機(jī)器視覺與農(nóng)業(yè)智能感知相關(guān)的研究,目前已經(jīng)取得了一定進(jìn)展,在果園果樹、大田作物、荒漠植物、中藥材、畜禽等領(lǐng)域,已經(jīng)獲得了一定科研進(jìn)展。本文整理了近期發(fā)表的機(jī)器視覺與農(nóng)業(yè)智能感知相關(guān)專題的論文。
一、基于改進(jìn)ResNet50模型的自然環(huán)境下蘋果物候期識別
參與機(jī)構(gòu):四川省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟(jì)研究所
針對傳統(tǒng)方法對自然環(huán)境下蘋果物候期圖像識別精度低、覆蓋面不全等問題,該團(tuán)隊(duì)提出了一種基于改進(jìn)ResNet50模型的蘋果物候期識別方法,實(shí)現(xiàn)自然環(huán)境下高原紅富士蘋果物候期圖像的智能識別。
結(jié)果表明改進(jìn)ResNet50可實(shí)現(xiàn)對蘋果物候期有效識別,該研究成果可為果園物候期識別提供參考,通過集成至果樹生育期智能監(jiān)測生產(chǎn)管理平臺,實(shí)現(xiàn)蘋果園區(qū)的智能化管控。
二、自然環(huán)境中鮮食葡萄快速識別與采摘點(diǎn)自動(dòng)定位方法
參與機(jī)構(gòu):山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院/智能化農(nóng)業(yè)機(jī)械與裝備實(shí)驗(yàn)室/山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室、山東交通學(xué)院工程機(jī)械學(xué)院、山東農(nóng)業(yè)大學(xué)生命科學(xué)學(xué)院小麥育種全國重點(diǎn)實(shí)驗(yàn)室
自然環(huán)境中鮮食葡萄的快速識別,與精準(zhǔn)定位是實(shí)現(xiàn)鮮食葡萄機(jī)器人自動(dòng)采摘的先決條件。該團(tuán)隊(duì)研究了基于改進(jìn)的K-means聚類算法和輪廓分析法提出一種鮮食葡萄采摘點(diǎn)自動(dòng)定位的方法,利用幾何方法實(shí)現(xiàn)鮮食葡萄采摘點(diǎn)快速準(zhǔn)確定位。
結(jié)果表明該算法在籬壁式、棚架式下紫葡萄、綠葡萄的采摘點(diǎn)定位成功率高,整體試驗(yàn)效果較好。為鮮食葡萄采摘機(jī)器人實(shí)現(xiàn)精準(zhǔn)采摘葡萄提供技術(shù)支撐。
三、用于邊緣計(jì)算設(shè)備的果樹掛果量輕量化估測模型
參與機(jī)構(gòu):中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所/農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室、中國農(nóng)業(yè)科學(xué)院
掛果量是果樹栽培管理的重要指標(biāo)。傳統(tǒng)人力抽樣估測果樹掛果量的方法不僅耗時(shí)費(fèi)力,而且容易產(chǎn)生較大誤差。該團(tuán)隊(duì)研究提出了一種用于邊緣計(jì)算設(shè)備的輕量化模型,實(shí)現(xiàn)視頻中樹上柑橘掛果量的自動(dòng)估測,以提升掛果量估測準(zhǔn)確性。
試驗(yàn)結(jié)果證明:該模型在邊緣計(jì)算設(shè)備上對柑橘掛果量估測的有效性,基于算法模型研發(fā)的果園掛果量遠(yuǎn)程監(jiān)測系統(tǒng),可滿足用于果園移動(dòng)平臺行進(jìn)狀態(tài)下的果樹掛果量估測需求,為果園生產(chǎn)力自動(dòng)監(jiān)測分析提供技術(shù)支持。
四、融合ECA機(jī)制與DenseNet201的水稻病蟲害識別方法
參與機(jī)構(gòu):揚(yáng)州大學(xué)信息工程學(xué)院(人工智能學(xué)院)
針對傳統(tǒng)人工識別病蟲害存在的效率過低、成本過高等問題,該團(tuán)隊(duì)提出了一種融合ECA注意力機(jī)制與DenseNet201的水稻圖像識別模型GE-DenseNet。
該方法在包含水稻胡麻斑病、水稻鐵甲蟲、稻瘟病與健康水稻的3355張圖像數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)測試,識別準(zhǔn)確率達(dá)到83.52%,實(shí)現(xiàn)對不同水稻病蟲害圖像更為準(zhǔn)確地識別,為及時(shí)防治病蟲害,減少各類損失提供技術(shù)支持。
五、基于不同空間分辨率無人機(jī)多光譜遙感影像的小麥倒伏區(qū)域識別方法
參與機(jī)構(gòu):河南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院/教育部作物生長發(fā)育調(diào)控重點(diǎn)實(shí)驗(yàn)室/省部共建小麥玉米作物學(xué)國家重點(diǎn)實(shí)驗(yàn)室
快速準(zhǔn)確評估作物倒伏災(zāi)情狀況,需及時(shí)獲取倒伏發(fā)生位置及面積等信息。結(jié)合目前無人機(jī)遙感識別作物倒伏缺乏相應(yīng)的技術(shù)標(biāo)準(zhǔn),不利于規(guī)范無人機(jī)數(shù)據(jù)獲取流程和提出問題解決方案。該團(tuán)隊(duì)研究旨在探討不同空間分辨率無人機(jī)遙感影像,及特征優(yōu)化方法對小麥倒伏區(qū)域識別精度的影響。
結(jié)果表明在不同飛行高度下的分類精度相對差異較小,90 m總體分類精度可達(dá)到95.6%,Kappa系數(shù)達(dá)到0.914,滿足了對分類精度的需求。通過選擇適宜的特征選擇方法,不僅可以兼顧分類精度,還能有效縮小影像空間分辨率變化引起的倒伏分類差異,有助于提升飛行高度,擴(kuò)大小麥倒伏監(jiān)測面積,降低作業(yè)成本,為確立作物倒伏信息獲取策略及小麥災(zāi)情評估提供參考及支持。
六、基于無人機(jī)高光譜遙感的烤煙葉片葉綠素含量估測
參與機(jī)構(gòu):河南農(nóng)業(yè)大學(xué)煙草學(xué)院、國家煙草栽培生理生化研究基地、煙草行業(yè)煙草栽培重點(diǎn)實(shí)驗(yàn)室
研究目的:烤煙葉片葉綠素含量是表征烤煙光合作用、營養(yǎng)狀況和長勢的重要指標(biāo)。該團(tuán)隊(duì)以高效精確地估測不同生長期烤煙LCC為目的,以中煙100煙葉為研究對象。采用一元線性回歸、多元線性回歸、偏最小二乘回歸、支持向量回歸和隨機(jī)森林回歸5種建模方法進(jìn)行LCC估測。
該研究通過分析多種光譜指數(shù)與烤煙LCC的響應(yīng)規(guī)律,構(gòu)建可靠的烤煙葉片LCC估測模型,可為烤煙葉LCC估測以及烤煙的生長發(fā)育監(jiān)測提供理論依據(jù)和技術(shù)支撐。
七、基于輕量級MobileNet V3-YOLOv4的生長期菠蘿成熟度分析
參與機(jī)構(gòu):廣東省電信規(guī)劃設(shè)計(jì)院有限公司第四分公司、華中科技大學(xué)電子信息與通信學(xué)院、廣東海洋大學(xué)電子與信息工程學(xué)院、廣東省智慧海洋傳感網(wǎng)及其裝備工程技術(shù)研究中心
菠蘿的貯藏性與成熟度相關(guān),菠蘿采摘前對其成熟度進(jìn)行識別尤為重要。該團(tuán)隊(duì)研究提出了一種新型網(wǎng)絡(luò)模型,提高菠蘿成熟度自動(dòng)識別的準(zhǔn)確率和速度。
試驗(yàn)結(jié)果表明,對于黃熟期菠蘿和青熟期菠蘿兩種類別的檢測精確率分別為100%和98.85%,平均精度值分別為87.62%、94.21%,召回率分別為77.55%、86.00%,F1分?jǐn)?shù)分別為0.87和0.92,推理速度80.85 img/s。實(shí)現(xiàn)了在降低訓(xùn)練速度、減小參數(shù)量的同時(shí),提高了菠蘿成熟度識別的精度和推理速度,滿足實(shí)際檢測需求。
八、基于多種機(jī)器學(xué)習(xí)算法預(yù)測廣西蔗區(qū)甘蔗產(chǎn)量
參與機(jī)構(gòu):廣西大學(xué)電氣工程學(xué)院、廣西大學(xué)甘蔗生物學(xué)重點(diǎn)實(shí)驗(yàn)室、廣西糖業(yè)集團(tuán)有限公司、廣西農(nóng)業(yè)科學(xué)院甘蔗研究所
該團(tuán)隊(duì)分析了廣西甘蔗主產(chǎn)區(qū)甘蔗產(chǎn)量與氣象因素的關(guān)系,利用氣象數(shù)據(jù)預(yù)測甘蔗產(chǎn)量,為糖廠及相關(guān)管理部門提供科學(xué)的數(shù)據(jù)支撐。
通過敏感時(shí)段分析法篩選的關(guān)鍵氣象因子與產(chǎn)量均呈顯著相關(guān),根據(jù)敏感時(shí)段能準(zhǔn)確地分析各氣象因子對產(chǎn)量的影響。使用LSTM模型預(yù)測單蔗區(qū)產(chǎn)量,使用BPNN模型預(yù)測多蔗區(qū)甘蔗氣象產(chǎn)量的方法是可行的,且預(yù)測誤差在可接受范圍內(nèi)。
九、基于改進(jìn)殘差網(wǎng)絡(luò)模型的不同部位牦牛肉分類識別方法
參與機(jī)構(gòu):青海大學(xué)計(jì)算機(jī)技術(shù)與應(yīng)用系、青海大學(xué)畜牧獸醫(yī)科學(xué)院、青海省玉樹州動(dòng)物疫病預(yù)防控制中心
為實(shí)現(xiàn)不同部位牦牛肉快速、準(zhǔn)確識別,該團(tuán)隊(duì)研究提出了一種改進(jìn)的殘差網(wǎng)絡(luò)模型,并開發(fā)了一種基于智能手機(jī)的牦牛肉部位識別軟件。
研究采集牦牛的里脊、上腦、腱子、胸肉的圖像數(shù)據(jù),通過消融實(shí)驗(yàn)。結(jié)果表明,改進(jìn)后的ResNet18CBAM模型可在實(shí)際應(yīng)用中識別不同部位牦牛肉且具有良好的結(jié)果。該成果有助于保障牦牛肉產(chǎn)業(yè)的食品質(zhì)量安全,也為青藏高原地區(qū)的牦牛肉產(chǎn)業(yè)智能化發(fā)展提供技術(shù)支撐。
十、融合遷移學(xué)習(xí)和集成學(xué)習(xí)的自然背景下荒漠植物識別方法
參與機(jī)構(gòu):新疆農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院、中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所、國家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心
荒漠植物的準(zhǔn)確識別是其認(rèn)識和保護(hù)過程中不可或缺的任務(wù),是荒漠生態(tài)研究與保護(hù)的基礎(chǔ)。自然條件下野外荒漠植物圖像的機(jī)器視覺自動(dòng)分類識別可有效提升植物資源調(diào)查效率、降低人為主觀因素影響,對荒漠植物的精準(zhǔn)分類、多樣性保護(hù)和資源化利用具有重要意義。該團(tuán)隊(duì)以自然環(huán)境下的整株荒漠植物圖像為研究對象,構(gòu)建新疆干旱區(qū)荒漠植物圖像數(shù)據(jù)集,以EfficientNet B0—B4網(wǎng)絡(luò)為基礎(chǔ)網(wǎng)絡(luò),提出一種融合遷移學(xué)習(xí)和集成學(xué)習(xí)的荒漠植物圖像識別算法,并在公開數(shù)據(jù)集Oxford Flowers102上進(jìn)行對比驗(yàn)證。
實(shí)驗(yàn)結(jié)果表明,該方法可提高荒漠植物的識別準(zhǔn)確率,通過云端傳輸至服務(wù)器后,實(shí)現(xiàn)荒漠植物的準(zhǔn)確識別,為真實(shí)野外環(huán)境下植物圖像識別精度低、模型魯棒性及泛化性弱等問題提供解決思路。服務(wù)于野外調(diào)查、教學(xué)科普以及科學(xué)實(shí)驗(yàn)等場景。
十一、基于改進(jìn)ShuffleNet V2的輕量級防風(fēng)藥材道地性智能識別
參與機(jī)構(gòu):吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院、吉林農(nóng)業(yè)大學(xué)生命科學(xué)學(xué)院、無錫學(xué)院物聯(lián)網(wǎng)工程學(xué)院
對于防風(fēng)藥材產(chǎn)地和品質(zhì)的鑒別方法主要是根據(jù)其物理或化學(xué)特征,其方法需對中藥材進(jìn)行分離提取,存在耗時(shí)長,費(fèi)用高,專業(yè)性強(qiáng),技術(shù)難度大等問題,不利于推廣應(yīng)用。隨著深度學(xué)習(xí)的不斷發(fā)展,其無需人工提取特征、分類精度高等優(yōu)點(diǎn)被廣泛應(yīng)用在中藥材的識別之中。
針對大多數(shù)卷積神經(jīng)網(wǎng)絡(luò)模型在識別防風(fēng)藥材時(shí)計(jì)算量大、精度低的問題,該團(tuán)隊(duì)研究提出了一種改進(jìn)的ShuffieNet V2的輕量級防風(fēng)道地性識別模型。結(jié)果表明該研究所提出的模型在保持較高識別精度的同時(shí)占用較少的儲(chǔ)存空間,有助于在未來的低性能終端上實(shí)現(xiàn)防風(fēng)道地性的實(shí)時(shí)診斷。
審核編輯 黃宇
-
機(jī)器視覺
+關(guān)注
關(guān)注
161文章
4266瀏覽量
119555 -
無人機(jī)
+關(guān)注
關(guān)注
226文章
10199瀏覽量
177544 -
農(nóng)業(yè)智能
+關(guān)注
關(guān)注
1文章
23瀏覽量
7775 -
網(wǎng)絡(luò)模型
+關(guān)注
關(guān)注
0文章
43瀏覽量
8388
發(fā)布評論請先 登錄
相關(guān)推薦
評論