一种基于Kinect自主标定的高通量温室植物表型测量系统

    公开(公告)号:CN108895964A

    公开(公告)日:2018-11-27

    申请号:CN201810746674.4

    申请日:2018-07-09

    IPC分类号: G01B11/00

    摘要: 本发明公开了一种基于Kinect自主标定的高通量温室植物表型测量系统,采用Kinect相机与精密旋台结合方式,实现多视角RGBD图像采集,并且Kinect相机采用自主标定方式,实现多视角三维点云统一坐标系,为植物三维点云模型精确重构奠定基础,极大的提高了现有测量系统的集成度以及自动化水平。在成像系统中,采用两轴滑轨与激光测距传感器结合,实现成像系统位姿精确控制,使得成像系统满足全生长周期植物表型测量。本测量系统解决了温室植物表型高效、精准、可靠测量问题,提高了温室植物表型测量效率、精度和适用性,对促进我国设施园艺信息化、数字化、精准化及智能化管理具有重要意义。

    糙米籽粒擦离碾白力学性能测试方法

    公开(公告)号:CN117388067A

    公开(公告)日:2024-01-12

    申请号:CN202311293997.X

    申请日:2023-10-08

    摘要: 现有采用擦离碾白方式下加工大米时,通过已加工大米精度和破碎情况反复调整确定碾米机碾米加工的工作参数,没有根据糙米籽粒皮层力学特性准确定量出碾米机碾白加工工作参数,而实际上碾米机去除糙米籽粒皮层的正向压力和摩擦力大小与糙米籽粒皮层的力学性能有关;擦离碾白糙米籽粒力学性能测试方法采用的测试装置主要由四部分组成:剪切环组件、正向压力加载部件、剪切力测试部件和剪切环切向移动机构部件;擦离碾白糙米籽粒力学性能测试方法按照直接剪切试验方法对擦离碾白糙米籽粒力学性能进行测试,具体测试步骤包括:充填糙米籽粒至上、下剪切环内,对上、下剪切环内糙米籽粒加载正向压力,加载下剪切环做剪切移动去除糙米籽粒皮层,记录剪切平面上糙米籽粒之间皮层分离时的正向应力和剪切应力;本发明通过测试擦离碾白方式下糙米籽粒的基本力学性能参数籽粒皮层的正向压力和摩擦力,可准确确定加工大米的碾米机工作参数。

    基于近红外光谱技术的水稻种子发芽率快速无损测试方法

    公开(公告)号:CN104255118B

    公开(公告)日:2017-01-18

    申请号:CN201410027792.1

    申请日:2014-01-22

    IPC分类号: A01C1/02

    摘要: 本发明公开了一种基于近红外光谱技术的水稻种子发芽率快速无损测试方法,该方法包括:S1.水稻种子样品的收集与水稻种子的老化处理;S2.水稻种子近红外光谱数据的采集;S3.水稻种子发芽试验;S4.水稻种子近红外光谱数据的波段选择和预处理;S5.基于近红外光谱技术的水稻种子发芽率模型的建立与检验。本发明的方法能够通过采集具有不同老化时间段水稻种子的近红外光谱数据,经对近红外光谱数据进行波段选择和预处理,采用偏最小二乘法建立基于近红外光谱的水稻种子发芽率模型,经检验模型准确可靠,具有实际应用性。该发明方法能够达到快速、无损和准确测试水稻种子发芽率。

    农作物种子发芽率检测装置及其图像检测方法

    公开(公告)号:CN115088416B

    公开(公告)日:2023-07-28

    申请号:CN202210807018.7

    申请日:2022-07-08

    IPC分类号: A01C1/02 G06V10/56 G06V20/68

    摘要: 现阶段测试农作物种子发芽率要根据国家标准进行发芽试验,对发芽种子幼苗的根和茎叶进行检测,通过人工检测茎叶和根长度,确定合格发芽种子,计算种子发芽率。该方法通过人工检测和计数发芽幼苗,费时费力,不能满足现代农业育种和生产的需要。本发明设计了一种基于图像的方法检测农作物种子发芽率的检测装置并采用图像方法检测种子发芽率,农作物种子发芽率检测装置由数种排种组件和种子穴盘培养组件组成,数种排种组件包括农作物种子数种盘、排种盘,种子穴盘培养组件包括发芽种子培养穴盘、托盘;农作物种子发芽率图像检测方法的步骤包括采集穴盘培养发芽种子图像、图像处理识别出合格发芽种子秧苗和根、识别出发芽但秧苗和根不合格种子、识别出未发芽种子,计算农作物种子发芽率。通过本发明的农作物种子发芽率检测装置对农作物种子进行发芽培养,并利用图像方法可快速准确识别出种子发芽率,满足农业育种和生产对大量种子发芽率测试的要求。

    基于无人机图像的大田作物产量图绘制方法

    公开(公告)号:CN115131462A

    公开(公告)日:2022-09-30

    申请号:CN202210807017.2

    申请日:2022-07-08

    摘要: 现阶段绘制作物产量图的方法总体来说精度较低、绘制方式工作量大。基于无人机图像的大田作物产量图绘制方法步骤包括无人机获取一定面积成熟期大田大尺度作物区域图像、大尺度大田地块作物图像均匀裁剪成单位面积小尺度作物图像、小尺度作物穗部图像校准方法、小尺度作物穗部图像预处理、图像处理方法获取小尺度作物穗部图像信息、建立作物穗部图像信息与其产量信息之间的相关关系、计算小尺度区域面积内作物产量和绘制产量图、由小尺度作物产量信息和位置信息绘制大田大尺度作物区域产量图、由绘制的大田大尺度作物区域产量图拼接整个大田区域产量图信息等步骤组成。该方法绘制作物产量图快速、准确,并且省时省力。

    油菜每角粒数图像识别方法
    6.
    发明公开

    公开(公告)号:CN114067312A

    公开(公告)日:2022-02-18

    申请号:CN202111109919.0

    申请日:2021-09-22

    摘要: 针对油菜每角粒数存在的人工计数时需要拨荚计数的费时费力等问题,本发明提出一种基于图像的油菜每角粒数识别方法。通过人工测量油菜角果长度和每角果粒数,建立油菜角果长度与每角粒数之间的相关性模型,通过扫描仪获取平铺状态下的批量油菜角果图像,角果图像经预处理和细化处理后利用击中击不中变换对角果的端点和交点进行检测,使用DBSCAN算法去除多余的交点,对端点进行分类和配对并求出对应角果的长度,将角果长度代入油菜角果长度与每角粒数之间的相关性模型中得到每角粒数。油菜角果长度平均图像识别准确度为97.25%,每角粒数平均预测准确度为83.87%。本方法实现了油菜每角粒数自动识别计数功能,提高了油菜每角粒数计数效率,同时可进行批量角果粒数计数,对油菜育种考种和产量预测都具有重要意义。

    小麦在穗籽粒表型参数测试方法
    8.
    发明公开

    公开(公告)号:CN118052767A

    公开(公告)日:2024-05-17

    申请号:CN202311874400.0

    申请日:2023-12-30

    摘要: 现有小麦籽粒性状参数获取需要脱粒后测试,测试程序繁杂、费时费力,本发明提出了通过麦穗颖壳表型参数测试小麦在穗籽粒表型参数的方法;该方法采集小麦穗部两面正视图像,构建小麦穗部图像数据集,构建以ResNet和FNP为特征提取网络并引入坐标注意力(CA)模块、聚合模块和半卷积模块的基于改进Mask R‑CNN网络的麦穗颖壳分割模型,实现了麦穗图像中颖壳的准确识别、定位、分割和籽粒计数;利用形态学处理方法提取麦穗颖壳的5个表型参数,建立麦穗颖壳表型参数与籽粒表型参数之间的线性相关关系,并得到粒长、粒厚、面积、周长、长径比的拟合关系式;经对籽粒数和相关关系式验证,籽粒数、粒长、粒厚、面积、周长和长径比这6个表型参数的预测数据与实际数据之间的均方根误差和平均相对误差与脱粒后测试相当;本发明提出了通过图像方法获取麦穗颖壳表型参数就可以精确预测小麦在穗籽粒的表型参数,为快速简便提取小麦籽粒表型参数提供了新的方法。

    油菜籽粒千粒重的全自动图像测定方法

    公开(公告)号:CN112907558B

    公开(公告)日:2023-11-17

    申请号:CN202110278357.6

    申请日:2021-03-15

    摘要: 针对现阶段油菜籽粒千粒重测定自动化程度低、费时费力的问题,提出一种基于图像处理技术的全自动油菜籽粒千粒重测定方法。首先获取不同品种的油菜籽粒图像并经图像处理得到表征籽粒面积的像素数,分别利用全数据集法和五点法建立全部品种的籽粒面积与质量之间的相关性模型。对待测千粒重油菜籽粒进行分样并获取籽粒图像,在对图像进行预处理的基础上,提出了一种选择性极限腐蚀的方法,定义目标内部的‘核’作为内部标记符来限制允许的区域数目,采用控制标记符的分水岭分割方法对粘连籽粒进行一次和二次分割,对分割后籽粒进行计数、标记编号,随机选取1000粒籽粒并计算面积,将1000粒油菜籽粒的面积代入籽粒面积与质量之间的相关性模型计算得籽粒千粒重。本发明千粒重测定结果完全满足国标千粒重测定精度要求,提出的油菜籽粒千粒重的全自动图像测定方法有效可行,能快速、自动、精准的测定油菜籽粒千粒重。

    一种游客人流量监控预警方法

    公开(公告)号:CN109101888B

    公开(公告)日:2022-06-14

    申请号:CN201810763293.7

    申请日:2018-07-11

    摘要: 本发明公开了一种游客人流量监控预警方法,涉及智能旅游领域,能够实时统计游客的驻留量,补足景区内安全预警信息中关于驻留量的信息。本发明包括:利用摄像头采集景区人流量密集景点的视频图像;采用光照补偿方法对不同光照下采集的视频进行均匀化处理,基于混合高斯模型进行游客目标提取;高密度人流的判定以ROI区域内游客图像分割像素的面积比,设置各景点阈值,超出阈值,判断为高密度人流,通过对高密度人流的驻留时间进行跟踪,超出预定值则启动高密度游客输出程序进行人流量监控;游客量计算采用基于深度学习网络的人头检测技术,能够准确识别人的正面、侧面、背面头部特征,可实现高密度人流的准确检测。数值超出预设阈值,则发出预警。