共查询到19条相似文献，搜索用时 722 毫秒
1.
2.
《农业科技通讯》2021,(10)
对于农作物在生长的过程,具有覆盖面积广、不同农作物生长环境也各不相同一系列的问题,因此对于农作物生长环境及调节成为了一个耗费人力物力的问题。为此引出一个农业物联网的概念,是实现农业上作物与环境、土壤及肥力间物物相联的关系网络,通过多维信息与多层次处理实现农作物的最佳生长环境调理。视频与图像监控为物与物之间的关联提供了更直观的表达方式。本研究用基于树莓派的摄像机以一个极低的视频帧率来捕获图片形式的信息,然后通过OpenCV来实现单张图片的获取及存储。与此同时,也可以很简单地将这些图片信息搬运到网络上比如阿里云的对象存储服务OSS,实现信息的实时共享,这样就能够将大范围的农作物生长状况的记录及统计以上述云记录的方法来进行实时监测。整个系统具有物联网技术应用效果,利用这样一个监测功能系统可以大大提高农作物监测的效率并且能够有效保证农作物生长的状况保持一个良好的状态。 相似文献
3.
农业现场图像信息采集是农作物长势和病虫害分析的重要手段。结合嵌入式技术与B/S 架构,设计了1 个采用高清晰图像传感器罗技Pro9000摄像头的低成本农业现场视频/图像快速采集系统,并对系统的体系结构、通信子系统、采集、压缩与传输子系统进行了详细设计。系统采用大功率WiFi和快速ARM 平台S3C6410 处理器,基于V4L2 技术采集图像,采用JPEG 图像数据压缩技术能够大大地减少传输数据量,使得视频传输更加流畅。试验结果表明,本系统传输640伊480 大小的图像到远程服务器的图像传输成功率在300 m范围内可达到92%以上;在50 m内可达到视频20 帧/秒以上,在300 m的距离也能够达到6帧/秒以上的视频帧率,可以满足视频监控的需求。由于本方案基于ARM 平台设计,成本低,易于集成应用,非常适于大范围农业上开展应用。 相似文献
4.
一种基于标准白板的颜色校正方法 总被引：1，自引：0，他引：1
本研究提出了一种基于标准白板的颜色校正方法。首先制作一块标准白板。在标准色温下拍摄附带标准白板的景物,得到标准图像,通过程序统计出图像中白板区域的RGB三色的各自均值,作为颜色校正的基准值。同样,得到在非标准色温下白板区域的RGB三色的各自均值。两组值相比较,得到非标准图像RGB三色各自的校正系数,然后按此系数对整个图像的每个象素进行校正。试验结果表明,校正图像与标准图像不仅在视觉上可达到一致,并且在数值上也能达到基本一致,该方法通过计算机编程来实现简单实用,快速准确。 相似文献
5.
《江苏农业科学》2017,(6)
为了有效地解决基于机器视觉的农业机器人在作业任务中受阴影对农作物识别造成的干扰问题,提出一种基于组合的颜色空间,通过较简单的分割方法可以在组合空间中消除阴影。该方法首先将RGB颜色空间下的图像转换到LAB、YUV和HSI中,获得图像在每个颜色空间中的分量;然后利用直方图、熵值、均方误差和峰值信噪比分析各颜色通道特性,选择合适的颜色通道进行组合。对组合颜色空间进行仿真数据分析,筛选出适合于农田环境下阴影去除的UVI空间。通过与包含阴影的不同颜色空间中的图像进行对比试验,说明颜色空间可以经较简单的算法实现图像中阴影的去除,证明该颜色空间对农田环境下阴影去除的有效性、抗干扰性。 相似文献
6.
为了改善视频采集和图像格式转换的实时性,实现具有知识产权的实时视频系统前端模块芯片.利用现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)具有的并行处理能力,对视频采集以及RGB格式转换为YCbCr格式的方案进行了优化,并按照芯片设计流程,把基于FPGA的大规模逻辑电路设计转化为专用芯片设计,完成了视频图像采集和格式转换等视频前端模块的芯片硬核设计.所设计的版图中含有标准单元39594个,芯片总面积约为7.59mm2.仿真和板级调试实验表明,方案不但实现了基于FPGA的视频采集和图像处理功能,并且按照专用集成电路(Application Specifi... 相似文献
7.
[目的]根据原木端面图像的彩色特征,提出一种基于RGB颜色空间的彩色图像分割算法。[方法]选取图像中指定区域作为样本,统计样本中像素点的彩色分量,利用其彩色阈值区间,通过逐点匹配法对图像进行分割。[结果]该方法不仅消除了阴影干扰,而且能够准确地对原木端面进行分割。分割结果图像优化处理后,完整地反映出图像中的原木端面。采用目标图像外接矩形的内接椭圆算法对原木端面图像进行参数测算,结果表明,该算法的测算结果相对误差小于0.5%。[结论]基于RGB彩色空间的原木端面图像分隔方法分隔效果较优,参数测算结果较准确。 相似文献
8.
《农业工程技术:农产品加工》2016,(9)
目标提取是使用视频分析进行奶牛行为自动感知的基础工作。牧场环境中采集的视频易受复杂背景的干扰,导致难以从视频中检测出奶牛目标,对后续图像处理操作影响较大。本研究提出一种基于背景减去法的运动目标精确检测方法。首先使用帧间差值法计算奶牛外接矩形,以提取每帧图像中的局部背景,并对其进行拼接以得到视频序列中的整体背景。然后利用奶牛外接矩形确定身体区域的位置和大小,并使用身体区域的二值图像对其进行跟踪。以每帧图像中的身体区域作为基准,对RGB通道的求和分量权重进行实时调整,以提高背景与目标之间的对比度。最终实现目标与背景的差异最大化,并进行背景减去以提取目标。对129段视频进行目标检测,结果表明本文算法的目标检测精度为88.34%,较传统背景减去法高出24.85个百分点。试验结果表明,本文算法能够精确实时地检测牧场环境中的行走奶牛,不仅提高了检测率,同时扩展了背景减去法的应用范围。 相似文献
9.
图像采集是实现红枣品质分级和检测的关键前提。针对基于静态图像的采集方式不能全面反映外观品质、实时性差和基于传输式图像采集方式的机械、电路设计复杂且适用性不足的缺点,提出一种基于历史帧最小路径搜索,实现对视频中红枣目标进行跟踪、标定,建立红枣动态样本集的方法。首先利用RGB(red,green,blue)颜色空间转换HSV(hue saturation value)空间图像的明度(V)分量,基于V分量建立掩膜对RGB图像执行掩膜去背景。同时,针对视频图像中获得的二值图像,建立坐标系,获得每帧图像基于轮廓外接最小正矩形的特征向量,将当前帧和前一帧中的特征向量基于最小路径搜索的方法,加入约束条件,实现对视频中每个红枣目标的跟踪和标定,最后基于正矩形参数的感兴趣区域(region of interest,简称ROI),实现动态样本建立。利用此算法,对拍摄的视频图像的检测表明建立的动态样本集能更全面地反映红枣外观品质。该算法简单、有效,特别在实现基于深度神经网络的红枣在线检测中具有较大的应用潜力。 相似文献
10.
高清视频车辆检测及跟踪系统的设计与实现 总被引：1，自引：0，他引：1
针对目前视频车辆检测与跟踪系统存在检测精度低、跟踪稳定性差等问题,设计基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)结构的高清视频车辆检测和跟踪系统。该系统采用高清摄像机为图像采集单元,利用现场可编程门阵列对采集到的IP视频图像进行实时图像解码和图像预处理,高性能DSP做为系统主控单元实现前景提取、车辆检测、识别和跟踪等功能,DSP与FPGA之间的数据交换通过两路高速串行接口连接,以满足运算处理时大批量中间数据的交互;采用基于背景图像差分检测方法进行运动目标的实时检测,通过计算目标物体的紧密度对运动目标进行分类,利用区域特征跟踪法来快速跟踪图像序列中的车辆目标。试验结果表明:与普通视频相比,高清视频条件下对视频图像进行处理,在定位及寻找物体边缘方面具有优势,提高检测精度10%以上,能够实现对运动车辆的实时、准确、快速跟踪。 相似文献
11.
为探索林火监测的新手段,提高森林安全管理水平,将实时视频传输和计算机技术相结合,研制了林火监测任务设备．并与无人机飞行平台共同构成了微型无人机林火监测系统。以林区火场影像为样本．像素RGB值为分类依据．使用统计产品与服务解决方案软件进行聚类分析．得到基于颜色特征的烟雾识别模型。该模型经过光谱特性改进和消噪处理后．对于试验影像的烟雾识别率在77％以上。利用该模型．系统可在飞行中实时完成对地面火情的探测并给出报警提示。在飞行试验的基础上,提出无人机林火监测系统的飞行作业流程．并讨论了系统运行的经济性和目前存在的问题。无人机林火监测系统同样可用于林区气象探测、可燃物和病虫害调查等方面．切实提高林区管理的技术水平。图5表2参14 相似文献
12.
面向移动终端的农业害虫图像智能识别系统的研究与开发 总被引：1，自引：0，他引：1
【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备（如手机或平板）拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户“一对一”的防治指导,大大节省了经济和时间成本。 相似文献
13.
基于支持向量机的水稻稻瘟病图像分割研究 总被引：2，自引：0，他引：2
水稻稻瘟病图像的分割是水稻稻瘟病自动分析与识别的关键环节,其分割效果直接影响后续处理。提出一种基于支持向量机的水稻稻瘟病病害彩色图像分割方法。首先选取叶子正常部分的像素点以及颜色相对复杂的病斑像素点作为负训练样本和正训练样本,提取像素R、G、B彩色分量作为特征向量,对支持向量机进行训练,然后在RGB空间利用训练好的支持向量机对待分割图像的所有像素点进行分类,实现水稻稻瘟病彩色图像的分割。为了获得最佳的分割效果,采用网格搜索法对径向基核函数下的不同核参数分割效果和性能进行比较与分析,确定最佳模型参数。利用此模型进行水稻稻瘟病图像分割实验,获得较好的分割精度,结果优于最大类间方差分割算法。 相似文献
14.
15.
为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。 相似文献
16.
Henrik Skov Midtiby Solvejg K. Mathiassen 《Computers and Electronics in Agriculture》2011,77(1):35-40
An intelligent real-time microspraying weed control system was developed. The system distinguishes between weed and crop plants and a herbicide (glyphosate) is selectively applied to the detected weed plants. The vision system captures 40 RGB images per second, each covering 140 mm by 105 mm with an image resolution of 800 × 600 pixels. From the captured images the forward velocity is estimated and the spraycommands for the microsprayer are calculated. Crop and weed plants are identified in the image, and weed plants are sprayed. Performance of the microsprayer system was evaluated under laboratory conditions simulating field conditions. A combination of maize (Zea mays L.), oilseed rape (Brassica napus L.) and scentless mayweed (Matricaria inodora L.) plants, in growth stage BBCH10, was placed in pots, which were then treated by the microspray system. Maize simulated crop plants, while the other species simulated weeds. The experiment were conducted at a velocity of 0.5 m/s. Two weeks after spraying, the fraction of injured plants was determined visually. None of the crop plants were harmed while 94% of the oilseed rape and 37% of the scentless mayweed plants were significantly limited in their growth. Given the size and shape of the scentless mayweed plants and the microsprayer geometry it was calculated that the microsprayer could only hit 64% of the scentless mayweed plants. The system was able to effectively control weeds larger than 11 mm × 11 mm. 相似文献
17.
玉米病害病斑图像处理结果表明,不同病斑图像像素、RGB色彩分解和水平集有明显的差异。病斑图像直方图中有一个明显的合成高峰。滤波后对比表明,各特性发生明显变化,典型病斑图像水平集有一定的稳定性,病斑图像直方图高峰基本不变,透光图像直方图高峰减少到一个。这些信息的获得,为遥感技术监控玉米病害提供了帮助。 相似文献
18.
19.
Development of an automatic monitoring system for rice light-trap pests based on machine vision 
下载免费PDF全文
下载免费PDF全文 YAO Qing FENG Jin TANG Jian XU Wei-gen ZHU Xu-hua YANG Bao-jun Lü Jun XIE Yi-ze YAO Bo WU Shu-zhen KUAI Nai-yang WANG Li-jun 《农业科学学报》2020,19(10):2500-2513
Monitoring pest populations in paddy fields is important to effectively implement integrated pest management. Light traps are widely used to monitor field pests all over the world. Most conventional light traps still involve manual identification of target pests from lots of trapped insects, which is time-consuming, labor-intensive and error-prone, especially in pest peak periods. In this paper, we developed an automatic monitoring system for rice light-trap pests based on machine vision. This system is composed of an intelligent light trap, a computer or mobile phone client platform and a cloud server. The light trap firstly traps, kills and disperses insects, then collects images of trapped insects and sends each image to the cloud server. Five target pests in images are automatically identified and counted by pest identification models loaded in the server. To avoid light-trap insects piling up, a vibration plate and a moving rotation conveyor belt are adopted to disperse these trapped insects. There was a close correlation(r=0.92) between our automatic and manual identification methods based on the daily pest number of one-year images from one light trap. Field experiments demonstrated the effectiveness and accuracy of our automatic light trap monitoring system. 相似文献