基于机载高光谱成像的柑橘产量预测模型研究
。因此 ， 需要针 对
不 同农作物确定相应 的光谱适 宜采集 时期 ， 能获得准确 的 才 本研究选择受隔年结果现象影 响较 为严重 的柑橘作 为研
肥 量过 高或 过低 。而成功应用各种隔年结果控 制方法 和肥 水 管理措施 的关键是获得 每棵果树个 体的产量信息 ，并 以此 为 依据 ，针对果树个体制定相应的隔年结果控制方 法和肥水 管
第３ 卷 ， ５ ０ 第 期
２０１０年 ５ 月
光
谱
学
与
光
谱
分
析
Ｖ １３ ， ． ，ｐ ２ ５ １０ ｏ ． ０ Ｎｏ ５ ｐ １ ９ — ３ ０
Ｍａ ｙ，２０１ ０
Ｓ ｅ ｔｏ ｃ ｐ Ｓ ｅ ｔａ ａｙ ｉ
文 献 标 识 码 ：Ａ Ｄ ：１． ９ ４ｊｉ ｎ １ ０—５ ３ ００ ０ —２ ５０ ＯＩ ０ ３ ６／． ｓ． ０ ００ ９ ｆ １ ｝５１９ —６ ｓ ２
中 图分 类 号 ： １ ７ ￥ ２
Ｒ ｄｉｕｚ ｏ ｒ ｅ 等研究发现小麦 的遥感 光谱 数据 与其产 量呈 显著 ｇ
引 言
遥感光谱数据与多种作物 的生物物理 和生理参数 密切 相
关 ，主要包括 叶面积指数（ ＡＤ、叶片绿色度 、 Ｌ 株高 、叶片氮 含量 、叶绿素含量、水分含量等ｌ ］ ２ 。因此 ， 利用 遥感 图像 可 以评价作物 的生长发育状况 ， 而对作物进行精 细化 的管理 进 和作业 。近 几 年 ，遥 感 技 术 也 被应 用 于 作 物 的 产 量 预 测 。 Ｙｎ ａ ｇ等通过 比较机 载高光 谱数 据与产 量 的监测数 据 ，发现 棉花和高粱的产量与其高 光谱反 射数据呈 显著 正相关ｌ 。 ＿ ９
１ １ 研 究 地 概 况 ．
基金项 目 ：日本科学振兴会（Ｓ Ｓ 项 目（１ ０ ４ ６ １ ８ ５ ５ ０ ４ 资助 ＪＰ ） ２ １ ，１ ３ ０４ ，１６ ８ ７ ） 作者简 介：叶旭君 ，１７ 年生 ，浙江大学生物 系统工程 与食品科学学院助理研究 员 ９１
基 于机 载 高 光谱 成 像 的柑 橘产 量 预 测模 型 研 究
叶旭 君 Ｋｅｓ ｉ ａａ ，何 勇 ， ｎｈ Ｓｋｉ
１ ．浙江大学 生物 系统工程与食品科学学院 ， 浙江 杭州 ３ ０ ２ １０９ ２ ．东京农工大学农学部 ，东京 １ ３８ ０ ，日本 ８ —５ ９
摘
要
果树的隔年结果现象严重影响果园的果实产量 和经济效益 。选择受 隔年 结果现 象影响较 为严重 的
的 预 测 变 量 ，并 采 用 多 元 线 形 回 归 （ ｌｐｅｌ ｅｒｒｇｅ— Ｍｕｔ ｌ ｉ ａ ｅ ｒｓ ｉ ｎ
果 园盈利 ，同时减少化肥的过量应用 ， 低污染地 下水 的风 降
险。
ｓ ｎ 和人工神经 网络 （ ｔ ｉａ ｎｕａ ｎｔ ｒ ｓ方法建立基 ｉ） ｏ Ａｒ ｆ ｉ ｅ ｒｌ ｅｗｏｋ ） ｉｃ ｌ 于遥感 光谱 数据的柑橘产量预测模型 。在较早季 节获得的柑
柑 橘作 为研 究对 象 ， 运用机载高光谱成像仪在较早 生长季节 （ ０ ３年 ４ 、６月 ） ２０ 、５ 获取柑橘果 树 的高光谱 图 像， 利用偏最小二乘 回归 （ Ｌ ） Ｐ Ｓ 确定基 于高光 谱图像数 据 的模 型预测 变量 ，建立 柑橘产 量 的多元线 性 回归 （ Ｒ 和人 工神经网络（ ＮＮ） ＭＬ ） Ａ 预测模型 。 研究结果 表明 ， 利用 ５月份获得 的高光谱 图像建立 的模型具有最 优 的产 量预测效 果 ， 而且 Ｐ ＳＭＬ Ｌ － Ｒ模 型 比 Ｐ ＳＡＮＮ模 型具有更好 的稳定 性和一致性 。 Ｌ－ 该研究结 果为今后 研制和开发基 于高光谱成像技术 的柑橘 产量预测方法提供 了重要的理论和技术基础 。 关键词 柑橘 ；Ｐ Ｓ ＭＬ ＡＮ Ｌ ； Ｒ； Ｎ；预测模 型 ； 变量技术 ；精细农业
果树的隔年结果现象对果 园的果实产量和经 济效镒 ｝ 及
大 的影响 。 合理运用 多种控制 方法 ， 制定相应 的肥 水管理 并 措施 ， 可有效防止隔年结果现 象【 。然 而每棵果 树均作 为独 １ ］ 立的个 体存 在隔年结果现象 ， 传统 的果 园管理方 法 ， 法满 无 足不同果树个体 因隔年结 果趋势差异及对各种控制方法和管 理措施 的需求 。另一 方 面，大多 数 果 园都 采用 均 一 管理 方 式， 没有考虑到不 同区块 的空 间变 异性 ，导致部 分果树 的施
理 措 施 。这 种 变 量 技 术 （ ｒ ｂｅｒｔ ｔｃｎ ｌｇ ） Ｖａｉ ｌ ａｅ ｅｈ ｏ ｙ ，可 以增 加 ａ ｏ
究 对象 ， 运用机载高光谱成像 仪获取柑 橘的 高光谱数据 ， 利
用偏最 小二乘 回归（ ａｔ ｌｅｓ ｑ ａｅｒｇｅｓ ｎ 确 定模 型 Ｐ ｒｉ ａｔ ｕｒ ｅ ｒｓｉ ） ａｌ ｓ ｏ
收 稿 日期 ：２ ０ —８０ ，修 订 日期 ： ０ ９ ｌ—２ ０ ９０ —９ ２ ０ 一１１
橘 预测 产 ， 用 于准 确判 断柑 橘 不 同个体 的隔年 结果 趋 可
势， 为制定每棵果树 的合理隔年结果控制方 法和肥水 管理措
施 抛 供 ｒ讯 依 据
１ 材 料 方 法 ｊ ｜
相关＿ 。 ｅ 等与 Ｕｎ Ｊ Ｇｏｌ ｏ等利用机 载光谱 图象数据计 算 出几
个植被指数 （ ｇ ｔｔ ｎｉ ｅ ） 以估算玉米 的产量 ， Ｖｅｅａｉ ｄ ｘ 用 ｏ ｎ 并获 得 ｒ 较准确 的预测结果 ｌ’ １ ” 。上述 研究 主要 是基 于传 感器 或 。 成像仪能够识别作物 多种 生物 物理和生理特性 的能力 ， 立 建 这些特性变量与作物产量 直接 或间接的相关关 系，能在一 定 程度上反映作物 的产量水平 。另一方 面 ， 物光谱数 据 的获 作 得时间也决定作物产量预测 的准确性［ １
基于深度学习的无人机多光谱图像柑橘树冠分割
第3期
ห้องสมุดไป่ตู้
宋昊昕,等:基于深度学习的无人机多光谱图像柑橘树冠分割
141
0 引言
柑橘作为我国南方广泛种植的果树,在增加农 民收入等方面发挥着重要作用。 柑橘树冠、产量等 基础数 据 的 准 确 获 取 是 实 施 精 准 农 业 的 前 提[1] 。 然而,目前获取这些数据的标准方法仍主要依靠人 工劳动,费时费力。 由于成本限制,大范围调查通 常只选择几棵进行,抽样偏差和测量的稀疏性可能 导致数据不准确[2] 。 因此,需要开发一种快速、可 靠的技术,精确提取柑橘单木信息。
( 桂林理工大学 测绘地理信息学院,广西 桂林 541006)
摘 要:树冠信息的准确获取是研究柑橘树生长及产量预测的重要指标,但复杂的树木结构给树冠的准确提取带来一定 影响,深度学习的快速发展为柑橘树冠信息准确获取提供了可能。 采用一种新的基于深度学习的柑橘树冠自动提取方法,即 将消费级无人机采集的多光谱图像与一种新的深度学习模型 U2 -Net 结合,通过对获取的图像进行几何变换以构建柑橘树冠 图像数据集。 将 U2 -Net 模型和当前 3 种主流深度学习模型( 即 PSPNet、U-Net 和 DeepLabv3+) 分别在 3 个典型试验分区进行 试验以提取柑橘树冠信息,并对提取结果进行对比分析。 结果表明,在 3 个试验分区,U2 -Net 模型的柑橘树冠提取精度最高, 其中交并比( IoU) 、总体精度( OA) 和 F1 分数( F1-score) 分别为 91. 93%、92. 34%和 93. 92%。 与其他 3 种深度学习模型相比, U2 -Net 模型的 IoU、OA 和 F1-socre 分别提高了 3. 63% ~ 8. 31%、1. 17% ~ 5. 25%和 1. 97% ~ 4. 91%。 此外,U2 -Net 模型柑橘树 冠提取面积和测量面积之间具有较高的一致性,3 个试验分区决定系数( R2 ) 均高于 0. 93,且与其他 3 种深度学习模型相比, U2 -Net 模型的错误率也较低,均方根误差( RMSE) 为 1. 35 m2 ,均方误差( MRE) 为 8. 15%。 此研究将无人机多光谱图像与 U2 -Net 模型相结合的方法能够实现柑橘树冠的精确提取,且提取树冠轮廓完整性较好,可为柑橘动态生长变化监测和产量预 测提供基础数据与技术支撑。
基于机器视觉技术的柑橘产量测绘系统
基于机器视觉技术的柑橘产量测绘系统摘要：这项研究是利用图像处理算法来识别和计数图像中柑橘类水果的数量。
一旦这个算法完成后，它将利用由一个GPS接收器和皮卡车里的距离测量装置所构成的机器视觉系统来估计在刚经过的一段距离内的柑橘产量。
实验中总共需要90幅柑橘林的图像。
在分析研究柑橘林图像的同时还制作了直方统计图，分析了不同级别的像素分布情况，主要包括柑橘、叶片以及背景。
该技术根据图像中的色度和饱和色层的分布和图像分割的极限值来识别柑橘类水果。
通过发展计算机视觉算法来加强从图像中获取信息的能力。
在实施预处理阶段时还伴随着腐蚀和膨胀的结合，而预处理阶段是为了去除噪声，准确地计量柑橘类水果的数量。
最后通过分析斑点来统计果品的数量。
除去图像的采集时间，处理图像的总时间是283毫秒。
该算法已测试了59副图像，研究得出R2值介于机器视觉算法得出的数值和手动计数的平均值之间关键字：柑橘；颜色；产量分布；精细农业；图像处理引言在竞争压力下农民努力通过提高作物产量来降低成本。
随着农业机械化的出现，大型机械设备的发展已成为了一种趋势。
农民够拓了宽耕作区域，但是要将更大的耕作面积作为一个整体的管理单元就需要忽略这一特定领域中的不同变化。
2001年佛罗里达州的柑橘种植面积约336872公顷，产量超过2.78亿箱，占美国柑橘总产量的76％（佛罗里达州农业和消费者服务，2002）。
柑橘种植者需要处理好一般地块上数以千计的果树、特定区域的管理以及精细农业之间的关系，尽可能地在需要的区域推广技术以及实行管理。
这种因地制宜的管理一方面提高了果树产量、果品的品质和农民收入，另一方面限制了对敏感的环境的负面影响。
精密的技术，产量统计是走上特定作物管理的第一步。
产量以及其他相关领域的特点将极大地帮助种植者适时地了解他们的果树，灵活地评估整个柑橘林，从而为他们做出重要、高效的决策做准备。
虽然柑橘种植者经常管理整个果林或着以统一投产、特定因素为基础，例如土壤类型、肥力、树的健康状况以及害虫数量，但是水的需求需要高效的管理决策来满足。
基于高光谱成像技术的农作物分类研究
基于高光谱成像技术的农作物分类研究随着农业技术的逐步升级，农作物种植与管理也变得更加精细化。
而高光谱成像技术的出现为农作物分类研究开辟了新的途径。
本文将从以下几个方面来介绍基于高光谱成像技术的农作物分类研究。
一、高光谱成像技术的原理与优势高光谱成像是一种通过对物体反射、辐射能的光谱进行连续高分辨率采集的技术。
与传统遥感技术不同的是，高光谱成像技术不仅能够分辨出不同的波段，还能进行更加精细化的波段分析。
这种技术不同于传统的光学成像技术，能够捕获到红、绿、蓝等可见光及其周围的近红外与短波红外，甚至是热辐射光谱的信息。
这意味着高光谱成像技术能够获取到相当多的波段，从而可以突出物体的特征。
优势上，高光谱成像技术的主要优势在于能够提供更加准确和精细的数据，从而促进了农业科研和应用。
传统遥感技术难以分辨出农田的细节，例如不同农作物之间的区别。
但高光谱成像技术却能够以更高的分辨率来捕获和分析不同的波段，从而能够分辨出不同农作物独有的光谱特征信息。
二、基于高光谱成像技术的农作物分类算法特征提取、特征选择和分类器。
1. 特征提取特征提取是指将高光谱图像转换为可供分类器使用的特征向量。
通常采用的方法是通过PCA（主成分分析）提取特征。
PCA可以将高光谱图像转换为一个维度较低的子空间，主要通过去掉不相关的信息来降低维度，并保留对差异性最大的信息；同时还可以找到一些对所有农作物类别具有重要贡献的波段，从而为分类器提供了最基本的特征变量。
2. 特征选择在特征提取之后，我们还需要通过特征选择来进一步筛选出更有代表性的特征。
特征选择是指从提取好的多个特征中选择最有用的几个特征，以减少特征的数量，提高分类精度。
3. 分类器分类器是指利用特征向量对高光谱图像进行分类的算法。
常用的分类器包括：支持向量机（SVM）、人工神经网络（ANN）等。
分类器的作用是将提取出来的特征与一个预先定义的样本库进行比对，同时可以选择不同的分类器来进行分类，以提高准确性。
基于植保无人机的柑橘果树检测及产量估技术研究
摘要摘要基于植保无人机的低空药液喷施技术具有安全、高效的作业优势，已广泛应用于北方大田种植环境下的农作物精准施药。
南方农作物种植环境多以丘陵山地为主，主要特征是农作物种植不规整、随意性大，不适合直接采用大田种植环境下的均匀药液喷施模式。
为了提高山地果园种植环境中植保无人机药液喷施的作业效果，以柑橘果树为研究对象，提出一种复杂果园环境下基于单目视觉的果树检测方法，实现无人机在果园环境下获取果树大小、位置等基本的作物信息，可以为农药的精准对靶施药提供技术支持；为检验果园的施药效果，提出一种基于地—空信息融合的柑橘产量估计方法，实现单棵果树的产量估计。
本文主要研究内容和结论如下：1、基于单目机器视觉的果园环境下柑橘果树检测。
获取了山地柑橘果园环境下果树分布的低空RGB (Red/green/blue)图像数据，为了减少亮度对果树检测的干扰，采用选择性直方图改善果树区域的亮度，由于果树与杂草区域存在较为显著的视觉差异性，通过色差图方法实现潜在果树区域(Regions of Interest, RoI)的分割；利用色彩空间变换技术(Color spaces transformation technology, CST)提取了表征果树颜色信息的14种颜色特征，分别采用灰度共生矩阵(Gray-level co-occurrence matrix, GLCM)和局部二值模式(Local binary pattern, LBP)获取了RoIs的6种纹理特征，并建立支持向量机(Support vector machine, SVM)模型实现果树分割和半径检测。
结果表明，本文方法可在维持图像色彩信息不变的情况下实现果树亮度的自适应调整，提高了前背景间的对比度，确保了更准确的果树区域分割，平均分割准确率为83.09%；基于果树外观特征和SVM的柑橘果树检测模型能进一步抑制复杂果园环境中干扰场景参与物，检测准确率达到了85.27%。
基于机载高光谱成像的柑橘产量预测模型研究
第30卷,第5期 光谱学与光谱分析Vol 130,No 15,pp1295213002010年5月 Spectroscopy and Spectral Analysis May ,2010 基于机载高光谱成像的柑橘产量预测模型研究叶旭君1,Kenshi Sakai 2,何 勇1311浙江大学生物系统工程与食品科学学院,浙江杭州 31002921东京农工大学农学部,东京18328509,日本摘 要 果树的隔年结果现象严重影响果园的果实产量和经济效益。
选择受隔年结果现象影响较为严重的柑橘作为研究对象,运用机载高光谱成像仪在较早生长季节(2003年4、5、6月)获取柑橘果树的高光谱图像,利用偏最小二乘回归(PL S )确定基于高光谱图像数据的模型预测变量,建立柑橘产量的多元线性回归(ML R )和人工神经网络(ANN )预测模型。
研究结果表明,利用5月份获得的高光谱图像建立的模型具有最优的产量预测效果,而且PL S 2ML R 模型比PL S 2ANN 模型具有更好的稳定性和一致性。
该研究结果为今后研制和开发基于高光谱成像技术的柑橘产量预测方法提供了重要的理论和技术基础。
关键词 柑橘;PL S ;ML R ;ANN ;预测模型;变量技术;精细农业中图分类号:S127 文献标识码:A DOI :1013964/j 1issn 1100020593(2010)0521295206 收稿日期:2009208209,修订日期:2009211212 基金项目:日本科学振兴会(J SPS )项目(2110,14360148,15658074)资助 作者简介:叶旭君,1971年生,浙江大学生物系统工程与食品科学学院助理研究员 e 2mail :yezising @zju 1edu 1cn3通讯联系人 e 2mail :yhe @zju 1edu 1cn引 言 果树的隔年结果现象对果园的果实产量和经济效益有极大的影响。
基于高光谱和农学参数数据的柑橘估产模型构建
基于高光谱和农学参数数据的柑橘估产模型构建邹扬庆;罗红霞;Habtom Yemane Tekle;王俊;余天霞;张锐【期刊名称】《农业科学与技术（英文版）》【年(卷),期】2013(000)010【摘要】随着精准农业的发展，应用遥感技术,特别是高光谱遥感,实现农作物管理、监测和估产的研究也随之展开。
当前,水稻、小麦等1年生作物的生长监测与估产方法研究发展迅速，一些研究成果已经开始为生产服务。
但是对于多年生经济作物产量预测的研究很少。
以多年生柑橘树为研究对象，利用ASD手持光谱仪采集柑橘林冠层光谱，研究分析了柑橘光谱植被指数及其与产量的关系，并综合考虑农学因子对产量的影响，构建了基于高光谱数据和农学参数的柑橘估产模型。
通过显着性检验和样本检验，得出该模型的拟合程度R=0.631，F=13.201（P<0.01）,误差率控制在3%~16%,说明该模型具有统计学意义和可靠性，同时也证明了高光谱遥感技术在柑橘产量估算研究中的巨大潜力。
该研究是高光谱遥感技术在柑橘估产领域中的一次应用与探索。
%With the development of precision agriculture, the research that applies Remote Sensing technology, especial y hyperspectral remote sensing, to realize crop management, monitoringand yield estimation, has been concerned. Nowadays, the growth-monitoring and yield-estimating methods in rice, wheat and other annual crops develop rapidly with some achievements having already been put into service. But the yield estimation research on perennial economic crops is few. Taking peren-nial citrus trees as the research object, using ASD spectrometer to col ect citrus canopy spectral, this article studied andanalyzed the citrus of vegetation index and its relationship on yield, synthetical y considered the influence of the agriculture pa-rameters on crop yield, and final y constructed the citrus yield estimation model based on the spectral data and agronomic parameters. Through the Significance Test and Samples' Test, obtained that the model's fitting degree wasR=0.631, F=13.201, P<0.01 and th e error rate of estimating accuracy was control ed in the range 3%-16%, proving that the model has statistical signification and reliability. It concluded that hyperspectral acquired from citrus canopy has substantial potential for citrus yield estimation. This study is an application and exploration of Hyperspectral Remote Sensing technology in the citrus yield estimation.【总页数】4页(P1513-1516)【作者】邹扬庆;罗红霞;Habtom Yemane Tekle;王俊;余天霞;张锐【作者单位】西南大学地理科学学院，重庆 400715;西南大学地理科学学院，重庆 400715;西南大学地理科学学院，重庆 400715;西南大学地理科学学院，重庆400715;西南大学地理科学学院，重庆 400715;西南大学地理科学学院，重庆400715【正文语种】中文因版权原因，仅展示原文概要，查看原文内容请购买。
基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类
基于高光谱成像和Att-BiGRU-RNN的柑橘病叶分类吴叶兰;管慧宁;廉小亲;于重重;廖禺【期刊名称】《农业机械学报》【年(卷),期】2023(54)1【摘要】为实现对柑橘叶片病虫药害种类的快速精准识别,针对多种类柑橘病叶设计一种融合注意力机制(Attention mechanism)的双向门控循环单元-循环神经网络(Attention-bidirectional gate recurrent unit-recurrent nural network, Att-BiGRU-RNN)分类模型。
该模型在编解码模块分别采用BiGRU和RNN结构,能够利用高光谱数据前后波段光谱信息的关联性,有效提取光谱信息的深层特征;根据不同波段光谱信息的差异性引入注意力机制动态分配权重信息,提高重要光谱特征对分类模型的贡献率,提升模型的分类准确率。
获取6类柑橘叶片高光谱信息,构建实验样本集,利用Att-BiGRU-RNN、VGG16、SVM和XGBoost分别建立柑橘病叶分类模型,Att-BiGRU-RNN模型总体分类准确率(Overall accuracy, OA)平均可达98.21%,相较于其他3种模型分别提高4.71、10.95、3.89个百分点,对光谱曲线重合度高的除草剂危害和煤烟病叶片的分类准确率有显著提升。
实验结果表明,深度学习方法可有效利用高光谱不同波段间的关联信息,识别准确率较机器学习方法有大幅提高,为柑橘病虫药害快速无损检测和防治提供了一种新方法。
【总页数】8页(P216-223)【作者】吴叶兰;管慧宁;廉小亲;于重重;廖禺【作者单位】北京工商大学中国轻工业工业互联网与大数据重点实验室;江西省农业科学院农业工程研究所【正文语种】中文【中图分类】O433.4;S436.661【相关文献】1.基于高光谱成像技术的柑橘黄龙病病情诊断及分类2.基于高光谱成像技术应用光谱及纹理特征识别柑橘黄龙病3.基于高光谱成像的柑橘黄龙病无损检测4.基于卷积神经网络的柑橘病叶高光谱分类5.欢迎订阅2023年度《世界桥梁》因版权原因，仅展示原文概要，查看原文内容请购买。
基于高光谱的柑橘叶片磷含量估算模型实验
基于高光谱的柑橘叶片磷含量估算模型实验黄双萍;洪添胜;岳学军;吴伟斌;蔡坤;黎蕴玉【摘要】以117株园栽罗岗橙为实验对象,分别在壮果促梢期和采果期2个不同发育阶段采集234个数据样本,高光谱反射数据构成每个数据样本中的高维矢量描述,用化学方法测得磷含量值作为样本真实目标值,用偏最小二乘法(PLS)及支持矢量回归(SVR)2种多元回归分析算法,在对反射光谱进行各种形式预处理的基础上对柑橘叶片磷含量进行建模和磷含量预测.模型分别在校正集和测试集上进行评估,取得最佳模型决定系数分别为0.905和0.881,均方误差分别为0.005和0.004,平均相对误差分别为0.026 4和0.031 2.实验结果表明:基于高光谱反射数据进行磷含量预测是可行的.【期刊名称】《农业机械学报》【年(卷),期】2013(044)004【总页数】7页(P202-207,195)【关键词】柑橘叶片;磷含量;高光谱;偏最小二乘法;支持矢量回归【作者】黄双萍;洪添胜;岳学军;吴伟斌;蔡坤;黎蕴玉【作者单位】华南农业大学工程学院,广州510642;华南农业大学工程学院,广州510642;华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室,广州510642;华南农业大学工程学院,广州510642;南昆士兰大学工程与测绘学院,图文巴QLD4350;华南农业大学工程学院,广州510642;华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室,广州510642;华南农业大学工程学院,广州510642;华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室,广州510642;华南农业大学工程学院,广州510642【正文语种】中文【中图分类】O657.3;S129引言柑橘体内合适的磷(P)含量是其高产量、高品质产出的必要条件。
为此，需要快捷、无损、高精度地测定P含量。
植物P含量的化学检测法虽然精准，但过程复杂、耗时且有损。
基于机器视觉的果园成熟柑橘快速识别及产量预估研究
基于机器视觉的果园成熟柑橘快速识别及产量预估研究张小花;马瑞峻;吴卓葵;黄泽鸿;王嘉辉【摘要】[目的]提供一种快速、准确的自然环境下成熟柑橘的识别及计数方法,解决传统的通过人工采样的方法进行产量预估带来的成本高、时间长和精度低的不足,并为以后对柑橘进行自动采摘打下基础.[方法]应用RGB相机采集柑橘园果树图像,并通过转换到Lab颜色空间,对与背景颜色有明显区别的柑橘区分采用\"a\"分量,然后基于霍夫圆变换法应用MATLAB软件对剔除背景的柑橘进行计数,实现对柑橘产量的预估.[结果]该图像处理方法与传统的水果与背景分离方法相比更简单快速,果实识别正确率达94.01％,产量预估正确率达96.58％,平均识别时间1.03 s.选取10棵树共20个图片进行产量预估,将该算法得到的柑橘数量与通过人眼计数得到的结果进行比较,其相关系数R2为0.9879.[结论]该算法简单快速,能精确实现水果的快速自动识别及产量预估,对果实的重叠性、果实遮挡有较好的鲁棒性,促进了机器学习在现代农业的应用,具有较高的理论和实践意义,推动了果园智慧农业进一步发展.【期刊名称】《广东农业科学》【年(卷),期】2019(046)007【总页数】6页(P156-161)【关键词】机器视觉;水果识别;产量预估;图像处理;MATLAB【作者】张小花;马瑞峻;吴卓葵;黄泽鸿;王嘉辉【作者单位】仲恺农业工程学院自动化学院,广东广州 510225;华南农业大学工程学院,广东广州 510642;仲恺农业工程学院自动化学院,广东广州 510225;仲恺农业工程学院自动化学院,广东广州 510225;仲恺农业工程学院自动化学院,广东广州 510225【正文语种】中文【中图分类】TP391.41【研究意义】进入21世纪以来，农业劳动力不断向其他产业转移，结构性短缺和老龄化趋势已成为全球问题。
人工智能技术、传感器新技术的快速发展为智慧农业的发展提供了新的动力和可能。
基于高光谱成像的农作物生长监测方法研究
基于高光谱成像的农作物生长监测方法研究一、引言随着农业现代化的不断推进，科技的发展对于提高农作物产量和质量以及减少资源浪费和环境污染等方面的作用越来越重要。
在这种背景下，基于高光谱成像的农作物生长监测方法正在成为农业监测中的热门话题。
二、高光谱成像技术高光谱成像技术是一种可将物体反射或透射的光谱信息映射成图像的技术，在各个领域都有着广泛的应用。
在农业领域中，通过高光谱成像技术可以获取植物在不同波段上的反射光谱信息，得到植被指数、叶绿素含量、生长状态等信息。
三、高光谱成像技术在农作物生长监测中的应用通过高光谱成像技术监测农作物生长状态可以帮助农民了解作物的健康状况，以及作物所需的养分、水分等信息，从而及时调整种植策略，提高农作物的生产力。
可以通过高光谱成像技术获取植被指数、植株高度、叶面积指数、生长速度等参数，利用这些参数可以对不同品种的农作物进行区分和识别，同时还可以定量评估作物的生长状态。
四、高光谱成像技术的优势与传统的农业监测方法相比，高光谱成像技术具有以下优势：一、高光谱成像技术可以获取更多的植被信息，包括植被指数、植株高度、叶面积指数等，使监测更加全面准确；二、高光谱成像技术是一种快速的监测方式，可以准确获取数千个像素点的光谱信息，提高了农作物生长监测的效率；三、高光谱成像技术可以非接触式地监测农作物的生长状态，避免了对农作物的伤害。
五、结论基于高光谱成像的农作物生长监测方法具有较高的应用价值和推广前景。
通过高光谱成像技术可以更准确、快速、全面地获取农作物的生长信息，为农民提供更加科学的种植策略和技术支持，进一步提高农作物的生产力和品质。
随着技术的不断升级，高光谱成像技术在农业领域中的应用将会变得更加广泛和深入。