共查询到19条相似文献，搜索用时 203 毫秒
1.
2.
3.
4.
5.
基于位置特征的穴间杂草快速识别算法 总被引：2，自引：0，他引：2
研究了利用穴播作物的位置特征进行穴间区块杂草识别的算法.针对穴播作物按规律分布生长的特点和田间场景中植物叶片交叠等问题,以穴播玉米为研究对象提出了一种基于作物位置特征的过分割区块投影定位作物株心的方法,据此确定出穴间喷雾操作区块并进行各区块像素统计、判别,实现穴间杂草的识别.试验表明:穴间区块杂草实时识别的正确率在87.7%以上, 在MATLAB6.5环境下处理一幅640×512图像,从读入图像至给出杂草控制指令耗时在500ms以内,具有较好的实时性,且可适用于作物苗期各阶段的杂草识别. 相似文献
6.
7.
8.
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
9.
自然光照下基于粒子群算法的农业机械导航路径识别 总被引：12，自引：0，他引：12
针对农业机械视觉导航线提取易受光照变化影响及常规导航线识别算法实时性低、抗干扰能力差等问题,对自然光照条件下基于机器视觉的农业机械导航路径识别技术进行了研究。首先,在YCr Cb颜色模型的基础上构建与光照无关的Cg分量,选择2Cg-Cr-Cb特征因子对图像进行灰度化处理,以降低光照变化对图像分割的影响;然后,采用改进K-means聚类方法进行图像分割,将绿色作物信息从土壤背景中分离出来,并通过形态学滤波方法滤除二值图像中存在的杂草干扰信息;最后,根据图像中作物行的特点建立作物行直线方程约束模型,利用粒子群算法对作物行直线进行寻优求解,进而得到导航线。实验结果表明,不同光照条件下对2Cg-Cr-Cb灰度图像进行图像分割,可以清晰完整地将作物从土壤背景中分离出来,分割图像受光照变化影响较小并且不会引入背景噪声;基于粒子群算法的导航线检测方法可以快速准确地提取出导航路径,对于不同农田作物和作物不同生长阶段具有较高的适应性,相比于常规导航线识别算法具有实时性高、鲁棒性好等优点。 相似文献
10.
11.
基于颜色特征与多层同质性分割算法的麦田杂草识别 总被引：1，自引：0，他引：1
针对杂草与小麦叶子交叠的情况,提出了一种利用改进的多层同质性分割算法,并综合颜色与形态特征的杂草识别方法。在颜色空间YIQ,选取I作为特征量并用改进的最大类间方差法分离植物与背景;在颜色空间HSI,选取I的同质性量和S作为特征量进行多层同质性分割分离小麦与杂草;最后结合形态学特征开闭运算滤波及二值逻辑与运算获得杂草图像;通过模拟化学除草系统,从理论上评价整个系统的除草效率。试验结果表明,杂草正确识别率达92.6%,单幅图像除草剂的减少率在35%~50%,小麦田的除草剂减少率超过78.7%。 相似文献
12.
传统农田除草采用田间统一定量均匀喷洒,导致了除草剂浪费和环境污染问题。智能变量喷施能够保护环境和提高作物产量,是促进农业可持续发展战略的重要途径。为此,对经典的杂草监测参数进行改进并提出了正态分布下最小错误率的贝叶斯决策以实现精确变量喷施。首先对农田图像进行灰度化、二值化及去噪等预处理;然后依据作物行中心线对农田图像进行网格单元的划分,并在网格单元格内提取改进的杂草监测参数;最后将贝叶斯决策分为两个阶段:线下阶段利用改进的杂草监测参数数据库计算正态分布参数,线上阶段根据改进的杂草监测参数实现正态分布下最小错误率的贝叶斯决策,从而为变量喷施提供决策依据。实验结果表明:正态分布下最小错误率的贝叶斯决策正确率可达92%,与BP算法和SVM算法相比决策正确率相对较高。 相似文献
13.
14.
基于机器视觉的自主插秧机导航信息的提取研究 总被引：3，自引：0，他引：3
针对基于机器视觉的插秧机的自主导航,提出了一种利用秧苗行分割线作为基准线提取导航参数的算法.根据秧苗在田间环境的特征,用EXG因子分割图像,将按列累加的灰度值所形成的曲线图,设定水平分割线找到秧苗区域,确定各苗区的起始列点和终止列点,找到定位点,拟合分割线.根据秧苗行分布呈平行线状的特点,利用分割线在图像平面上形成的灭点和成像的斜率来计算插秧机的位移偏差和角度偏差,为视觉导航提供必要的参数.实验结果表明该方法具有一定的可行性,能够用于插秧机器人的导航研究. 相似文献
15.
《Agricultural Water Management》2006,82(3):253-278
Water productivity (WP) expresses the value or benefit derived from the use of water, and includes essential aspects of water management such as production for arid and semi-arid regions. A profound WP analysis was carried out at five selected farmer fields (two for wheat–rice and three for wheat–cotton) in Sirsa district, India during the agricultural year 2001–02. The ecohydrological soil–water–atmosphere–plant (SWAP) model, including detailed crop simulations in combination with field observations, was used to determine the required hydrological variables such as transpiration, evapotranspiration and percolation, and biophysical variables such as dry matter or grain yields. The use of observed soil moisture and salinity profiles was found successful to determine indirectly the soil hydraulic parameters through inverse modelling.Considerable spatial variation in WP values was observed not only for different crops but also for the same crop. For instance, the WPET, expressed in terms of crop grain (or seed) yield per unit amount of evapotranspiration, varied from 1.22 to 1.56 kg m−3 for wheat among different farmer fields. The corresponding value for cotton varied from 0.09 to 0.31 kg m−3. This indicates a considerable variation and scope for improvements in water productivity. The average WPET (kg m−3) was 1.39 for wheat, 0.94 for rice and 0.23 for cotton, and corresponds to average values for the climatic and growing conditions in Northwest India. Including percolation in the analysis, i.e. crop grain (or seed) yield per unit amount of evapotranspiration plus percolation, resulted in average WPETQ (kg m−3) values of 1.04 for wheat, 0.84 for rice and 0.21 for cotton. Factors responsible for low WP include the relative high amount of evaporation into evapotranspiration especially for rice, and percolation from field irrigations. Improving agronomic practices such as aerobic rice cultivation and soil mulching will reduce this non-beneficial loss of water through evaporation, and subsequently will improve the WPET at field scale. For wheat, the simulated water and salt limited yields were 20–60% higher than measured yields, and suggest substantial nutrition, pest, disease and/or weed stresses. Improved crop management in terms of timely sowing, optimum nutrient supply, and better pest, disease and weed control for wheat will multiply its WPET by a factor of 1.5! Moreover, severe water stress was observed on cotton (relative transpiration < 0.65) during the kharif (summer) season, which resulted in 1.4–3.3 times lower water and salt limited yields compared with simulated potential yields. Benefits in terms of increased cotton yields and improved water productivity will be gained by ensuring irrigation supply at cotton fields, especially during the dry years. 相似文献
16.
大田环境下小麦种植行的识别与定位对农机田间喷药和除草等任务的导航作业具有重要意义。以分蘖期和拔节期的冬小麦无人机可见光遥感影像为研究数据，结合深度语义分割和霍夫变换直线检测，提出了一种多生育期小麦种植行检测方法。采用SegNet深度语义分割提取小麦种植区域，克服传统检测方法对光照敏感的同时提高检测精度。基于霍夫变换的小麦种植行预检测结果，提出采用二分k均值聚类进一步提炼检测结果，以识别出小麦种植行区域的中心线。实验结果表明，对于分蘖期和拔节期的冬小麦图像，种植行直线平均位置偏差的绝对值分别为0.55、0.11 cm;平均角度偏差的绝对值分别为0.001 1、0.000 37 rad,检测精度与直线漏检率等指标都显著优于传统方法。研究结果为智能农机导航作业中的作物种植行检测提供了方法支持。 相似文献
17.
作物行识别算法的虚拟试验方法 总被引：1，自引：0，他引：1
针对作物行识别算法的传统开发过程对田间作物生长周期依赖性较强,错过适当的田间图像采集时期将直接导致算法开发周期延长等问题,提出一种基于虚拟场景的作物行识别算法测试方法,即在虚拟环境下模拟农田作物行场景和图像采集系统,运用虚拟作物行图像测试作物行的识别算法。该方法在虚拟现实环境下建立作物行场景模型;提出一种融合建模法,根据作物和杂草的几何特征建立对应的三维几何模型;根据实际田间作物的空间分布特征,建立株距、行距可调的田间作物行模型;以Vega Prime为视景仿真工具,通过配置投影模式、渲染模式、视点位姿和图像采集规格,构建图像采集系统,输出作物行场景图像。以苗期棉花作物行为建模对象,对一种经过田间试验验证的双目视觉作物行识别算法进行测试试验。对比实际棉田图像对应的试验结果,同一作物行识别算法的识别正确率、偏差角和图像处理时间均相近。结果表明,本文建立的虚拟棉田作物行与实际棉田作物行场景相近,能够用于作物行识别算法的测试。 相似文献
18.
基于MODIS数据的冬小麦种植面积快速提取与长势监测 总被引：7，自引：0，他引：7
利用MODIS-NDVI数据,以中国冬小麦主产区为例,探讨了基于遥感影像全覆盖的大尺度冬小麦种植面积遥感综合自动识别及长势监测的方法。通过分析冬小麦的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征,确定了冬小麦信息提取的NDVI阈值,建立了冬小麦面积提取模型,并最终获取了2010—2011年中国农情遥感监测中冬小麦长势监测所需的空间分布数据,与多年平均统计数据比较,总体精度达到81%以上。基于提取的冬小麦面积信息空间分布数据,利用MODIS-NDVI差值模型,对冬小麦2011年的长势进行监测。结果表明,与近5年平均状况对比,2011年冬小麦在其整个生育期内长势基本与常年持平,但时空分布差异较大。 相似文献
19.
喷杆式施药机对行喷雾控制系统设计与试验 总被引：2，自引：0，他引：2
针对现有大田喷杆式施药机喷雾过程中喷头无法精准对行喷施造成农药浪费的问题,基于机器视觉技术设计了喷杆式施药机对行喷雾控制系统。该系统包括作物行中心线位置提取上位机软件和电动喷杆控制系统,利用工业相机获取作物行RGB图像,采用G-RTG-BT算法及形态学处理实现作物行分割,基于改进的垂直投影法获取作物行中心线,利用坐标系转换实现将作物行中心线位置信息转化为喷杆横向偏移量,并经RS2 3 2串口传输至ATMega1 6控制器,控制推杆电机带动喷杆在滑轨上左右移动,借助位移传感器实时监测喷杆移动距离,以实现作物行追踪和对行喷雾控制。实验室和田间试验表明:改进的作物行中心线提取算法平均耗时12.51ms,喷杆横向偏移量计算误差小于0.44cm;电动喷杆右移最大误差0.3cm,左移最大误差0.5cm;小车速度为0.26m/s时,对倾角为5°、10°、15°模拟作物行的最大对行误差分别为3.22、2.86、2.51cm;小车速度为0.2 4 m/s,最大偏移1 4.0 2 cm时,对田间玉米幼苗的对行喷雾最大误差为4.8 6 cm,为实现作物行追踪和对行喷雾控制提供了一种有效的解决方案。 相似文献