排序方式： 共有6条查询结果，搜索用时 133 毫秒
1
1.
准确识别玉米幼苗是实现自动化精准除草、间苗、补种等苗期作业的重要前提。为此,针对自然环境下农业机器人对玉米幼苗的检测问题,结合深度残差网络强大的特征提取能力和级联网络连接多个检测器不断优化预测结果的特点,对Cascade R-CNN模型进行改进,使之适用于自然环境下玉米幼苗的检测。模型使用残差网络ResNet-50与特征金字塔网络FPN作为特征提取器提取玉米幼苗图像的特征图,利用区域建议网络生成目标候选框,通过感兴趣区域池化将不同大小的特征图转换为统一尺寸的输出;最后,分类回归模块根据特征图对目标进行分类,并使用边框回归修正候选框的位置和大小,从而完成玉米幼苗目标检测。同时,以3～5叶期玉米幼苗为研究对象,采集其田间图像并制作数据集,用所制作的数据集对Cascade R-CNN模型进行训练,选取AlexNet、VGG16、ResNet18、ResNet50与ResNet50+FPN分别作为特征提取网络进行对比试验,确定所提出的ResNet50+FPN为最优特征提取网络,平均精度均值(mAP)为91.76%,平均检测时间为6.5ms。选取双阶段目标检测模型Faster R-CNN、R-F... 相似文献
2.
目前田间持水量的测定大多使用传统的人工测量方式,存在耗时长、不能实时测量等问题,为此提出一种基于土壤多参数监测系统测定田间持水量的方法。该方法以饱和土壤含水量自然蒸发为试验基础,分析不同深度的土壤水分曲线在不同阶段的变化情况,探究土壤表层相对温度差对土壤水分日丢失量的影响。结果表明:10 cm深度的土壤水分曲线Y 1在不同观测阶段递减,第15天曲线斜率变小的趋势最明显,20 cm深度的土壤水分曲线Y 2在不同观测阶段递减,在第12天曲线斜率变小的趋势较明显。由土壤体积含水量与观测天数的拟合函数检验指标知,回归模型的决定系数R 2均在0.99以上,表明不同深度的土壤体积含水量与观测天数存在一元二次函数关系。不同深度的土壤水分日丢失量在时间序列上呈现一元三次函数关系变化,而土壤表层相对温度差近似为一个常数,表明土壤水分日丢失量受土壤表层相对温度差的影响较小。使用二次回归模型计算的田间持水量误差为[0.05,0.39],具有更高精度。该方法为土壤监测设备在测定田间持水量中的应用研究提供参考。 相似文献
3.
随着机器学习在生物信息、人脸识别等领域的成功应用,其也为无人农场的发展提供动力。首先阐述无人农场和机器学习的基础概念,同时分别在种植业和畜牧业两个方面对机器学习的应用进行分析,在种植业方面阐述其在田间杂草识别、作物病虫害检测、作物产量预测的应用,在畜牧业方面分析机器学习在鱼类、猪等牲畜的精准识别分类、鱼类的喂食决策系统以及鸡、牛的生产线预测方面的应用现状;提出机器学习存在训练样本难获取、难标记的问题,嵌入式芯片的性能缺陷,以及专业人才缺乏等劣势;应建立通用的无人农场数据库,研究可以预测动物的健康状况以及对动物的生长环境状况进行实时监测的专家系统,还应加强机器学习的嵌入式研究,以及结合5G、大数据、传感器等技术的机器学习将成为无人农场未来的研究方向。本文对机器学习在无人农场的应用现状、问题及展望进行总结叙述,期望为以后的进一步研究提供参考。 相似文献
4.
5.
基于YOLOv4网络的棉花顶芽精准识别方法 总被引：1，自引：0，他引：1
为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法。利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型。对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能。结果表明：该模型在测试集的平均检测精度（AP）、精确率（P）、召回率（R）、调和平均值（F1）比原模型分别提高0.36%、1.73%、0.52%、1.16%,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降。 相似文献
6.
喷施化学农药是病虫害防治最主要的手段，对保证作物的产量起着至关重要的作用。传统的施药机械工作效率低，且使用同一施药量进行连续喷施作业易造成农药浪费、环境污染。随着农业智能化发展，机器人被广泛应用到农业植保作业中，智能施药机器人以减少劳动力投入、提高农药利用率、减少农药施用量以及减少环境污染为目的，实现了更加高效、精准的病虫害防治。智能施药机器人是集复杂农业机械、智能感知、智能决策、智能控制等技术为一体的现代农业施药装备，可自主、高效、安全、可靠地完成施药作业任务。为明确智能施药机器人及关键技术的国内外研究现状，本文总结了适用于不同作业场景的施药机器人的应用进展，从智能施药机器人的移动平台设计、喷雾装置设计、导航技术、智能识别技术4个方面进行分析，结合施药机器人作业环境的复杂多变性，分析智能施药机器人关键技术的现存问题，阐述智能施药机器人未来的发展趋势是精准变量施药、自主导航以及无人化作业，以期为智能施药机器人在未来的研究提供参考。 相似文献
1