共查询到19条相似文献，搜索用时 234 毫秒
1.
【目的】为提高脐橙采摘机器人在自然环境下对脐橙果实进行识别定位的精度,提出采用深度学习结合快速导向滤波方法识别自然环境下脐橙果实。【方法】以赣南脐橙为对象,改进导向滤波方法,去除自然环境下脐橙图像的光照等噪声信息,突出图像颜色和纹理特征。采用带有残差模块的Darknet-53作为特征提取网络,将多尺度融合的3尺度检测网络减少为2尺度检测网络,引入GIoU边界损失函数代替原损失函数,并使用DBSCAN+Kmeans聚类算法,对训练数据集聚类分析,优化预测分支的先验框尺寸,通过迁移学习训练方法建立脐橙果实识别模型,设计单果、向光、背光、果实重叠、枝叶遮挡5组测试集的对比实验,并与其他几种识别模型性能进行比较。【结果】快速导向滤波方法能很好地去除脐橙图像在自然环境下光照及边缘模糊等噪音信息。当优化2个预测分支先验框尺寸时,改进后模型在5种环境下综合性能都优于其他网络,尤其在真实种植环境下识别准确率达到了91.22%,召回率为97.30%,F1平均值为94.16%,识别速率约为26.48 fps。【结论】使用快速导向滤波结合深度学习方法建立的脐橙果实识别模型对自然环境下脐橙果实的识别具有较高的... 相似文献
2.
本试验结果表明，氨基酸复合微肥及喷施宝两种处理对脐橙着果率及产量的影响分别有显著及极显著差异。初步认为，脐橙在土壤管理，根际上肥、水管理以及树体管理水平中等的条件下，于开花前后叶面喷施喷施宝或氨基酸复合微肥均有保花保果作用，在果实生长期喷施有增产效应。 相似文献
3.
4.
生长期喷钙对脐橙果实果皮褐变和品质的影响 总被引：7，自引：0，他引：7
奉节脐橙是重庆柑桔的一个优势品种,但奉节脐橙采前采后均易发生果皮褐变,严重影响其商品性和耐贮性,已成为内外销的最重要的制约因素。研究通过生长期叶面喷钙,研究了钙对奉节脐橙果实果皮褐变和品质的影响。结果表明,果树钙营齐缺乏是导致果实果皮褐变的重要因素之一,叶面喷钙可有效提高果皮的钙含量,显著地降低果实采前果皮褐变率,极显著降低果实采后贮藏过程中的果皮褐变率,显著增强果面红色改善果实商品性。 相似文献
5.
基于光谱技术识别不同农药污染脐橙的研究 总被引：3，自引：1，他引：2
用遗传算法(Genetic Algorithm,GA)搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光谱区间及波长,并建立了支持向量机(Support Vector Machines,SVM)定性分析模型.实验供试农药为灭多威、氰戊菊酯和氧乐果3种.通过GA来搜寻整个波段范围(460～1 800 nm),将得到的9个最佳特征光谱区间所包含的波长(共318个)作为SVM建模的输入变量,对识别被3种农药污染脐橙的准确率为100%.并继续应用GA优化,得到71个特征波长,此时建立的SVM模型的识别准确率为99.57%.虽然识别的准确率有所下降,但是模型的复杂程度得到了很大的优化,其输入变量减少到71个.实验结果表明利用可见/近红外光谱技术结合SVM方法可以有效识别被不同农药污染的脐橙. 相似文献
6.
基于计算机视觉的脐橙分级系统研究 总被引：19，自引：2，他引：17
脐橙的检测方法目前主要还是采用劳动强度大、工作效率低、随意性大、客观性不强、也不符合当前标准化要求的人工检测方法。运用计算机视觉和模式识别技术,研究了基于计算机视觉的脐橙分级系统,首先对获取的图像分割出背景、脐橙本体和表面缺陷,再根据脐橙的分级标准,提取出果实横径、表面缺陷的特征参数,采用径向基神经网络对脐橙样本进行了等级识别,实现脐橙的自动检测与分级。 相似文献
7.
【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。 相似文献
8.
9.
10.
【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙果实品质和市场效应具有较大差异。研究基于近红外光谱技术的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000-2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别,确定当种群数量为200、遗传代数为100、交叉概率0.7、突变概率0.01时,遗传算法选择出最优的基因子集进行产地识别,遗传算法-支持向量机模型的产地识别精度最高可达89.72%,优于人工神经网络分类模型和支持向量机分类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进行产地识别测试,得到对应的最高识别精度分别为80.00%和69.00%。【结论】遗传算法-支持向量机模型对果汁反射近红外光谱进行产地识别精度最高,优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱,因此,可利用赤道部的反射光谱实现非破坏性果实产地分类识别。 相似文献
11.
12.
长圆形纽荷尔脐橙变异株植物学特性描述及RAPD分析鉴定 总被引：1，自引：1，他引：0
通过6 a鉴选,长圆形纽荷尔脐橙变异株与纽荷尔脐橙相比,植株形态、叶、花、产量和综合品质差异不明显;但果实外观却有明显差异,变异株果实呈长圆形,果形指数比纽荷尔脐橙大,果实颜色较深,为橙红色。通过RAPD分析鉴定,得到变异株和纽荷尔脐橙的遗传距离为0.005 5,差异较小。 相似文献
13.
脐橙的可食率可通过脐橙的重量和体积估测得到,在此基础上提出了一种脐橙可食率的估测方法。首先通过机器视觉技术获取脐橙2个方向的截面积,再以这2个截面积和脐橙重量为输入变量的神经网络估计脐橙的可食率。试验结果表明,该方法在估计脐橙的可食率方面取得了较好的效果。 相似文献
14.
[目的]研究Bellamy和福本脐橙在广西的性状表现。[方法]研究了Bellamy和福本脐橙在桂林的物候期、植物学特性、结果性能、果实性状、适应性与抗性,并作出了综合评价。[结果]Bellamy和福本脐橙均表现生长快、结果早,较抗旱。其中,Bellamy脐橙树势稍弱,树形开张,树冠扁圆头形,脐黄落果率为19．42％～39．46％,裂果率为3．18％～7．85％,4～5年生株产量为9．00～12．62kg,果实11月中下旬～12月上旬成熟,单果重为149．40～179．25g,固形物含量为10．2％～15．2％,甜酸适中,化渣,表现为早熟、高产、优质、脐黄中等、裂果少;福本脐橙树势稍旺、树形稍开张,脐黄落果率为8．21％～33．88％,裂果率为2．79％～14．7％,4～5年生株产量为7．83～24．63kg,果实11月上中旬～12月上旬成熟,单果重为225．05～286．40g,固形物含量为11．0％～13．4％,甜酸适中,化渣,表现为早熟、高产、优质．脐黄、裂果较少。[结论]2个品种均值得推广。 相似文献
15.
16.
脐橙的大小对其味道有重要影响,但人工分拣的方式存在随意性大、客观性不强等缺陷,为此设计了一种脐橙自动分拣及装箱系统,采用传感器对传送带上的脐橙进行大小判断后进入不同的通道的方法,达到了良好的分拣效果.并通过PLC对整个脐橙的供料、检测分级、纸箱供应、装箱等过程实现了自动控制,通过测试该系统降低了劳动强度、提高了效率,且排除了人工因素,产品质量得到了更好保证,为脐橙产业经济的发展提供了技术支持. 相似文献
17.
18.
19.