温室环境控制方法研究现状分析与展望

环境控制方法是实现温室蔬菜高效生产的关键。随着现代控制技术的快速发展,温室环境控制方法逐步从手动、定时控制方法,转变为设定值控制和智能控制等方式。该文概述了以设定值为目标实现环境控制的方法,归纳了模糊控制、解耦控制、人工智能控制和表型控制等智能控制方法的特点,总结了现有温室环境调控领域控光、控温、控气、通风、灌溉和“云-边-端”协同控制系统的优劣。针对现存问题,指出该领域的发展趋势为构建考虑扰动因素影响的温室环境控制方法,研制基于作物生长和表型评价体系的环境调控模型,以及建立多模型融合的“云-边-端”协同温室环境调控系统。相关技术的发展将为温室的智能化与信息化发展提供重要的决策依据和借鉴意义。

果实目标深度学习识别技术研究进展

机器视觉技术是果实目标识别与定位研究的关键。传统的目标识别算法准确率较低、检测速度较慢,难以满足实际生产的需求。近年来,深度学习方法在果实目标识别与定位任务中表现出了优良的性能。本文从数据集制备与果实目标识别模型两方面进行综述,总结了数据集制备相关的有监督、半监督和无监督3种方法的特点,按照深度学习算法的发展历程,归纳了基于深度学习的果实目标检测和分割技术的常用方法及其实际应用,轻量化模型的研究进展及其应用情况,基于深度学习的果实目标识别技术面临的问题和挑战。最后指出基于深度学习的果实目标识别方法未来发展趋势为:通过弱监督学习来降低模型对数据标签的依赖性,提高轻量化模型的检测速度以实现果实目标的实时准确检测。

结合太赫兹光谱与机器学习的小麦霉变程度判别

为快速、准确地判断小麦籽粒的霉变程度,研究基于太赫兹时域光谱技术,结合支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和极限学习机(extreme learning machine,ELM)的霉变小麦定性分析方法。首先,将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类,利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1~4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后,使用主成分分析、线性判别分析(linear discriminant analysis,LDA)、t分布随机近邻嵌入3种方法对光谱数据进行降维,结果表明LDA的降维效果最好。最后,构建基于SVM、RF和ELM的小麦霉变程度判别模型,结果显示SVM的判别效果最好,当核函数选择多项式核、误差惩罚系数为1时,判别准确率高达98.61%,预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测,为食品安全和粮食贮藏检测提供一种检测手段。

果实表面颜色计算机视觉分级技术研究

以计算机视觉自动检测果实表面着色度并进行分级为目的，建立了室内计算机视觉系统获取苹果果实的彩色图像，并将ＲＧＢ值转换成ＨＬＳ值；在分析苹果颜色特性的基础上，确定了用合适色相值下累计着色面积百分比进行颜色分级的方法。分级试验结果表明，用建立的准则和方法，计算机视觉分级与人工分级的一致度在８８％以上。

基于SVM-DS多特征融合的杂草识别

为解决单一特征识别杂草的低准确率和低稳定性,提出一种支持向量机(SVM)和DS(Shafer-Dempster)证据理论相结合的多特征融合杂草识别方法。在对田间植物图像处理的基础上,提取植物叶片形状、纹理及分形维数3类特征,分别以3类单特征的SVM分类结果作为独立证据构造基本概率指派(BPA),引入基于矩阵分析的DS融合算法简化决策级融合算法复杂度,根据融合结果及分类判决门限给出最终的识别结果。实验结果表明,多特征决策融合识别方法正确识别率达到96.11%,与单特征识别相比有更好的稳定性和更高的识别率。

面向精准农业的农田土壤成分实时测定研究进展

为了开发土壤成分田间实时测定仪,在分析土壤养分实时测定需求的基础上,归纳了土壤主要成分测试项目及常规化学分析法、基于光电分色和电化学传感器测定法、土壤电导率间接测定法,重点对近红外光谱分析法测定土壤成分的基本原理、实验室研究、仪器原型开发和田间试验结果等进行论述。所阐述的方法、仪器原型和提出尚需解决的几个科学问题,对研究、开发土壤成分实时测定仪具有一定的指导作用和参考价值。

基于视频分析的犊牛基本行为识别

针对接触式获取动物行为信息的局限性,研究并提出基于视频分析的犊牛基本行为识别方法。首先对目标检测方法进行改进,提出基于最大连通区域的目标循环搜索环境建模、目标检测算法,以高效提取复杂自然环境下的犊牛目标;在提取犊牛的质心、轮廓等时序特征的基础上,采用基于结构相似的犊牛行为序列快速聚类算法,对犊牛基本行为进行识别。试验结果表明,环境建模、目标检测算法目标正负样本检测正确率分别达90.94%和98.98%,比背景相减法分别提高4.59和8.32个百分点;犊牛躺、站、走和跑跳的正确识别率分别为100%、96.17%、95.85%和97.26%,能快速对犊牛基本行为进行准确分类,为大型动物高级行为识别及理解奠定了基础。

果实缺陷面积的计算机视觉测定研究

以提高球形果实表面缺陷面积的计算机视觉测定精度为目的，分析了利用投影图像直接测定球形果实表面缺陷存在的问题；提出并建立了从投影图像恢复球形果实表面几何特征的象素点变换法和边界变换法，并通过试验进行验证。结果表明，建立的两种方法可使测定相对误差减小３５％左右。

农业自动化领域中计算机视觉技术的应用

计算机视觉技术的应用已扩展到农业自动化领域。该文介绍了计算机视觉系统的组成 ,概述了国内外计算机视觉技术在农业生产自动化中的应用状况 。

精准畜牧业中动物信息智能感知与行为检测研究进展

动物个体信息和行为的智能感知与分析是精准畜牧业的核心。牛、猪、羊等大型动物因与人类关系密切、经济价值高受到国内外学者的广泛关注。为了促进中国精准畜牧业的发展,分别从国外和国内视角,详细总结、分析了精准畜牧业中动物信息感知与行为检测的研究现状、尚待研究的问题。包括个体识别、生长状况评估及体况评价各种方法的优势和不足,呼吸频率与异常检测、肢蹄运动评分与跛行检测等异常和疾病检测,发情检测、产前检测及高危动作识别等动物生理周期关键时间段的行为感知方法等。结合精准畜牧的发展趋势和应用需求,在分析的基础上指出,动物信息智能感知与行为检测未来将向无接触、高精度、高自动化程度方向发展,结合动物病理学的早期肢蹄病灶自动化检测方法、不依赖评分结果的具有普遍性的状态参数、接触式传感器对动物的应激作用、动物高级行为的识别理论与方法、动物身体区域精细识别研究、检测设备/系统的有效性验证及效益研究与评估等将成为未来研究的方向。

Kinect获取植物三维点云数据的去噪方法

为解决Kinect获取的玉米三维点云数据噪声影响三维重建精度的问题,根据Kinect所获取的点云数据特点,采用多帧数据融合的方法获取更完整的三维点云数据并对点云数据进行初步平滑;通过对Kinect所获数据噪声进行分析,提出了一种基于密度分析和深度数据双边滤波的方法,分别对离群点噪声和内部高频噪声进行处理。以Kinect获取的玉米及茄子的三维点云数据进行去噪实验,所用去噪时间仅为传统双边滤波去噪时间的2.71%和1.78%,并且能够达到很好的去噪效果。结果表明,所提方法能够方便、快捷地去除不同尺度的噪声,同时保留边缘数据的完整性,获得良好的植物三维点云数据。

果园环境参数远程检测W SN网关节点设计

为解决果园环境参数远程检测中网关节点因电磁干扰造成ZigBee模块传输距离过短,不能满足动态配置ZigBee网络的不足,采用核心板加底板及模块化接口的硬件设计思路,提高系统的抗电磁干扰能力;采用串口编程及单线程通信策略实现ZigBee网络动态配置,用判断2次接收数据差值及变化趋势决定是否传输数据以减小功耗。测试表明,网关节点可稳定采集数据并远程传输,提高了抗电磁干扰能力,与电路板集成设计相比通信距离增加了1倍,并可灵活地动态配置ZigBee网络。

用活动边界模型精确检测果实表面缺陷

在利用计算机视觉技术检测果实表面缺陷中 ,为解决泼水算法分割出的缺陷区域比实际大的问题 ,探讨了活动边界模型 (ACM)的原理和求解方法 ,改进了活动边界模型 ,使 ACM在开始收缩时位于目标轮廓外侧 ,且公式能记忆边界的方向 ,当存在两个相距较近的缺陷时 ,ACM会收敛于正确的边界。提出插值算法对得到的不连续边界进行插值 ,从而得到封闭的缺陷边界 。

农产品分光反射特性及近红外图像处理在农业中的应用

简要介绍了农产品分光反射特性的测定原理及方法；分析了桃、梨、黄瓜及西瓜等果实的近红外分光反射特性；阐述了近红外图像处理系统硬件的基本要求；介绍了近红外图像处理在果实损伤检测。

基于MATLAB的PID控制器参数整定及仿真

PID控制器结构和算法简单,应用广泛,但参数整定方法复杂,通常用凑试法来确定。文中探讨利用MATLAB实现PID参数整定及仿真的方法,并分析、比较比例控制、比例积分控制和比例微分控制,探讨了KP,TI,TD3个参数对PID控制规律的影响。

水果内部品质在线近红外分光检测装置及试验

阐述了近红外分光法检测水果内部品质的基本原理和检测流程 ,分析比较了在线式反射光测定法、不完全遮光型透过光测定法和完全遮光型透过光测定法的特点 ;以柑橘和苹果为检测对象 ,用完全遮光型透过光水果内部品质测定装置进行在线糖度、酸度及内部褐变等检测试验 ,并与常规分析法测定结果进行回归分析。结果表明 ,在线检测的糖度值与实测值的相关系数在 0 .95以上 ,酸度相关系数大于 0 .85 ,且能检测内部缺陷 。

用人工神经网络进行果实颜色分级技术研究

以计算机视觉自动检测果实表面着色度并进行分级为目的，在分析果实表面颜色色相分布特性的基础上，提出将果实色相分布曲线作为模式处理，用人工神经网络进行果实表面颜色分级。结果表明，人工神经网络分级与人工分级的一致度在９４％以上。

土壤有机质含量田间实时测定方法

为了实现对土壤有机质含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤有机质含量测定方法。首先用机载便携式近红外频谱仪采集土壤样本在波长900-1 700 nm范围的漫反射光谱,并对异常样本进行判别和剔除以提高建模精度,在比较2种不同样本划分方法对模型影响的基础上,用连续投影算法（SPA）对建模变量进行最优波长选择,然后通过3种线性建模方法对有机质含量预测结果进行分析,探明偏最小二乘法（PLS）方法效果最好,并建立了径向基（RBF）神经网络预测模型。测试集样本实验结果表明,用PLS建立的预测模型有机质含量测定值和预测值之间的决定系数为0.801 9,均方根误差为0.179 4;用RBF神经网络建模的决定系数和均方根误差分别为0.828 1和0.164 6,两种模型均具有较高的精度,可对有机质含量进行快速预测。

土壤速效磷含量近红外光谱田间快速测定方法

为实现对土壤速效磷含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤速效磷含量测定方法。首先用便携式近红外频谱仪在不同采样高度下,采集土壤样本900-1 700 nm波长范围的漫反射光谱,采用3倍标准差准则和主成分分析得分图对异常样本进行判别和剔除,然后对比分析4种波长选择方法对建模效果的影响,发现基于稳定的竞争性自适应加权抽样法的结果最佳,最后通过分析不同非线性建模方法对预测结果影响实验,探明最小二乘支持向量机方法的预测结果最好。实验结果表明,采样高度为10 cm时本文建立模型的土壤速效磷含量预测决定系数为0.858 1,均方根误差为10.880 1,具有较高的精度,可对土壤速效磷含量进行快速预测。

组合吸孔气吸式排种器研究

简述了组合吸孔气吸式排种器的构造及工作原理;通过回归分析,建立了种子在排种器内的运动方程式,在此基础上,对种子在排种器内的运动及受力进行了分析,同时探讨了影响排种性能的几个主要因素。