科研产出
农业生产中机器视觉技术应用现状
2025
摘要：近年来，我国农业现代化进程显著加快，对农业机械提出向自动化、智能化方向迈进的发展要求。机器视觉技术作为智能农机核心，在智能农机转型与升级过程中发挥至关重要作用。系统梳理机器视觉技术在杂草识别、作物生长状态监测、农业机器人中的应用现状。机器视觉技术在当前农业应用场景中存在算法适应性有待提升、模型泛化能力相对不足、算法与农业机械之间协同配合程度较低，以及数据资源获取难度大、多样性不足等问题。基于此，提出未来机器视觉技术在农业领域应向多模态信息融合、轻量化与高效识别算法开发、数据增强与迁移学习，以及优化算法与各类农业机械协同适配性等方向发展。
关键词： 机器视觉 深度学习 农业生产 农业机器人 生长状态监测
全文链接
请求原文
蚕茧识别技术研究现状及发展趋势
《中国农机化学报 》 2024 北大核心
摘要：我国缫丝织绸早已进入机械化、自动化的发展阶段，但是蚕茧图像识别技术仍处于研究的初级阶段，在推广和应用中存在很多技术瓶颈。为更好地将智能识别技术的研究用于蚕茧分选工作，推动蚕丝产业的健康高效发展，从蚕茧的分类和选茧的标准出发，分别介绍目前蚕茧图像识别技术研究中基于颜色特征、形状特征和纹理特征的识别技术研究现状和特点，总结和分析现在蚕茧图像识别技术研究中存在识别信息不完整、识别种类少、识别准确度和效率较低等方面的问题。提出在开展完整蚕茧图像建立技术、增加多种特征的采集和判别、开展深度学习技术融合的研究建议，展望蚕茧智慧高效分选的发展趋势。
全文链接
请求原文
基于SVM的家蚕中毒分类识别研究
《四川蚕业 》 2022
摘要：本文使用机器视觉和机器学习技术开展了家蚕中毒的自动识别研究，主要内容包括：首先选择健康和中毒家蚕图像为识别对象，构建了家蚕中毒识别图像数据集，其次对图像进行中值滤波、尺寸缩放和阈值分割等处理以增强图像特征差异，并利用RGB和HSV两种颜色模型求解图像样本的颜色矩，提取出基于灰度共生矩阵的纹理特征，使用机器学习中的经典算法支持向量机（SVM）创建出分类识别模型，在数据集上的平均识别率为93.54%。本文结果验证了使用机器视觉和机器学习技术开展家蚕中毒识别的可行性，为后续研究提供参考。
全文链接
请求原文
机器视觉在HSV颜色空间下稻瘟病病程分级判定研究
《农学学报 》 2020
摘要：该研究旨在开发基于机器视觉技术的稻瘟病病程分级系统,实现对稻瘟病病程分级准确、客观的判定.提出基于GrabCut、高斯滤波、OTSU二值化、颜色空间转换、阈值切割等处理的稻瘟病分级判定算法模型,该算法模型利用OpenCV与python语言实现,以反向阈值切割为核心策略分离叶片与病斑,再以循环遍历模式统计像素点得出病斑面积占比,实现对稻瘟病的快速、精确分级.试验结果表明,该算法模型与专业研究人员人工判定的结果匹配度达95.77%,相对于人工判定,具备更高的稳定性和客观性.目前对稻瘟病病程分级主要依赖研究人员通过经验判定,客观、准确的判定病程对防治稻瘟病具有重要意义.该系统以手机APP为图像采集端口,不依赖其他仪器和设备,通过手机拍照即可实时获得稻瘟病精确的分级结果,降低了研究门槛,提高了科研工作的效率.
关键词： 水稻病害 稻瘟病 图像处理 机器视觉 GrabCut 病程分级
全文链接
请求原文
首页上一页1下一页尾页
