要在作业前获知作物的营养状况及水肥需求量,而通过人工手持测量仪器来获取这些信息,存在着时效性差和劳动强度大等缺点。针对以上问题,本研究以常见的作物玉米为研究对象,使用大疆精灵Ⅲ无人机携带RedEdge-M多光谱相机在田间上空采集玉米多光谱图像,同时使用YLS-D系列植株营养测定仪测量玉米植株的氮素和水分含量等营养信息,根据这些信息将采集的图像分为3个等级（每个等级共包含530幅五通道图像,其中480幅作为训练集,50幅作为验证集）,提出了一种基于卷积神经网络的玉米作物营养状况识别方法。并基于TensorFlow深度学习框架搭建了ResNet18卷积神经网络模型,通过向模型输入彩色图像数据和五通道多光谱图像数据,分别训练出适合于彩色图像和多光谱图像的玉米植株营养状况等级识别模型。试验结果表明：训练后的模型能够识别玉米作物的彩色图像和多光谱图像,能够输出玉米的营养状况等级和GPS 信息,识别彩色图像模型在验证集的正确率为84.7%,识别多光谱图像模型在验证集的正确率为90.5%,模型训练平均时间为4.5h,五通道图像识别平均用时为3.56s。该识别方法可快速无损地获取玉米作物的营养状况,为有效提高水肥资源利用率提供了方法和依据。 相似文献
15.
株高是动态衡量作物健康和整体生长状况的关键指标,广泛用于估测作物的生物学产量和最终籽粒产量.传统的人工测量方式存在规模小、效率低以及耗时长等问题.近十年来,近地遥感技术在农业领域发展迅速,使得高精度、高频次、高效率的作物株高采集成为可能.本文首先回顾了国内外基于遥感手段获取株高研究的论文发表情况;其次对获取株高的不同平... 相似文献