基于云平台和BFAST算法的地表变化检测方法     

周旭  陈元鹏  刘岩涛  周妍  李少帅  王力 《农业机械学报》2022,53(7):179-186

准确识别地表变化的时空信息,有助于探究地表自然环境和生态系统发展演变的规律,支撑相关的科研与行政管理工作。本文以河南某生态保护修复工程部分实施范围为研究区域,基于Google Earth Engine(GEE)云平台,以2013—2020年的98景Landsat8/OLI遥感影像作为数据源,应用Breaks for additive season and trend(BFAST)算法对地表变化进行了信息提取和制图。首先基于GEE云平台对Landsat8/OLI地表反射率数据集进行调用和预处理,基于CFMask算法对遥感数据集进行云影掩膜,开展光谱指数(植被指数NDVI)的计算以及时间序列数据集的构建。其次基于时序数据集与BFAST算法构建由趋势项、季节项和残差项组成的广义线性回归模型,通过最小二乘法求解模型中的未知参数集,以此进一步构建时序拟合模型,而后基于残差的Moving sums(MOSUM)方法对时序结构变化进行检测。最后从检测结果中抽取像元样点,通过与Google Earth高分辨率影像数据叠置和目视解译,开展结果验证和精度评价。结果表明,本文提出的方法在研究区的时序地表变化...  相似文献   

基于改进DeepSORT的群养生猪行为识别与跟踪方法   总被引：1，自引：0，他引：1  

涂淑琴  刘晓龙  梁云  张宇  黄磊  汤寅杰 《农业机械学报》2022,53(8):345-352

为改善猪只重叠与遮挡造成的猪只身份编号（Identity,ID）频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面：一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。  相似文献   

玉米主要品质便携式检测装置设计与试验     

彭彦昆  戴宝琼  李阳  赵鑫龙  邹文龙  王亚丽 《农业机械学报》2022,53(9):382-389

我国玉米产量高,高效、便携、低成本的玉米成分检测技术及其装置对于玉米品质的检测至关重要,基于可见/近红外光谱技术,设计了一款玉米主要品质便携式检测装置。为探究所设计方案的可行性,自行搭建了可见/近红外光谱采集系统,对不同品种共72份玉米样本进行光谱采集,分别建立了玉米籽粒蛋白质、脂肪和淀粉含量的偏最小二乘（PLS）预测模型以及结合竞争性自适应重加权算法（CARS）的CARS-PLS预测模型。结果表明,CARS方法可以有效筛选出各组分的相关变量,提升模型效果,各组分质量分数的预测集均方根误差（RMSEP）均有所下降, 蛋白质质量分数的RMSEP由0.4866%降至0.4068%;脂肪质量分数的RMSEP由0.1549%降至0.0989%;淀粉质量分数的RMSEP由0.4714%降至0.4675%。预测集相关系数Rp均有所提高,蛋白质质量分数的Rp由0.9309提升至0.9603;脂肪质量分数的Rp由0.9497提升至0.9770;淀粉质量分数的Rp由0.9520提升至0.9605。基于CARS方法所筛选的各组分特征变量,选择了合适的近红外光谱传感器,在此基础上设计了检测装置的光谱采集单元、控制单元、显示单元、电源单元以及散热单元,并基于NodeMCU开发板和Arduino IDE开发工具,采用Arduino语言对装置控制程序进行开发,实现“一键式”快速检测。试验验证了该装置的检测精度和稳定性,结果表明,预测玉米籽粒蛋白质、脂肪和淀粉质量分数的相关系数分别为0.8431、0.8243、0.8154,预测均方根误差分别为0.3576%、0.2318%、0.2333%,相对分析误差分别为1.8577、1.7761、1.5735。对同一样本多次重复预测,各组分预测值的变异系数分别为0.235%、0.241%和0.028%。  相似文献   

基于边缘检测和区域定位的玉米根茎导航线提取方法   总被引：4，自引：0，他引：4  

宫金良  王祥祥  张彦斐  兰玉彬 《农业机械学报》2020,51(10):26-33

基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点,采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。  相似文献   

拖拉机田间作业参数无线检测系统研究     

代冬  陈度  张宾  王玲  王书茂 《农业机械学报》2020,51(S1):568-575

针对当前拖拉机检测系统功能集成度低、检测参数不全面、传输距离有限的问题,开发了拖拉机田间作业参数无线检测系统。该系统由传感器、数据采集仪及上位机软件监测平台3部分组成,能够实现PTO转矩及转速、油耗、发动机转速、悬挂提升力、力位调节加载力、加载角度、行驶速度、车轮转速、牵引力等多种参数的采集、无线发送与存储。系统工作时,数据采集仪中的车载检测仪将采集的传感器数据发送至无线数据接收器,无线数据接收器通过串口将数据传输至上位机软件监测平台,实现对各类试验参数的实时监测与数据处理。为验证检测系统的可行性与稳定性,对系统进行了采集通道的计量,结果显示模拟信号通道绝对误差绝对值最大为0.003V,引用误差最大为0.03%,频率信号通道检测绝对误差最大为2Hz,引用误差最大为0.013%,满足对拖拉机作业参数的采集需求。在此基础上,进行了PTO转矩参数及拖拉机无负载行驶速度采集试验。试验结果表明,检测系统可以实现转矩参数的稳定采集及数据的无线传输;在5、8、14km/h 3挡车速匀速行驶下,拖拉机车轮转速与实际行驶速度基本一致,最大相对误差分别为2.0%、1.2%及0.7%。本系统可满足对拖拉机工作性能参数的无线检测需求,数据采集稳定且采集精度较高,为拖拉机多作业参数的无线采集提供有效手段。  相似文献   

我国农机产品推广鉴定检测概况          下载免费PDF全文

赵庆亮 《农业工程》2020,10(7):35-38

对我国旋耕机、深松机、免耕播种机、自走式饲料收获机、打捆机和喷杆式喷雾机等典型产品在推广鉴定检测过程中的试验项目及关键补贴归档参数检测进行了分析,为农机企业的产品设计开发提供参考。   相似文献   

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测     

江辉  刘通  陈全胜 《农业机械学报》2021,52(2):340-345

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。  相似文献   

基于改进YOLO的玉米幼苗株数获取方法   总被引：1，自引：0，他引：1  

张宏鸣  付振宇  韩文霆  阳光  牛当当  周新宇 《农业机械学报》2021,52(4):221-229

为快速准确获取玉米幼苗株数、评估播种质量、进行查缺补苗等管理,对YOLO算法进行改进,提出了一种基于特征增强机制的幼苗获取检测模型（FE-YOLO）,实现了对玉米幼苗株数的快速获取。该方法根据玉米幼苗目标尺寸和空间纹理特征,构建了基于动态激活的轻量特征提取网络,融合了多感受野和空间注意力机制。实验表明：FE-YOLO模型增强了幼苗空间特征、降低了网络复杂度,使模型的mAP和召回率分别达到87.22%和91.54%,每秒浮点运算次数和检测推理时间仅为YOLO v3的7.91%和33.76%。FE-YOLO能够实现无人机正射影像的玉米幼苗株数获取和种植密度估算,该模型复杂度低、识别精度高,能够为玉米苗期管理提供技术支持。  相似文献   

基于改进Faster R-CNN的田间黄板害虫检测算法   总被引：2，自引：0，他引：2  

肖德琴  黄一桂  张远琴  刘又夫  林思聪  杨文涛 《农业机械学报》2021,52(6):242-251

针对黄板诱捕的害虫体积小、数量多和分布不均匀,难以进行害虫识别的问题,引入当前主流目标检测模型Faster R-CNN对黄板上的小菜蛾、黄曲条跳甲和烟粉虱等主要害虫进行识别与计数,提出一种基于改进Faster R-CNN的田间黄板害虫检测算法（Mobile terminal pest Faster R-CNN,MPF R-CNN）。该算法将ResNet101网络与FPN网络相结合作为特征提取网络,并在RPN网络设计多种不同尺寸锚点对特征图像进行前景和背景判断,使用ROIAlign替代ROIPooling进行特征映射,以及使用双损失函数进行算法参数控制。对2440幅样本图像的实验分析表明,在真实复杂的自然环境下,MPF R-CNN对烟粉虱、黄曲条跳甲、小菜蛾和其他大型害虫（体长大于5mm）检测的平均精度分别为87.84%、86.94%、87.42%和86.38%;在35cm×25cm黄板上不超过480只的低密度下平均精度均值为93.41%,在480~960只害虫的中等密度下平均精度均值为89.76%。同时实验显示,在中低等密度下晴天和雨天的检测精度无明显差异,本算法计数结果与害虫计数决定系数为0.9255。将该算法置入以“微信小程序+云存储服务器+算法服务器”为架构的小米7手机终端系统中进行应用测试,平均识别时间为1.7s。研究表明,该算法在精度和速度上均可支持当前便携式应用,为利用手机对蔬菜害虫进行快速监测与识别提供了技术支撑。  相似文献   

光束阻断式小粒蔬菜种子漏充与堵孔同步检测系统研究   总被引：2，自引：0，他引：2  

李兆东  孙誉宁  杨文超  王韦韦  张甜  陈黎卿 《农业机械学报》2018,49(8):119-126

针对气力式排种器直播小粒蔬菜种子时易产生漏充与堵孔的问题,设计了一种光束阻断式小粒蔬菜种子漏充与堵孔同步检测系统。该检测系统调用ARM嵌入式系统的中断资源,采用旋转编码器实时测定排种盘转速,实时调整时间窗口与理论脉冲频率;在时间窗口内采集对射型激光传感器的输出脉冲,计算实际脉冲频率;通过对理论脉冲频率和实际脉冲频率实施运算,同步测定漏充率与吸孔堵塞率,并在触摸屏上显示。选用雪白玉萝卜、中双11号油菜和上海青3种蔬菜种子为研究对象,以排种盘转速和吸室真空度为试验因素,以漏充率和吸孔堵塞率为试验指标,在气力式精量排种器上进行该系统与高速摄像同步检测试验验证。试验结果表明,该系统可根据排种盘转速变化自行调整时间窗口,对漏充判断相对偏差不大于1.67%,对吸孔堵塞判断相对偏差不大于0.95%。该方法能够有效实现小粒蔬菜种子漏充与堵孔的实时同步检测,为解析排种器漏播成因与排种器改进设计提供依据。  相似文献