单位文秘网 2021-07-09 08:16:25 点击: 次
一种用于自然光草莓叶片图像边缘提取的新型多尺度分析算法
王建仑*,韩 彧,赵霜霜,郑鸿续,何 灿,崔晓莹,徐 云,陈建树,王淑婷
(中国农业大学信息与电气工程学院,北京 100083)
摘要:该研究提出了一种新的基于4个级别的“db5”小波分解的图像的自然光中温室草莓叶边缘图像提取算法。该算法采用不同尺度的重建图像和不同的分割算法来排除外部和内部的背景和叶脉干扰。本算法有两个优势,其中之一是,它可以表示相同的图像在不同的空间的抽象概念;另一种是,某些图像特征是很难在一些尺度空间被获取,而很容易在其他尺度空间来获得。在图像处理方法中,使用阈值分割获得二进制图象区域,使用Canny分割获得精确的梯度边缘,而利用形态方法和逻辑运算是为了避免叶区内片段和叶面积外的粘连。由于草莓叶图像各不相同,温室的光辐射可能会导致叶片和反射图像的局部照明不均匀,叶片图像的伪Canny边缘被分为三类:第一类是在第一层的小波重构图像中的叶片目标外部的Canny伪边缘的;第二类是第三层的小波重构图像中的叶片内部高光区域的Canny伪边缘;第三类是第三层的小波重构图像中的叶片内部灰度显著差异区域的伪Canny算子的边缘。利用基于多尺度重构的图像和不同的算法处理过程来分别处理这三种不同的纹理特征,结果可以获得完整准确的无干扰叶片边缘。该文的多尺度分割方法是一种对自然光下的温室草莓叶片的简单和非常有效的分割算法,并且通过略去多尺度运算的相同的分割运算过程简化了该方法。
关键词:多尺度分析,边缘提取,草莓叶片图像,canny边缘,Otsu分割
DOI: 10.3965/j.ijabe.20160901.1310
文献来源:Wang Jianlun, Han Yu, Zhao Shuangshuang, Zheng Hongxu, He Can, Cui Xiaoying, Xu Yun, Chen Jianshu, Wang Shuting. A new multi-scale analytic algorithm for edge extraction of strawberry leaf images in natural light. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 99-108.
温室环境中植物生长对无线传感器网络连通性的影响研究
陈 洋1,3,师玉玲1,3,王忠义1,2,3,黄 岚1,2,3※
(1.中国农业大学信息与电气工程学院,北京 100083;2.教育部现代精细农业系统集成研究重点实验室,北京 100083;
3.农业部农业信息获取技术重点实验室,北京 100083;)
摘要:无线传感器网络(WSN,wireless sensor network)现已应用于农田和温室中。但是较差的网络连通性会造成很多节点成为孤立节点,尤其是随着农作物植株的生长和杂草等障碍物的增加,会直接影响网络连通性,导致某些节点采集的信息无法传输到数据中心,因此需要研究网络连通性以改善连通质量。如何降低障碍物对网络连通的影响,从而使传感器数据能够可靠传输是当前要解决的问题。针对此问题,提出了一种随着植株生长使得网络连通性退化时,通过向WSN加入长距离路由节点,改善网络连通性的方法。为了验证效果,采用可达矩阵的秩表示网络节点的连通性,完全连通的网络的秩为1,可达矩阵的秩越小表示连通性越好;另外,通过NS2仿真验证了长距离路由节点的加入能够缓解网络连通性变差的情况;最后,通过在温室中运行的一个基于ZigBee的无线传感器网络远程监控系统,在作物生长过程中动态获取环境信息如温度、湿度、光照强度等环境参数,以及网络中节点的接收信号强度;通过系统试验证明,当某个区域内的接收信号强度指示(RSSI)较差时,长路由节点的加入可以保证网络的连通性,即当节点RSSI小于-100dBm时应开启长距离路由节点,以满足应用要求。所以,该文提出的方法可以用于改善WSN的连通性,而进一步的优化方法仍然需要深入研究。
关键词:无线传感器网络;网络连通性;长距离路由节点;接收信号强度指示(RSSI);温室
DOI: 10.3965/j.ijabe.201606901.1314
文献来源:Chen Yang, Shi Yuling, Wang Zhongyi, Huang Lan. Connectivity of wireless sensor networks for plant growth in greenhouse. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 89-98.
基于面向对象分类和Landsat8遥感数据温室大棚提取
吴超凡,邓劲松,王 珂*,马利刚,Amir Reza Shah Tahmassebi
(浙江大学农业遥感与信息技术应用研究所,杭州 310058)
摘要:近年来,农业生产活动的发展使中国城郊温室大棚的数量快速增长,日渐改变城市蔬菜供应并影响人们的日常饮食。而温室大棚中使用的化肥与杀虫剂等化学成分易改变区域的土壤质量,进而构成环境隐患。因此,准确实时地获取温室大棚的数量与分布将有利于区域的农业管理和土壤保护。该研究通过应用Landsat 8遥感数据结合面向对象分类方法,系统地呈现了城郊温室大棚的提取过程。研究中引入分层分类的概念,提取纹理信息及对象相邻信息等特征,丰富了参与分类的光谱特征,并运用随机森林作为特征选择的方法,最终使用优化的特征实现支持向量机的面向对象分类。结果表明,加入非光谱特征的面向对象分类方法与传统的基于像元的分类方法相比,可以获得更高的精度,生产者精度和使用者精度均大于85%。尽管完全准确区分温室大棚与稀疏植被仍然存在挑战,但该文的分类结果显示,结合多特征选择与多尺度分析可以为分类提供更有意义的信息,使用Landsat 8数据作为Landsat数据系列的延伸在温室大棚提取方面具有更广阔的应用价值。
关键词:温室大棚;制图;Landsat 8;面向对象分类;特征选择;多尺度
DOI: 10.3965/j.ijabe.20160901.1414
文献来源:Wu Chaofan, Deng Jinsong, Wang Ke, Ma Ligang, Amir Reza Shah Tahmassebi. Object-based classification approach for greenhouse mapping using Landsat-8 imagery. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 79-88.
基于计算机视觉和神经网络辣椒种子分类
Ferhat Kurtulmuş1*, İlknur Alibaş1, Ismail Kavdir2
(1. 生物系统工程系,农学院,乌鲁达大学,布尔萨16059,土耳其;
2. 农业机械系,农学院,恰纳卡莱翁塞基兹马特大学,恰纳卡莱17100,土耳其)
翻译:王元杰 审校:王应宽
摘要:作为新鲜蔬菜和香料,辣椒在全世界广泛种植和使用。辣椒的遗传和形态学信息通过种子储存。种子品种的确定对正确识别遗传物质至关重要。由于辣椒种子非常小而且具有视觉相似性,即使是专家靠肉眼也很难准确识别其品种,因此,其品种识别需要依靠更先进的技术。本研究提出了一种基于计算机视觉和神经网络和辨别辣椒种子的方法:图像采集使用办公用扫描仪,分辨率1200 dpi;提取颜色、形状和纹理等图像特征用于辣椒种子分类;通过计算不同颜色组分的特性,构建一个功能数据库;使用具备不同函数准则的贯序特征选择方法来进行特征选择。特征选择的结果为:图像特征的数目显著减少,从257个降至10个。应用交叉验证规则建立可靠的分类模型来防止过度拟合。研究了隐藏层神经元的数量和训练算法来确定最佳多层感知模型,在隐藏层使用30个神经元能得到最佳分类性能。在此神经网络下,利用贯序特征选择和弹性反向传播训练算法实现了8种辣椒种子84.94%的分类准确率。
关键词:辣椒籽,神经网络,品种分类,计算机视觉
DOI: 10.3965/j.ijabe.20160901.1790
文献来源:Ferhat Kurtulmuş, İlknur Alibaş, Ismail Kavdir. Classification of pepper seeds using machine vision based on neural network. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 51-62.
基于粒子群算法的仓储粮食体积在线检测点云数据精简方法
邵 晴1,徐 涛1,Yoshino Tatsuo1,赵玉洁1,杨文婷2,朱 航1*
(1. 吉林大学机械科学与工程学院,长春130022,中国; 2. 吉林省农机研究院,长春130000,中国)
摘要:针对仓储粮食体积在线检测方法以及三维激光扫描粮食表面重建的问题,基于三维激光扫描的粮食表面的点云数据精简处理是该问题的关键技术。本文提出了一种基于粒子群算法的自适应精简方法,该方法将粒子群算法引入到平均距离精简方法中,根据原始点云数据的密度自适应地确定最优的精简阈值。应用本文提出的精简算法和平均距离精简算法分别对实验采集的三维仓储散粮点云数据进行了精简处理。结果表明,应用本文提出的精简算法可以得到点云数据分布更加均匀的精简结果,且相比于平均距离精简法减少了更多点云数据冗余,同时获得了更高的重建模型体积计算精度(体积相对误差小于3‰)。本研究所采用的三维激光扫描仪(中国,杭州,GSLS003)可以一次性扫描粮仓中的散粮表面,无需进行点云数据的拼接。因此本研究所提出的点云数据精简算法和三维激光扫描技术可以用来实现仓储粮食体积的实时在线测量。
关键词:点云数据,精简算法,粒子群算法,三维激光扫描仪,大型扫描对象,仓储粮
DOI: 10.3965/j.ijabe.20160901.1805
文献来源:Shao Qing, Xu Tao, Yoshino Tatsuo, Zhao Yujie, Yang Wenting, Zhu Hang. Point cloud simplification algorithm based on particle swarm optimization for online measurement of stored bulk grain. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 71-78.
基于空气耦合超声波的虫蛀玉米种子识别
晋艳云1,高万林1*,张 晗2,安 冬1,郭思寒1,Saeed Iftikhar Ahmed1,刘云玲1
(1. 信息与电气工程学院,中国农业大学,北京100083,中国;2. 声学研究所,中国科学院,北京100190,中国)
摘要:玉米是世界上多个国家的主要粮食,虫蛀颗粒的存在会降低整批种子的发芽率。空气耦合超声波技术是一种快速无损且应用广泛的检测技术,可用于检测虫蛀颗粒种子。本研究对采用空气耦合超声波技术识别玉米种子虫蛀颗粒的有效性和应用前景进行了探讨。首先采集了810粒玉米种子的超声波数据,包括400粒完好颗粒、10粒虫蛀孔洞颗粒、400粒手工钻孔孔洞颗粒;然后用主成分分析方法提取了超声波信号数据的前10维特征;最后,用MATLAB软件建立了K近邻、决策树、簇类独立软模式、Fisher线性判别4种分类识别模型。用K近邻方法建立的识别模型正确识别率最高,模型对完好颗粒的正面和背面数据正确识别率分别为98%和100%,对手工钻孔孔洞颗粒的正面和背面数据正确识别率为99%和97%。结果表明,空气耦合超声波数据建立的识别模型可以实现对玉米种子孔洞颗粒和完好颗粒的分类识别,这为玉米种子筛选系统的构建提供了基础,对于提高种子净度和发芽率有重要的意义。
关键词:温虫蛀玉米种子识别,空气耦合超声,主成分分析,K近邻
DOI: 10.3965/j.ijabe.20160901.1880
文献来源:Jin Yanyun, Gao Wanlin, Zhang Han, An Dong, Guo Sihan, Saeed Iftikhar Ahmed1, Liu Yunling. Identification of damaged corn seeds using air-coupled ultrasound. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 63-70.
基于计算机视觉的“全黄”品种芒果表皮颜色测定
Marcus Nagle1*, Kiatkamjon Intani1, Giuseppe Romano1, Busarakorn Mahayothee2, Vicha Sardsud3, Joachim Müller1
翻译:王元杰 审校:王应宽
(1. 霍恩海姆大学农业工程学院热带和亚热带组,斯图加特70599,德国;
2. 泰国艺术大学工程和工业技术学院食品科技系,佛统府73000,泰国;3. 皇太后大学农-工学院,清莱57100,泰国)
摘要:图像处理技术正被越来越多地应用于农产品分类中。该研究评估了应用图像处理技术检测两种泰国芒果表面颜色的效果,开发了一套计算机视觉系统(CVS)并进行了芒果成熟过程中表皮颜色变化的监测试验。通过图像处理技术将图像RGB格式转换为CIE-LAB格式并且建立了预测模型来使用CVS获取的数据评估颜色。评估结果显示:模型对L值的预测效果不佳,但对A和B的值预测效果较好(R2分别为0.90-0.95和0.80-0.82)。同计算出的颜色值、色调角和色度相比,使用XYZ中间值计算出的黄色指数更适合从CVS数据准确地预测芒果表皮颜色。两个品种的预测相关性都很好(“Nam Dokmai”R2=0.93,“Maha Chanok”R2=0.95)。分类分析结果表明,根据黄色度进行芒果成熟度分类取得了满意的效果。“Nam Dokmai”生、成熟和过熟的“真正(TP)”分类成功率范围为72%~92%,“Maha Chanok”为98%~100%。因此,试验结果表明CVS可以准确获得试验所用两个芒果品种的颜色值。本研究的发现可以为开发高鲁棒性的质量预测系统以及建立芒果自动分级和整理CVS系统提供基础。
关键词:芒果,果皮颜色,计算机视觉,图像处理,果实品质,泰国
DOI: 10.3965/j.ijabe.20160901.1861
文献来源:Marcus Nagle, Kiatkamjon Intani, Giuseppe Romano, Busarakorn Mahayothee, Vicha Sardsud, Joachim Müller. Determination of surface color of ‘all yellow’ mango cultivars using computer vision. Int J Agric & Biol Eng(《国际农业与生物工程学报》), 2016; 9(1): 42-50.
(责任编辑:单位文秘网) )地址:https://www.kgf8887.com/show-122-62429-1.html
下一篇:自主品牌的行业翘楚
版权声明:
本站由单位文秘网原创策划制作,欢迎订阅或转载,但请注明出处。违者必究。单位文秘网独家运营 版权所有 未经许可不得转载使用