基于机器视觉的果树树冠体积测量方法研究

针对人工测量精度低、费时费力,而基于三维激光扫描技术、超声波技术等自动测量方法成本高、操作复杂的不足,提出了基于机器视觉的果树树冠体积测量方法,搭建了可移植性果树树冠体积自动测量平台。基于机器视觉实现待测树冠图像获取,通过图像处理算法获得树冠图像面积特征,并采用最小二乘法和五点参数标定法获得普适性树冠面积与体积相关关系模型,从而得到树冠体积,通过对梨树以及桂花树样本的试验,可以发现预测树冠体积平均误差分别为13.73%和10.18%。对于不具备系列样本无法构建模型的树冠,采用单点测量法,根据树冠轮廓拟合椭球结构体,然后根据体积求算补偿公式,完成体积测量,测量误差在10%左右。表明树冠形态特征的图像提取算法可行有效,通过面积以及轮廓特征量均能很好地表达树冠体积特征。

复杂背景下多种树形果树树冠的检测与识别方法研究

针对多种树形果园环境下,由于树冠背景复杂导致的树冠分割、检测及树形识别困难的问题,本研究提出了1种改进Mask R-CNN的B-Mask R-CNN检测模型,实现自然复杂环境下的果树树冠检测与树形识别。该模型引入了IoU(Intersection over Union)平衡采样,提高了模型的训练效果;其次,在边界框损失中引入平衡L1损失,使得多分类损失与边界框损失更快地收敛;另外,在区域推荐网络中调整锚框比例适应数据集中的目标,提升了模型准确率。该研究搜集矮化密植形、小冠疏层形、自然开心形、自然圆头形以及Y形5种常见修剪树形制作数据集,应用5个检测模型进行对比试验。试验结果表明,B-Mask R-CNN检测模型平均检测精度达到98.7%,与Mask R-CNN、Faster R-CNN、U-Net以及K-means模型相比检测精度更高,对复杂背景下的树形识别具有更好的鲁棒性,能够为后续精准喷施中喷施模式和控制参数的分析及应用奠定基础。

果树树冠遮阴模型的改进

【目的】农林复合系统林下太阳辐射作为间作作物光合作用的能量来源,直接影响着间作作物的生态过程和生产力水平。研究果农间作系统内果树的遮阴范围和遮阴强度对果农间作系统配置及间作距离的确定具有重要的意义。【方法】遵循平行光线下的相似性原理,将果树按其树体缩小50倍,根据实测苹果树体形状制作不同龄级的苹果树3D模型,利用树体模型在研究区进行了果树遮阴范围的测定试验。将实测得到的树冠遮阴范围与依据太阳高度角和太阳方位角推算出的单株苹果树冠遮阴范围进行对比分析,对树冠遮阴范围表达式各参数进行优化。【结果】通过实测树冠遮阴范围与模型得出的树冠范围的对比分析,结果表明实测图与模型推算图相比,存在偏移和缩小。此现象主要是由于模型推算图仅考虑太阳方位角和太阳高度角对果树遮阴范围的影响,但是,当太阳光线接触果树冠层后会出现偏移未被考虑。因此,对现有的果树遮阴模型进行优化,经优化后的修正方位角和修正高度角推算得出的修正树冠遮阴范围,与实测遮阴范围的重合率均达到94%。【结论】改进后的树冠遮光数学模型能够较准确地模拟实际树冠的遮阴范围。