共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
基于探地雷达的果树根系检测试验与分析 总被引：1，自引：0，他引：1
果树的根系健康与水果品质息息相关,如何检测根系的健康状况一直是果树养护管理领域的难题。探地雷达作为新兴的无损检测技术日益受到学术界和业界的重视。选择江南大学校内果园和江苏省苏州市吴中区东山镇双湾村果园内的枇杷和水蜜桃果树试样,利用探地雷达对试样进行根系检测试验,以评价探地雷达对果树根系检测的可行性。结果表明,通过分别设置900 MHz和400 MHz的天线频率,探地雷达能够获取果树试样的细根和粗根分布图,包括雷达信号波形图、三维总览图和分层密度图,根系图像准确地反映了果树地下根系分布状况,结果有助于果树健康风险评价和养护管理。 相似文献
3.
探地雷达用于树木单根成像的模拟技术研究 总被引：1，自引：0，他引：1
利用超宽带探地雷达技术,以及衍射层析成像算法实现对根系的探测与成像。通过时域有限差分法,对树木根系进行建模仿真,生成探地雷达扫描数据,然后利用衍射层析成像算法对仿真数据进行目标重建,得到根系横截面反演图像。并讨论了根的直径、介电特性及其分布情况对探地雷达探测根系的影响。仿真结果表明,在近似为无损的均匀土壤中,超宽带探地雷达能快速无损地实现地下根系目标探测,衍射层技术通过重建根系图像,初步实现树根的介电属性、形状特征估计和位置标定等,因而可用于探地雷达根系探测中,对树木根系的研究具有重要意义。 相似文献
4.
水稻叶片几何参数图像视觉测量方法研究 总被引：2，自引：0，他引：2
《湖北农业科学》2015,(17)
提出了一种基于图像视觉原理的水稻叶片几何形态参数测量计算方法,通过图像分割处理,统计参考物与目标叶片面积的像素数,计算叶片面积;通过求取参考物和目标叶片的最小外接矩形方法,计算叶片的长度和宽度值;利用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,利用Hough变换对提取的骨架信息进行直线检测,并进行茎叶夹角计算。结果表明,该方法能够精确、快捷地对水稻叶片几何形态参数进行测量计算,与手工测量比较,叶片面积计算误差小于5%,长宽误差小于0.67%,茎叶夹角误差小于2%,能满足农学研究的要求。 相似文献
5.
针对毛白杨微根管图像中根系颜色不均匀、形态不一致、目标背景差异小的特点,以及现有根系图像处理软件无法批量分割的问题,提出一个基于深度学习网络的毛白杨根系自动分割量化系统。该系统包括根系图像自动分割和根系特征量化两个部分。首先,提出以EPSANet50为骨架的PSEPNet网络(pyramid scene efficient parsing network, PSEPNet)实现毛白杨根系图像的自动高精度分割;其次,使用骨架细化法提取根系中心像素轮廓;最后,运用数学统计方法提取根系数量、根系长度等多特征参数,实现对毛白杨根系特征的量化表达。结果表明：PSEPNet网络对毛白杨微根管根系图像具有良好的分割效果,其准确率为0.981 9,召回率为0.884 9,精确率为0.830 9,F1值为0.851 2,能够实现对根系数量、根系长度、根系投影面积等特征的量化,可为基于微根管技术对林木生长规律的研究提供技术支持和数据基础。 相似文献
6.
基于梯度的RHT作物行中心线检测方法研究 总被引：1，自引：0，他引：1
为保证快速、有效地检测作物行中心线,提出利用基于梯度的随机Hough变换进行作物行中心线检测。针对作物行内植物疏密情况不同分别进行作物行中心线检测分析与研究,发现该方法对不同的作物行内植物疏密情况具有良好的适应性。通过与传统的Hough变换进行对比试验发现,基于梯度的随机Hough变换能够有效提高检测速度。 相似文献
7.
8.
针对机器视觉对作物行定位困难问题,给出一种基于Hough变换的作物行视觉定位方法。根据农田作物行图像的信息特点,运用2G-R-B灰度变换加大图像类间距离,采用最大类间方差法(OTSU)分割作物行与背景图像,采用5像素×1像素结构元素图像膨胀法对作物行形态进行修正并缩小或消除作物行和背景中的孔洞,采用中间线检测准定位基准线图像处理方法提取代表作物行走向的准定位基准线,采用Hough变换得到真正的定位基准线及其参数。采用400像素×300像素的白菜作物行图像进行实验,经本方法进行图像处理后,得到每条作物行单一的最能反映作物行走向的准定位基准线,再经Hough变换得到清晰、准确的定位基准线。所得到的定位基准线很好地代表了作物行走向,表明本方法能够得到较好的定位效果。 相似文献
9.
基于RHT的多圆检测改进算法 总被引：3，自引：1，他引：2
针对多圆检测问题,提出了一种基于RHT的改进算法PHT3（3-point Hough transformation）。对整幅图像特征点按连续性进行点集归类,同时计算有效点的梯度方向信息;按照一定的取点规则在同一点集中取3点,得到候选圆的圆心参数;依据所求圆心参数以及梯度信息判定选取3点的有效性,以降低Hough变换的无效累积。针对常规确定圆半径精度有限的缺陷,提出利用点集并结合候选半径的均方差来获得亚像素半径,同时解决了同心圆半径的检测问题。与RHT算法进行对比检测,结果表明：PHT3算法检测时间为RHT算法检测的1/6,且无效累积更小,同时保留了Hough变换对局部信息缺损不敏感和对随机噪声鲁棒性强的特点。 相似文献
10.
《中国农业科技导报》2011,(1):136
课题名称:高分辨率探地雷达测试植物根系形态参数关键技术研究课题编号:2008AA10Z205课题目标:研究高分辨率超宽带探地雷达测试植物根系形态参数的微波成像方法与技术;完成超宽带探地雷达测试植物根系的实验测试技术和高 相似文献
11.
基于GprMaxV2.0的树木根系正演模拟 总被引：1，自引：0，他引：1
将现场实验得到的相思树根系的探测信号图与利用Gpr Max V2.0软件模拟的根系信号图对比分析,得出根的埋深、水平间距、根的直径是根目标反射信号产生差异的主要影响因素。为得到更接近实际根系生长状况的图像数据,利用Gpr Max V2.0模拟了交错根系的图谱,并对其反射信号进行了分析;探查出交错根系不同角度的模拟图像的差异及其产生原因,进一步证实了利用Gpr Max V2.0软件模拟探地雷达探测树木根系的有效性。 相似文献
12.
以作者所研制的焊接机械手为对象,针对其在焊接大型模具时,焊缝数量多的特点,采用提供信息量大、抗干扰能力强的视觉传感器CCD来获得焊接接头平面位置信息．在对CCD摄取的模架图像进行校正、灰度拉伸、灰度阈值变换后,采用Canny边缘检测算子检测出模架筋板上侧的边缘点,并针对传统的Hough变换方法不能检测出直线端点,容易重复检测直线以及提取直线精度不高的缺点加以改进,采用改进的Hough变换方法提取了筋板边缘线,求取这些边缘线交点即可获得焊接接头平面位置信息．实验结果表明,该方法可以有效解决Hough变换存在的上述问题,并能准确稳定地提取出模架筋板边缘线,达到识别焊接接头平面位置的目的． 相似文献
13.
《金陵科技学院学报》2021,(2)
常用的图像直线特征检测算法如霍夫变换(Hough transform)和拉东变换(Radon transform),存在计算量大、抗噪能力弱等问题。为此,提出了基于脊波变换(ridgelet transform)的图像直线特征检测算法,其作为一种多尺度几何分析与稀疏表示的应用算法,具有良好的区域平滑性、可逆性和去冗余性。实验结果表明,在复杂噪声干扰的环境下,基于ridgelet变换的图像直线特征检测算法能够获得清晰的直线检测结果,具有较好的鲁棒性。 相似文献
14.
15.
基于ROI快速检测与融合特征的马铃薯病害识别 总被引：1，自引：0，他引：1
【目的】针对在原始马铃薯病害图像上提取特征时计算量大、病害识别准确率低以及传统病害区域分割算法速度慢等问题,提出了一种新的基于关键特征点的病害感兴趣区域(ROI)快速检测与融合颜色和纹理特征的识别方法。【方法】对马铃薯病害图像作适当预处理后,首先提取ORB特征点,当其特征点数目小于给定阈值时提取SIFT特征点,再对所提特征点的坐标值按水平和垂直方向排序,并通过计算K个近邻点的均值来确定病害区域的坐标并提取ROI。然后融合病害ROI的HSV颜色直方图和UPLBP纹理直方图构成总特征向量。最后采用非线性SVM识别马铃薯病害。【结果】利用该方法对240幅马铃薯叶部、果实和茎部10种混合病害图像进行识别实验,结果表明,每幅病害图像ROI检测平均时间为0.013 s,平均识别正确率达95.83%,最高达100%,平均运行时间为0.083 s。【结论】基于ORB和SIFT关键特征点的病害ROI检测方法原理简单、易实现且实时性好。本文方法可实现对10类马铃薯病害的快速识别且准确率高,为其它农作物病害识别提供了参考价值。 相似文献
16.
针对遥操作拖拉机驾驶机器人旋耕作业时,工作环境中作物行多样化、光照不均的特点,提出一种基于导向滤波(Guided Image Filter)和剪切波变换(Shearlet Transform)的方法用于提取新旧土边界线以完成拖拉机视觉导航。首先,将图像快速转换到YCr Cb颜色空间,对灰度化的图像进行导向滤波,然后使用Shearlet-canny算子提取新旧土的边缘信息,最后经过Hough变换给出视觉导航线。结果表明,在YCr Cb颜色空间对图像进行灰度化处理与HSV、HIS、RGB颜色空间相比,效果最好,耗时最短,分别快94.0%、94.3%和25.4%;导向滤波处理图像的方法与Tarel中值滤波、MRetinex滤波、小波域Retinex滤波及同态滤波相比,算法耗时分别短87.5%、79.5%、88.8%和87.0%;采用Shearlet-Canny算子检测边缘并经过Hough变换后提取的导航线精确度最高,最大误差小于0.5°。研究表明,基于导向滤波和剪切波变换的新旧土边界线提取方法用于拖拉机智能导航是可行的。 相似文献
17.
复叶中小叶的生长角度可作为特征参数识别复叶植物。首先利用改进的Sobel算子和中值滤波提取复叶叶轴和小叶的主叶脉,进而利用Hough变换线性检测获取复叶叶轴和小叶主叶脉的直线,利用所检测的直线计算得到小叶的生长角度。此外,对基于Hough变换线性检测的适用性进行探讨,发现Hough变换线性检测可以很好地适用于小叶主叶脉呈直线的复叶;但对于小叶主叶脉呈现弯曲状时,Hough变换线性检测时会出现明显的缺陷,需要采用外接矩形方法提取小叶的生长角度。提取结果表明,所采用的算法可以有效地提取复叶中小叶的生长角度。 相似文献
18.
19.
为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法.采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理.结果 表明,在测试集A上... 相似文献
20.
基于YOLO卷积神经网络的水稻秧苗行线检测 总被引：1，自引：0，他引：1
《江苏农业学报》2020,(4)
为了提高插秧机视觉导航精度,提出了一种基于YOLO卷积神经网络的水稻秧苗行线检测方法。首先对原始图像进行裁剪和拉伸预处理,划分为子图,然后由YOLO网络训练子图,根据秧苗目标框的位置信息确定秧苗行定位点,并拼接子图定位点获取全图秧苗行定位点,连接秧苗行定位点生成秧苗行线,计算相邻定位点间线段斜率以获得行线角度。试验结果表明,YOLO网络的秧苗区域检测性能优于Faster R-CNN和ResNet101,且秧苗行线的检测准确率高于Hough变换和聚类算法。该方法泛化性能强,可以准确检测秧苗行线,为插秧机视觉导航的路径规划提供可靠的定位信息。 相似文献