学科分类
/ 1
5 个结果
  • 简介:摘要 : 数十年来,遥感技术一直被用作精准农业的重要数据采集工具。根据距离地面的高度,遥感平台主要包括卫星、有人驾驶飞机、无人驾驶飞机系统和地面车辆。这些遥感平台上搭载的绝大多数传感器是成像传感器,也可以安装激光雷达等其他传感器。近年来,卫星成像传感器的发展极大地缩小了基于飞机的成像传感器在空间、光谱和时间分辨率方面的差距。最近几年,作为低成本遥感平台的无人机系统的出现极大地填补了有人驾驶飞机与地面平台之间的间距。有人飞机具有飞行高度灵活、飞行速度快、载荷量大、飞行时间长、飞行限制少以及耐候性强等优势,因此在未来仍将是主要的精准农业遥感平台。本文的第 1部分概述了遥感传感器的类型和三个主要的遥感平台(即卫星、有人驾驶飞机和无人驾驶飞机系统)。接下来的两个部分重点介绍用于精准农业的有人机载成像系统,包括由安装在农用飞机上的消费级相机组成的系统,并详细描述了部分定制和商用机载成像系统,包括多光谱相机、高光谱相机和热成像相机。第 4部分提供了五个应用实例,说明如何将不同类型的遥感图像用于精准农业应用中的作物生长评估和作物病虫害管理。最后简要讨论了将不同遥感平台和成像系统用于精准农业上的一些挑战和未来的努力方向。

  • 标签: 机载成像系统 载人飞机 多光谱图像 高光谱图像 远红外图像 精准农业
  • 简介:摘要 : 植物化学保护即使用植保机械喷施化学农药是当前最主要的病虫害防控方法,一直以来对保障农业生产安全与粮食有效供给起至关重要作用。能够实现按需精准施药、变量施药、人机分离与人药分离的高效、精准、智能的施药技术和装备是提高农药药效与利用率的保证,也是保障食品安全、降低农民劳动强度的重要措施,是目前国内外研究的热点。本研究对精准施药关键技术及研究现状进行了分析,对适用于不同作业场景的精准施药装备的研究现状、典型代表、应用进展等进行了分类总结,分析了目前精准施药发展中面临的挑战,并提出了对策和建议。本研究可为精准施药技术研究的推进、智能施药装备的研发和现代化农业的发展提供参考和思路。

  • 标签: 精准施药 变量施药 自动对靶喷雾 仿形喷雾机 喷杆喷雾机 无人机
  • 简介:摘要 : 为解决农场当地当时的复合肥料精准化配料问题,本研究将水肥一体化智能灌溉施肥系统作为研究对象,构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法,利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构,阐述系统工作原理;并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性,同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明,正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型,相关系数 R2均大于 0.999,由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明,水体会干扰电导率导致无法准确反演水肥配比的浓度,相对偏差值超过了 0.1。因此,本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰,通过模型计算实现复合肥精准化配比,并得出各指标浓度。该系统结构简单,配比精准,易与现有水肥一体机或者人工配肥系统结合使用,可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。

  • 标签: 水肥一体化 电导率 感知 精准配比 系统建模 多项式拟合
  • 简介:[目的/意义]牛的体尺参数是反映牛身体发育状况的关键指标,也是牛选育过程的关键因素.为解决规模化肉牛牧场复杂环境对肉牛体尺的测量需求,设计了一种图像采集装置以及体尺自动测量算法.[方法]首先搭建肉牛行走通道,当肉牛通过通道后进入限制装置,用英特尔双目深度相机D455对牛只右侧图像进行RGB与深度图的采集.其次,为避免复杂环境背景的影响,提出一种改进后的实例分割网络Mask2former来对牛只二维图进行前景轮廓提取,对轮廓进行区间划分,利用计算曲率分析方法找到所需体尺测点.然后,将原始深度图转换为点云数据,对点云进行点云滤波、分割和深度图牛只区域的空值填充,以保留牛体区域的点云完整,从而找到所需测点并返回到二维数据中.最后,将二维像素点投影到三维点云中,利用相机参数计算出投影点的世界坐标,从而进行体尺的自动化计算,最终提取肉牛体高、十...

  • 标签: 肉牛体尺测量深度学习点云分割实例分割注意力机制Mask2former
  • 简介:[目的/意义]准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节.传统的人工测量方法耗时长、工作量大,且会对马匹造成一定应激反应.因此,实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要.[方法]选择Azure Kinect深度相机获取蒙古马双侧RGB-D数据,以YOLOv8n-pose为基础,通过在C2f模块中引入可变形卷积(Deformable Convolution v2,DCNv2),同时添加洗牌注意力机制(Shuffle Atten-tion,SA)模块和优化损失函数(SCYLLA-IoU Loss,SIoU)的方法,利用余弦退火法动态调整学习率,提出一种名为DSS-YOLO(DCNv2-SA-SIoU-YOLO)的模型用于蒙古马体尺关键点的检测.其次,将RGB图中的二维关键点坐标与深度图中对应深度值相结合,得到关键点三维坐标,并实现蒙古马点云信息的转换.利用直通滤波、随机抽样一致性(Random Sample Consensu...

  • 标签: 蒙古马体尺测量卷积神经网络注意力机制三维点云处理YOLOv8n-pose