共查询到20条相似文献，搜索用时 171 毫秒
1.
2.
3.
采用可见近红外光谱技术进行白菜籽品种识别研究。利用主成分分析方法将白菜籽的可见近红外光谱数据压缩成3个主成分得分变量后,进行聚类分析,准确地识别出鑫丰70、青麻叶和山东五号3个品种,错判率为8.89%。结果表明:应用可见近红外光谱技术、主成分分析和聚类分析方法进行白菜籽品种识别是可行的。 相似文献
4.
5.
近红外光谱技术在苹果品质无损检测中的应用 总被引：1，自引：0，他引：1
近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。 相似文献
6.
基于相关分析技术的近红外光谱信息特征提取 总被引：9，自引：0，他引：9
运用信号分析的理论，研究了把相关分析技术应用于近红外光谱信息特征提取的方法.结果表明：通过相关处理，光谱信息特征得到分离和增强，可以作为一种光谱信息特征提取的有效方法用于定性和定量分析，为解决近红外光谱检测中光谱叠加、信息率低等难题提供了一种方法。 相似文献
7.
杂草信息实时获取技术与设备研究进展 总被引：6，自引：0，他引：6
杂草信息的实时获取技术是田间杂草精准控制研究的首要问题,杂草实时获取设备是制约精准除草作业实现的瓶颈.综述了基于光谱、图像和光谱成像技术的杂草实时获取技术与设备的国内外研究现状,以促进精准杂草管理技术在我国的应用和发展.基于光谱的杂草信息获取方法较适用于实时防除作物出苗前的杂草,国外已有WeedSeeker、Weed-IT等杂草传感器.基于图像的杂草信息获取方法较适用于识别行间杂草,国外已有Autopilot、Cam Pilot、Robocrop等视觉导航产品和Robocrop InRow机械除草机防除行内杂草.基于光谱成像的杂草信息获取方法较适用于识别行内杂草,中、澳正联合研发微光子植物判别和杂草控制传感器.需要继续深入研究在复杂的开放式非结构的农田环境中,快速、准确地实时获取农田杂草信息技术. 相似文献
8.
利用近红外高光谱技术,依据施药猕猴桃和空白猕猴桃中氯吡脲残留量不同、有机成分含量不同,进行了2类猕猴桃的无损识别技术研究。首先进行2类猕猴桃的田间试验,获得具有代表性的猕猴桃样品,然后通过近红外高光谱设备扫描样品,获得每个样品的近红外高光谱图像并输出每个样品平均反射光谱值,最后进行2类猕猴桃的无损识别。结果表明,PCA-LDA(主成分分析-线性判别分析)和支持向量机(SVM)2个数学模型的正确识别率都是94.4%;施药样品氯吡脲的残留量为0.03 mg/kg,空白样品的氯吡脲残留量为0 mg/kg;总糖、总酚、维生素C、可滴定酸、17种氨基酸、8种微量元素等有机成分含量存在一定的差异。因此,采用近红外高光谱技术进行植物生长调节剂猕猴桃的无损识别是可行的。 相似文献
9.
基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。 相似文献
10.
11.
基于近红外光谱技术的农作物病害诊断 总被引：2，自引：0，他引：2
利用近红外光谱诊断农作物病害是近几年兴起的一种具有高效、准确和非破坏性的技术。为此,阐述了近红外光谱诊断农作物病害的原理;介绍了处理近红外光谱数据的关键技术以及建立光谱模式识别模型的方法;报告了近红外光谱技术在农作物病害诊断中的应用现状;提出了运用近红外光谱技术诊断农作物病害存在的难点;最后,指出了一些研究中有待解决的问题。 相似文献
12.
13.
为精准化管理果园,针对存在裸露土壤、遮蔽物、果树冠层阴影和杂草等复杂环境下难以提取导航线问题,通过无人机搭载多光谱相机获取苹果园影像数据后提取果树像元并进行全局果树行导航线提取。通过处理多光谱影像数据得到正射影像图(DOM)、数字表面模型(DSM)图像,选取并计算易于区分杂草与苹果树的归一化差异绿度指数（NDGI）、比值植被指数（RVI）分布图,构建DSM、NDGI、RVI融合图像后,综合利用过绿植被(EXG)指数和归一化差异冠层阴影指数（NDCSI）以阈值分割法剔除融合图像中土壤、遮蔽物、阴影等像元,降低非植被像元对果树提取的干扰。对比使用支持向量机（SVM）法、随机森林（RF）法和最大似然（MLC）法分别提取最终融合图像和普通正射影像中的苹果树像元,并计算混淆矩阵评价各识别精度。试验表明,MLC法对融合图像中果树的识别效果最优,其用户精度、制图精度、总体分类精度、Kappa系数分别为88.57%、93.93%、93.00%、0.8824;相对于普通正射影像,本文构建的最终融合图像使3种方法的识别精度均得到有效提升。其中,融合图像对RF法的用户精度提升幅度最大,为27.12个百分点;对SVM法的制图精度提升幅度最大,为9.03个百分点;对3种方法的总体分类精度提升幅度最低为13个百分点;对SVM法的Kappa系数提升幅度最大,为22.55%,且对其余两种方法的提升也均在20%以上。将本文得到的苹果树像元提取结果图像做降噪、二值化、形态学转换等处理后,以感兴趣区域划分法提取各果树行特征点,并以最小二乘法拟合各行特征点得到导航线,其平均角度偏差为0.5975°,10次测试整体平均用时为0.4023s。所提方法为复杂环境中果树像元和果树行导航线提取提供了重要依据。 相似文献
14.
采用红外光谱技术对核桃开展无损检测研究,实现清香、温185、香玲、新新2号、纸皮、漾濞和岱丰共7种核桃品种的鉴别,为核桃品种识别提供新思路。提出了一种基于近红外和远红外光谱信息融合的方法,首次将远红外光谱技术应用在核桃品种鉴别中,并与近红外光谱数据融合,结合主成分分析法（PCA）和无信息变量消除-连续投影法（UVE-SPA）进行特征波长选取,建立了随机森林、K近邻、支持向量机分类模型。结果除随机森林模型外,其余模型识别准确率能够达到100%,既降低了模型复杂度,也大大提升了识别准确率和模型稳健性。试验结果表明,通过将近红外光谱和远红外光谱的有效信息进行数据融合,可以改善单一光谱技术在识别率上的不足,即两个波段的数据融合更能反映品种之间的差异,为实现核桃品种的高效、无损、精确识别提供了新思路,也为其他物质的鉴别提供了借鉴和参考。 相似文献
15.
基于优化Faster R-CNN的棉花苗期杂草识别与定位 总被引：2，自引：0，他引：2
为解决棉花苗期杂草种类多、分布状态复杂,且与棉花幼苗伴生的杂草识别率低、鲁棒性差等问题,以自然条件下新疆棉田棉花幼苗期的7种常见杂草为研究对象,提出了一种基于优化Faster R-CNN和数据增强的杂草识别与定位方法。采集不同生长背景和天气条件下的杂草图像4694幅,对目标进行标注后,再对其进行数据增强;针对Faster R-CNN模型设计合适的锚尺度,对比VGG16、VGG19、ResNet50和ResNet101这4种特征提取网络的分类效果,选定VGG16作为最优特征提取网络,训练后得到可识别不同天气条件下的棉花幼苗与多种杂草的Faster R-CNN网络模型。试验表明,该模型可对杂草与棉花幼苗伴生、杂草分布稀疏或分布紧密且目标多等情况下的杂草进行有效识别与定位,优化后的模型对单幅图像平均识别时间为0.261s,平均识别精确率为94.21%。在相同训练样本、特征提取网络以及环境设置条件下,将本文方法与主流目标检测算法——YOLO算法和SSD算法进行对比,优化后的Faster R-CNN模型具有明显优势。将训练好的模型置于田间实际环境进行验证试验,识别过程对采集到的150幅有效图像进行了验证,平均识别精确率为88.67%,平均每幅图像耗时0.385s,说明本文方法具有一定的适用性和可推广性。 相似文献
16.
为有效解决杂草对作物产量的影响,降低除草成本,提升作物苗后行间除草技术,提出了宽行距种植作物苗后行间喷施除草剂遮挡装置的指导思想,研制出的宽行距种植作物苗后行间喷施除草剂遮挡装置,主要包括支架、底座构件和遮挡构件3部分。该装置可满足不同作物不同种植行距的农艺技术需求,可与不同大小的常规电动喷雾器配套使用,经多种作物应用伤苗率约2%~3%,可较传统人工苗后除草功效提高5~7倍,且具有灵活轻便及生产和作业成本低等特点。该装置的研制与开发拓宽了灭生性杂草的应用范围,对减轻农田杂草危害、降低除草成本、提高经济效益提供了技术支撑。 相似文献
17.
基于图像处理多算法融合的杂草检测方法及试验 总被引：1，自引：0，他引：1
自动化除草是现代精确农业科学领域的研究热点。已有的自动化除草解决方案中普遍存在鲁棒性不强、过度依赖大量样本等问题,针对上述问题,本研究提出了基于图像处理多算法融合的田间杂草检测方法,设计了一套田间杂草自动识别算法。首先通过设置颜色空间的阈值从图像中分割土壤背景。然后采用面积阈值、模板匹配和饱和度阈值三种方法对作物和杂草进行分类。最后基于投票的方式,综合权衡上述三种方法,实现对作物和杂草的精准识别与定位。以大豆田间除草为对象进行了试验研究,结果表明,使用融合多图像处理算法的投票方法进行作物和杂草识别定位,杂草识别平均错误率为1.79%,识别精度达到98.21%。相较单一的面积阈值、模板匹配和饱和度阈值方法,基于投票权重识别杂草的精度平均提升5.71%。同时,针对复杂多变的农业场景,进行了存在雨滴和阴影干扰的鲁棒性测试,实现了90%以上的作物识别结果,表明本研究方法具有较好的适应性和鲁棒性。本研究算法可为智能移动机器人除草作业等智慧农业领域应用提供技术支持。 相似文献
18.
在城市规划与园林景观中，人工养护的草坪起到美化环境的作用，但是各类草坪杂草的滋生，严重损害景观草坪的观赏性。而人工分辨杂草费时费力，影响后续的除草效率。因此，借助深度学习的研究成果，对现有的Retina-Net目标检测模型进行针对性改进，通过提取训练集目标图像特征信息、增设多尺度感受野、改进软池化层等方式，提升模型的杂草检测和种类分辨的能力，有助于后续除草工作的高效展开。最终试验对6类杂草的识别率分别为85.3%，84%，896%，86.7%，95.1%，91.5%。相比较于其他主流目标检测算法，识别率分别提高2.2%~9.3%。 相似文献
19.
20.
针对新疆棉田杂草的伴生特点带来的特征过拟合、精确率低等问题,以新疆棉花幼苗与杂草为研究对象,分析杂草识别率低的影响因素,建立了基于Faster R-CNN的网络识别模型.采集不同角度、不同自然环境和不同密集程度混合生长的棉花幼苗与杂草图像5 370张.为确保样本质量以及多样性,利用颜色迁移和数据增强来提高图像的颜色特征与扩大样本量,以PASCAL VOC格式数据集进行网络模型训练.通过综合对比VGG16,VGG19,ResNet50和ResNet101这4种网络的识别时间与精度,选择VGG16网络训练Faster R-CNN模型.在此基础上设计了纵横比为1∶1的最佳锚尺度,在该模型下对新疆棉花幼苗与杂草进行识别,实现91.49%的平均识别精度,平均识别时间262 ms.为农业智能精确除草装备的研发提供了参考. 相似文献