共查询到20条相似文献，搜索用时 31 毫秒
1.
基于神经网络算法的肉牛采食行为检测方法 总被引：3，自引：0，他引：3
《沈阳农业大学学报》2016,(6)
为解决肉牛采食行为识别问题,利用集陀螺加速度计和蓝牙模块为一体的传感器节点采集肉牛的行为姿态数据并通过蓝牙轮询组网模式将数据无线传输到PC上位机,进行实时显示,对采集的肉牛行为数据进行分析,进而识别肉牛采食行为。选用40头健康处于育肥期的西门塔尔肉牛样本(体重约385kg,舍饲,每天饲喂2次,可自由饮水),分为2组,其中30头为试验组,用松紧带在肉牛颞窝部位佩戴传感器节点;另外10头为对照组,不佩戴传感器,用于比较肉牛是否因佩戴节点而有异常反应。同时在肉牛限位栏的前方安装监控摄像头,记录肉牛的行为信息,以作为后期数据处理依据。试验记录的原始数据包括X、Y、Z三个轴的加速度、角度以及角速度的九个变量值、数据采集的时间(s)以及节点内部温度。结果表明:肉牛采食行为检测系统能够快速采集和传输肉牛采食信息,系统工作稳定。传感器节点体积大小合适,对肉牛采食行为没有任何影响,肉牛基本没有应激反应。说明利用BP神经网络算法可以实现对肉牛采食行为的识别,能够分类出肉牛两种不同的行为状态。根据对采集数据的对比分析,提取出了肉牛在两种不同状态下的特征值,并选择了合适的特征值作为BP神经网络的输入。通过BP神经网络分类的肉牛的采食行为,其正确率为99.04%。 相似文献
2.
【目的】 为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】 文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】 模型精度评估表明,YOLO v4模型的平均准确率MAP值（86%）比Faster R-CNN的MAP值（51%）高出35%。【结论】 YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础。 相似文献
3.
4.
【目的】 结合现有苜蓿智慧管理研究进展,提出基于小型无人机+超声波检测在苜蓿智慧管理上的具体应用,为精准农业和苜蓿规模化生产的远程诊断提供思路。【方法】 文章以苜蓿为研究对象,以内蒙古呼伦贝尔市谢尔塔拉农牧场为研究区,在总结归纳当前苜蓿智慧管理研究及应用现状的基础上,进行了无人机+超声波的苜蓿田数据采集及应用。【结果】 研究进展表明与卫星相比,无人机在农作物识别与长势估算中,识别精度和速度表现出明显优势,苜蓿智慧管理的前提是数据的获取与分析,从无人机获取的代表苜蓿冠层高度信息的DSM数据能够显著提升苜蓿识别精度、苜蓿形态三维建模、苜蓿相对高度估算等方面,实时获取苜蓿生长过程中的相关参数使结果更为可靠。【结论】 该文总结现阶段苜蓿智慧管理研究进展,归纳现有研究成果的优势与不足,提出结合无人机采集的高分辨率图像和超声传感器,对不同状况下的苜蓿进行准确数据获取的方法。基于此方法配套相应的苜蓿管理决策支持系统,将可以为用户提供苜蓿长势、产量预测和实时灌溉、施肥等管理策略。 相似文献
5.
PHANTOM 4 RTK+大疆像控处理技术在燕麦长势模拟中的应用 总被引：1，自引：1，他引：0
【目的】 利用小型消费级无人机航拍获取地物影像,通过地物阴影、高度差、色差快速提取地物,进而获取地物结构信息。【方法】 文章选取云南省曲靖市会泽县的大桥乡为研究区域,针对冬闲田闲置土地资源、种植结构相对单一的区域展开试验,利用高分辨率无人机遥感影像对燕麦进行识别,同时结合超声波传感器数据估算地物高度,并与实际高度和无人机生成的传统测高方法得到的高度进行相关性分析,获取高精度、可靠性强的数据。【结果】 基于可见光燕麦的总体分类精度为91.46%,Kappa系数为0.857,在增加DSM数据后的分类总体精度为98.91%,Kappa系数为0.982。研究表明由无人机获取的代表燕麦冠层高度信息的DSM数据能够显著提升燕麦的识别效果。相对于传统无人机测高方法生成数字表面模型提取地物高度的方法,依赖于光谱和高程信息识别地物信息的方法在计算地物高度时,精度更高,识别结果更可靠。【结论】 该文提出的小型消费级无人机利用地物阴影计算燕麦高度的方法,改进了相机镜头光心地位和RTK天线中心点地位补偿作用,打通了RTK模块、飞控模块及相机云台模块之间的通讯,能够应用于实际准确获取影像地位信息,为无人机遥感快速、准确地获取地物高度信息提供了一种新的思路。 相似文献
6.
【目的】 虫害是影响荔枝产量与品质的重要制约因素,基于深度学习的荔枝虫害识别可以为荔枝种植过程中的虫害防治工作提供技术支持,对提高荔枝产量及品质,提高果园生态安全具有重要作用。【方法】 文章针对目前荔枝虫害识别领域存在的问题,为提高虫害目标识别精度和效率,以荔枝蝽象为目标虫害,提出一种基于YOLO v4的目标检测方法,首先使用专业摄像头、大型数据库、智能虫情测报灯3种方式采集荔枝虫害图像,配合数据增强方法,用LableImg平台进行数据标注,制作一个特征丰富的数据集,在CSP Dark net框架下进行网络模型训练,得到荔枝虫害识别模型。【结果】 基于深度学习的荔枝虫害识别技术在广州从化荔枝现代农业产业园进行应用,取得了较好的应用效果,证明该技术可以实现真实复杂环境中荔枝虫害的有效识别。【结论】 基于深度学习的荔枝虫害识别模型,能够实现虫害的科学监测,降低农户对于虫害的投入成本,减少化学农药的使用,改善荔枝生长的环境,进一步实现荔枝生产绿色化要求,增加作物的经济价值。 相似文献
7.
【目的】研究不同处理针茅草颗粒对乌珠穆沁羊采食和反刍行为的影响,为针茅草颗粒生产原料适宜含水量、粘合剂添加量和颗粒直径等技术参数的确定提供理论依据。【方法】用不同条件(原料含水率为12%~14%,14%~16%和16%~18%;颗粒直径为3,6和8mm;粘合剂添加量为1%,3%和5%)制备的针茅草颗粒对乌珠穆沁羊进行饲喂试验,对其采食和反刍行为进行观测。【结果】舍饲条件下,饲喂针茅草颗粒羊的平均昼夜采食时间302.18min,昼夜总反刍时间平均为377.43min,昼夜反刍周期19.40个、昼夜每个反刍周期持续时间22.51min,每个反刍周期逆呕食团27.37个,昼夜反刍食团咀嚼总次数为20 672.64次,2个食团吞咽平均逆呕间隔时间5.13s,每个食团的咀嚼次数为54.57次,咀嚼时间为60.23s。【结论】针茅在粉碎粒度为6mm、颗粒直径为8mm、原料含水率为14%~16%、粘合剂添加量为3%条件下加工成草颗粒,乌珠穆沁羊最喜食。 相似文献
8.
【目的】 为了提升自然场景中农村在建房屋的识别准确率,并为后续的农村违建房屋智能化监管提供技术支撑。【方法】 文章基于无监督聚类和YOLOX目标检测算法,发展了一种乡村房屋在建状态识别方法。首先,构建在建房屋无监督聚类模型,并以此对在建房屋进行类别精细划分,使得不同类别之间特征差异较大,相同类别特征差异较小,其次,再使用划分好的类别制作房屋检测数据集,并训练YOLOX目标检测模型对在建房屋进行识别,最后,在在建房屋数据集上设计模型对比实验,以此验证算法有效性。【结果】 实验结果表明：在在建房屋识别任务中,基于无监督聚类和YOLOX的在建房屋识别算法mAP为83.27%,比采用原始数据（不进行在建房屋类别划分）训练的YOLOX算法mAP提升了7.91%,同时比采用人工划分类别的YOLOX算法mAP提升了5.08%。【结论】 因此该文方法有效提升了乡村房屋在建状态的识别精度,同时也为具有复杂场景和多个不同状态的目标进行识别时,提升识别准确率提供一种有效且可靠的解决思路。 相似文献
9.
【目的】 文章旨在探讨基于高分辨率多光谱遥感影像进行冬小麦种植面积早期快速提取、冬小麦空间分布情况快速制图与精度验证的方法,为山东省冬小麦高产、优质种植和农艺肥水的处方决策提供全局性信息。【方法】 （1）对Sentinel-2遥感影像数据进行预处理,然后采用历史种植分布数据自动提取与人工选取相结合方式构建冬小麦识别样本库,将样本分为小麦、林地、水体、建筑和道路及其他作物五大类;（2）采用随机森林算法计算机自动分类与影像人工解译相结合的方式,提取研究区冬小麦种植面积,绘制冬小麦种植空间分布图,并进行精度验证。【结果】 （1）解译得到研究区冬小麦种植面积为54.41万hm2,冬小麦种植面积的总体分布精度为97.05%,kappa系数为0.94,解译效果良好;（2）该文提出的方法可实现冬小麦种植面积高精度提取以及快速制图。【结论】 早期精准掌握冬小麦种植面积及空间分布信息,能够为地方政府和农业部门指导农事活动提供科学依据。 相似文献
10.
【目的】 为智慧果园管理和综合服务提供技术支撑。【方法】 传统的数据库无法满足智慧果园多模态数据融合和全场景查询分析等问题,文章通过分析智慧果园数据来源和应用逻辑,以都市龙泉驿现代农业园区为示范应用,从多级数据局部存储策略、冷热数据存储和空间数据存储等方面探索了存储策略,提供了一站式数据库解决方案。【结果】 该解决方案满足果园数据高效存储、管理的需求,结果显示YMatrix充分发挥了其高吞吐、低延迟、高并发、准实时数据加载等优点。【结论】 该研究为数字农业和果园数字化基础设施建设和农业数字孪生建设提供技术参考,为实现现代化智慧农业提供经验。 相似文献
11.
【目的】 高效准确监测大田作物病害对作物生产和粮食安全至关重要。文章旨在系统梳理大田作物病害遥感监测技术及模型的研究成果,推动作物病害监测技术发展与应用。【方法】 采用文献检索、归纳总结等方法,系统梳理了国内外大田作物病害遥感监测研究,阐述了大田作物病害遥感监测技术的未来发展趋势。【结果】 （1）阐述大田作物病害遥感监测基本原理,并构建了基本框架;（2）大田作物病害监测遥感数据源主要包括多光谱、高光谱、荧光和热红外遥感;（3）大田作物病害监测遥感模型主要包括统计模型、传统机器学习模型和深度学习模型。【结论】 未来应以病害早期监测、实时监测系统和数据共享为重点突破和研究的方向,为大田作物病害实时或准实时监测预测提供技术支撑。 相似文献
12.
【目的】 农村宅基地信息统计是制定农村宅基地制度改革政策方向的基础,目前,基于遥感影像的农村宅基地提取还主要停留在人工目视解译的阶段,这种传统的提取方法效率低、成本高、耗时长,基于遥感影像自动化提取农村宅基地的相关研究较少。【方法】 文章收集了德清县无人机遥感影像数据,建立了训练集、验证集和测试集,构建HRNet-OCR模型,并与FCN、UNet、DeepLabV3Plus这3种模型在不同场景下进行对比。【结果】 模型精度评价指标IoU表明,在平原和丘陵地区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了4.24%、3.72%和2.82%,在山区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了3.59%、2.77%和1.55%,且模型在边缘细节上表现得更优秀。【结论】 基于HRNet-OCR识别模型使得遥感影像农村宅基地提取更为准确,具有更好的鲁棒性,可为精准提取农村宅基地提供重要参考价值。未来更快速、高效的高精度提取方法还有待进一步研究。 相似文献
13.
针对采用姿态传感器监测散养蛋鸡行为过程中存在加速度信号易受噪声干扰,不同行为加速度信号特征尚不清晰的问题,以立体栖架散养蛋鸡的三维空间行为为目标,在构建蛋鸡穿戴式行为监测系统,获取不同行为加速度信号的基础上,研究小波阈值、CEEMDAN、CEEMDAN结合小波阈值对加速度信号的降噪效果,分析蛋鸡6种典型行为活动的加速度信号特征。结果表明:1)小波史坦无偏似然估计(Rigrsure)阈值的降噪效果更好,降噪后信号的信噪比(SNR)为17.613 2,均方根误差(RMSE)为0.045 0;2)根据X、Y轴加速度标准差分布特征,可将蛋鸡三维空间行为活动强度由低到高分为趴卧和站立、采食和饮水、行走、跳跃4类,各类行为活动的加速度信号标准差差异极显著(P<0.001)。本研究表明,小波Rigrsure阈值法在对蛋鸡空间行为活动加速度信号进行降噪的同时可以保留更多的有效信息,可根据加速度标准差对蛋鸡典型行为的活动水平进行分类识别。 相似文献
14.
【目的】 深入研究北京市食用菌种业发展情况,推动北京食用菌种业高质量发展。【方法】 文章基于北京市食用菌生产企业和种植户的走访调研,梳理近几年食用菌种业的相关文献资料,对北京市食用菌种业的现状和问题进行深入剖析并提出创新性举措。【结果】 北京市食用菌菌种选育科研技术力量较强,在京津冀区域内菌种需求空间较大,但同时在生产环节菌种来源较多,整体处于小而散的状态。【结论】 基于“菌种创新工程”任务需求和北京食用菌种业发展实际情况,提出把食用菌菌种产业纳入现代种业发展的战略布局,明确以新品种研发选育为重点的产业定位,探索发展菌种保藏、鉴定及品种权交易等服务业,发挥首都示范效应,率先在菌种规范化发展方面做出模式的政策建议。 相似文献
15.
【目的】 宅基地是保障农民安居乐业和农村社会稳定的重要基础。【方法】 文章以“数据获取-数据管理”为主线,梳理了农村宅基地基础信息调查的大数据关键技术,提出了数据驱动的数字技术体系总体架构。【结果】 从调查范围、调查类型和调查内容上,分析了农村宅基地基础信息调查的内涵,阐述了“空-地”一体的农村宅基地基础信息调查系统的构建体系,构建农村宅基地基础信息汇交平台的设计思路、建设原则和功能模块。【结论】 加强农村宅基地信息化基础条件建设、夯实农村宅基地基础性数据支撑、建立大数据标准体系、完善村宅基地基础信息管理制度、加强农村宅基地信息服务体系建设是推进农村宅基地信息化的重点任务。 相似文献
16.
【目的】 准确获取草原植物物种空间分布信息是草原生态系统生物多样性监测、群落重构与生态功能维持的重要基础。及时准确获取植物物种空间分布可以为草原植物物种信息提取提供有效技术手段。【方法】 文章以无人机多光谱影像为基础,分别在像元尺度和对象尺度上开展了荒漠草原典型物种的信息提取方法研究。像元尺度上先定义样本计算样本可分离性,在选择不同分类器进行分类。而对象尺度上首先进行遥感影像尺度分割研究,选出最佳分割尺度。在此基础上,提取最优特征变量,并采用阈值分类法提取植被信息。【结果】 高分辨率无人机多光谱数据能够为荒漠草原物种信息提取提供有效数据基础。面向对象影像分析技术的表现最好,总体精度85.16%,Kappa系数0.71,其中短花针茅的制图精度和用户精度分别为97.6%和86%;其次是支持向量机机器学习算法,其总体精度80.40%,Kappa系数0.70,短花针茅的制图精度和用户精度分别为90.08%和76.46%;而传统最大似然分类法的识别精度较低,总体精度为74.68%,Kappa系数0.64,短花针茅的制图精度和用户精度分别为72.40和81.96。【结论】 无人机多光谱数据对于集中连片分布的植被物种的识别能力较强,而对零星分布的物种的识别精度并不理想,但该文结果能够为大尺度草原植物物种识别提供一定参考。 相似文献
17.
【目的】 将作物时空分布数据应用于核事故农业风险决策支持系统,体现遥感作物制图在核事故农业风险决策中的重要性。【方法】 文章以大亚湾核电基地为研究案例,对其周边地区的作物轮作系统进行遥感制图;作物时空分布数据经后处理,上传至核事故农业风险决策支持系统,实现作物样本任务的自动生成,以及放射性核素浓度的时空分布模拟。【结果】 提出的遥感制图方法可以在耕地破碎、云雨繁密区识别作物轮作系统,快速、准确地提供大范围作物时空分布数据。经过处理的作物时空分布数据,能够方便地应用于决策支持系统,辅助完成特定或优先区作物样本任务点的自动生成,以及放射性核素浓度时空分布的模拟。【结论】 遥感作物制图与核事故农业风险决策支持系统相结合,可进一步提高采样的有效性,提升放射性核素空间和时间分布模拟与预测的准确性。从而帮助决策者制定核污染监测和评估策略、修复计划,科学指导农业生产的恢复。未来,有必要深入研究遥感作物制图在核事故农业风险决策中的应用,充分发挥遥感技术与数据的优势,规避核事故对农业生产带来的风险。 相似文献
18.
【目的】 利用无人机倾斜摄影技术，对农村宅基地进行影像采集，建立实景三维模型，为后续农村宅基地科学合理化管理平台的建立提供技术支撑。【方法】 文章以邢台市信都区为研究区，使用无人机倾斜摄影测量技术获取测区影像数据，通过大疆智图软件构建实景三维模型。【结果】 实景三维模型结果精度较高，误差均达到地籍测绘规范要求，并在此基础上建立了农村宅基地管理系统平台。【结论】 通过平台搭建，推动宅基地各项流程电子化管理，实现实景立体三维模型，为农村宅基地管理提供技术保障的同时还方便后续农村宅基地管理工作进行。 相似文献
19.
【目的】 为了快速准确获取农业科研试验中具有体量大、种类繁多且复杂、可变性大、对真实性有严格要求等特点的田间植株表型数据。【方法】 文章基于物联网与大数据技术构建了一个农业试验中大数据采集应用系统，用于辅助人工进行试验数据采集与应用。数据采集方法有基于NodeMcu开发板结合传感器获取环境数据、通过树莓派连接摄像头对试验区域进行图像采集并利用物联网设备上传至数据库、网络爬虫、通过终端设备记录作物单株形态等。获得数据后对不同来源数据进行清洗与处理，将原始数据与清洗处理后的数据分别存储至不同数据区域中并固化，通过分布式文件系统HDFS（Hadoop Distributed File System）读写操作，最后利用数据处理模块对数据进行监控与处理，将结果以图像、表格和视频等形式提交到前端交互网站。【结果】 基于构建的大数据采集系统获得了5 450幅大豆叶片图像，然后利用yolov5的深度学习模型训练，最终实现了大豆叶形分类识别；利用株高测量设备获取了1 306株大豆株高数据，结果较为可靠。【结论】 研究表明，该系统设计方案具有可行性高、用途广泛、构建成本低和可拓展性强等特点，将多种技术运用于农业试验的数据获取中，规范化试验流程与数据保存，提高数据获取的广度和数据利用的深度，为更深层次的农业科学研究奠定了基础。 相似文献
20.
【目的】 蝗灾突发性强,传统地面调查及生物学模型方法在时间、空间上不能满足精准防控的需求,且对历史数据依赖度高,利用高分辨率遥感数据监测蝗虫栖息生境的变化,从而实现蝗灾及时、快速监测,对治蝗防蝗具有重要意义。【方法】 文章以埃及南部蝗灾常发区为研究区,基于Sentinel-2卫星数据和地面气象数据、土地利用数据、行政区划数据等,监测植被生长季植被指数及植被覆盖度变化,实现埃及地区蝗虫发生地、发生程度的快速评估。【结果】 2019年6—7月,埃及南部植被覆盖区蝗灾受灾面积比例约为12%,中度及重度以上面积不超6%,整体受灾不严重。【结论】 不依赖于历史数据,从短期植被覆盖度变化入手,可以动态监测蝗灾变化,总体时效性较强、效果较好。 相似文献