共查询到18条相似文献,搜索用时 171 毫秒
1.
2.
面向叶类蔬菜病害识别的温室监控视频采集系统 总被引:2,自引:0,他引:2
为满足温室叶类蔬菜病害准确识别的视频数据需求,结合温室叶类蔬菜病害发生的特点,采用物联网技术,基于传感器感知的环境信息与摄像机监控视频信息,构建了一种面向叶类蔬菜病害识别的温室监控视频采集系统。该系统将案例检索与模糊推理方法相结合,设计温室监控视频获取方法,将传感器实时采集的数据与知识库中的病害产生环境条件相匹配,以匹配结果作为视频采集的依据,实现了监控视频的智能采集;并利用模糊推理方法,弥补案例检索结果不够全面的问题,确保了数据的准确获取。同时,该系统还提供了实时数据显示、实时视频监控等功能。系统应用结果表明,该系统能够满足温室叶类蔬菜病害识别的视频数据需求。 相似文献
3.
4.
基于直接施药方法的除草机器人 总被引:9,自引:3,他引:6
研究了控制农田杂草的直接施药方法,并研制了基于该方法的除草机器人。计算机从摄像头采集的地面图像中识别出杂草目标,然后通过伺服控制器来控制机械臂动作,末端执行器切割杂草并涂抹除草剂。田间和温室的化学除草试验表明,利用直接施药方法,极其微量的药物即可除掉杂草。该研究减少了除草剂用量并消除雾滴飘移现象,保护了生态环境。 相似文献
5.
6.
温室番茄病虫害、缺素诊断与防治系统的研究 总被引:11,自引:1,他引:11
番茄是设施蔬菜栽培的主要作物之一。在实际生产中,番茄易受疾病的侵害。准确及时地对疾病采取措施,能极大提高温室番茄的产量和质量。该研究应用专家系统原理和面向对象的设计方法,采用delphi5.0开发工具研究开发温室番茄病虫害、缺素诊断与防治系统。该系统是一个针对温室番茄疾病识别和防治的计算机辅助系统,可以辅助用户及时地对发生的疾病做出诊断和防治。 相似文献
7.
8.
为及时与有效地提供农作物生产中品种选择、施肥方案以及农药使用等科学的、系统的技术支持方案,提出利用农作物生长知识和该领域专家经验开发农作物健康管理的模糊专家系统,并介绍了系统的总体结构设计、知识的规则表达、GMP的模糊推理方法及系统的实现流程.模糊专家系统是对一般专家系统的发展和补充,具有一定的实用价值. 相似文献
9.
10.
伴生杂草不仅与作物争夺养分和水分,而且还是多种病虫害的中间寄主,成为困扰作物高效生产的难题。随着深度学习技术的发展,杂草的自动检测和分类识别在清除杂草过程中得到重要应用。首先阐述应用于杂草识别过程中深度学习的硬件需求以及软件实现过程,分析用于深度学习不同硬件的优缺点,阐述深度学习模型建立、训练、模型评估以及模型部署等基本步骤;并重点论述深度学习方法在杂草和作物识别以及杂草分类识别的研究进展。然后指出深度学习数据需求量大,目前无通用数据集,杂草、作物相互遮挡,光照环境复杂,机器作业条件恶劣等情况下识别准确率低的问题。最后提出图像与光谱数据融合、杂草识别模型模块化、杂草长势预测、模型嵌入式部署研究将成为基于深度学习的杂草识别方法未来的研究方向。 相似文献
11.
基于模糊控制的棉田变量对靶喷药除草系统设计 总被引:4,自引:0,他引:4
为实现自动精确去除棉田杂草, 减少除草剂用量,设计了一种以S3C2410处理器为核心,采用模糊控制算法的变量对靶喷药除草系统,实现了自动识别杂草以及根据采集车速、杂草密度信息自动调整流量的功能。设计了双输入、单输出模糊控制器,并对其进行了仿真研究。仿真结果表明,利用该控制器能实现喷药量随车速及杂草密度变化而实时改变。在室内搭建了模拟棉田环境的变量对靶喷药试验台,对喷药系统进行了测试,试验测得在速度0.2m/s时,喷药除草对靶率达90%。 相似文献
12.
13.
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
14.
在基于模糊推理的故障诊断专家系统中,模糊诊断矩阵隶属度的确定是整个诊断推理的关键,它的准确性决定了诊断推理结果的正确性。本文采用新颖的灰色关联度分析法确定故障原因的隶属度。 相似文献
15.
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
16.
变量喷药自适应神经模糊控制器设计与仿真 总被引:4,自引:0,他引:4
为了减少除草剂用量,采用变量喷施除草剂方式进行除草.根据分别建立的杂草面积、喷药机械行驶速度与喷药量关系模型,得知杂草面积和喷药机械行驶速度是影响变量喷施效果的主要因素.为了获取喷药量与车速及杂草面积关系试验数据,设计了室内变量喷药试验台,使用DSP处理器及编码器分别得到杂草面积及喷药机械前进速度信息.结合所获试验数据,设计了一种基于自适应神经模糊推理(ANFIS)的双输入、单输出控制器.对控制器设计过程中输入输出变量的选取、隶属函数的选择及控制器的训练等进行了研究,数据经过30次训练后误差为1.47×10^-5.对控制器的速度采集、串行通信、电磁阀驱动等硬件电路及模糊控制软件流程,进行了设计.在Matlab中建立了自适应神经模糊控制仿真模型,仿真结果表明:在喷头打开时间为0.2 s,喷药机械速度为0~1 m/s,杂草面积在0~100 cm^2时,控制器可自动调节喷药量在0~4 mL变化.与采用传统模糊控制方式相比,该控制器自适应性强,具有较好的应用前景. 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