發(fā)布時間：2018-05-22 09:40

  本文選題：玉米發(fā)育期 + 計算機視覺��； 參考：《江南大學》2017年碩士論文

【摘要】：科技的進步促使農(nóng)業(yè)的發(fā)展迎來了現(xiàn)代農(nóng)業(yè)技術革命,信息、新材料、生物及可持續(xù)發(fā)展技術綜合于一體的農(nóng)業(yè)智能化,為農(nóng)業(yè)生產(chǎn)開辟新的道路。計算機視覺技術作為信息技術的重要分支被廣泛應用于農(nóng)作物精細農(nóng)業(yè)自動化中,特別是生長狀態(tài)監(jiān)測及雜草識別等技術,具有非破壞性、檢測精度高、效率高、靈活及實時性好的特點,避免了人工觀測的主觀性強、效率低的弱點。目前計算機視覺技術用于農(nóng)作物發(fā)育期的監(jiān)測已有一些研究成果,但其檢測精度不高且普適性差。因此,為了克服上述缺點,本文利用計算機視覺技術對玉米出苗期、三葉期、七葉期及抽雄期的自動觀測算法進行研究,觀測記錄玉米到達各時期的日期,對指導玉米田間農(nóng)事活動有重要意義。玉米出苗期自動觀測的主要難點是玉米苗很難識別,玉米田間土壤及麥稈等各種干擾較多。因此本文首先利用基于視網(wǎng)膜模型的圖像增強算法對玉米出苗期圖像進行增強,提高玉米苗的對比度,再利用改進的超綠指數(shù)對增強后圖像進行灰度化,之后利用迭代式閾值方法分割出玉米苗,最后利用每天平均苗個數(shù)的相對變化率來判斷玉米是否進入出苗期。玉米三葉期時玉米苗與圖像背景對比度低,不易區(qū)分。因此本文提出一種玉米苗增強算法,利用玉米三葉期圖像的RGB各通道值重新計算G通道值,得到的新的RGB圖像中玉米苗與背景差異增大,易于區(qū)分。圖像增強后再利用Fisher線性判別對圖像進行灰度化處理,最后利用二維Otsu算法分割出玉米苗。該方法可以很好地從不同條件下的田間圖像中分割出玉米苗。玉米七葉期圖像分割算法與玉米三葉期的相同。抽雄期時期本文選擇利用顏色特征進行玉米雄穗分割識別,但是不同地區(qū)不同品種的玉米雄穗的顏色有些差異,所以本文提出一種玉米抽雄期自動觀測算法,該算法首先對玉米雄穗的顏色進行增強,在YCbCr顏色空間中分別對Cb、Cr分量圖進行增強,然后再變換到RGB顏色空間中,玉米雄穗被增強了,與背景顏色差異較大,且不同地區(qū)不同品種的玉米雄穗顏色相近;增強之后利用改進的Kmeans對玉米雄穗的灰度圖像進行聚類分割,利用連通域的面積去除干擾,分割出玉米雄穗,玉米雄穗數(shù)量大于設定的閾值即可判斷玉米進入抽雄期。河南、河北、山東及內蒙古作為我國玉米生長的主要地區(qū),本文特選取上述四個地區(qū)玉米不同發(fā)育期的圖片進行處理,驗證本文所提出的自動觀測算法的有效性,并與人工觀測結果進行對比,結果表明本文提出的算法可行有效。
[Abstract]:The progress of science and technology promotes the development of agriculture to usher in modern agricultural technological revolution, information, new materials, biology and sustainable development technology integrated into one of the intelligent agriculture, open up a new way for agricultural production. As an important branch of information technology, computer vision technology is widely used in crop fine agriculture automation, especially in the fields of growth state monitoring and weed identification. It has the advantages of non-destructive, high detection accuracy and high efficiency. The features of flexibility and real-time avoid the weakness of subjectivity and low efficiency of artificial observation. At present, computer vision technology has been used in the monitoring of crop development period, but its detection accuracy is not high and its universality is poor. Therefore, in order to overcome the above shortcomings, this paper studies the automatic observation algorithms of maize seedling stage, trefoil stage, heptleaf stage and pumping stage by using computer vision technology, and records the dates of maize arriving at each stage. It is of great significance to guide the field farming activities of maize. The main difficulty of maize seedling automatic observation is that it is difficult to identify maize seedling, and there are many kinds of interference such as maize field soil and wheat stalk. In this paper, firstly, the image enhancement algorithm based on retinal model is used to enhance maize seedling image to improve the contrast of maize seedling, and then the improved super-green index is used to grayscale the enhanced image. At last, the relative change rate of the average number of seedlings per day was used to determine whether the maize entered the emergence stage. The contrast between maize seedling and image background is low and it is difficult to distinguish between maize seedling and image background. Therefore, a corn seedling enhancement algorithm is proposed in this paper. The G-channel value is recalculated by using the RGB channel values of the maize trefoil image. The difference between the maize seedling and the background in the new RGB image is larger, and it is easy to distinguish between the maize seedling and the background. After image enhancement, the grayscale image is processed by Fisher linear discriminant, and finally corn seedling is segmented by two-dimensional Otsu algorithm. This method can segment maize seedlings from field images under different conditions. The image segmentation algorithm is the same as that of maize trefoil stage. In this paper, we choose to use color features to segment and recognize the male ear of maize, but there are some differences in the color of the spikes of different varieties in different regions, so this paper proposes an automatic observation algorithm for the heading period of maize. In this algorithm, the color of maize spikes is enhanced first, and the CBN Cr component map is enhanced in the YCbCr color space, then transformed into the RGB color space, the spikes are enhanced, which is different from the background color. The color of maize spikes of different varieties was similar in different regions, and the improved Kmeans was used to cluster and segment the gray images of maize male ears, and the area of the connected region was removed to segment the male ears of maize. The number of maize spikes was greater than the set threshold to determine the heading stage of maize. Henan, Hebei, Shandong and Inner Mongolia are the main areas of maize growth in China. In this paper, the images of maize at different developmental stages in the four regions mentioned above are selected to verify the effectiveness of the automatic observation algorithm proposed in this paper. The results show that the proposed algorithm is feasible and effective.
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S513;TP391.41

【相似文獻】

相關期刊論文 前10條

1 陳平宇;玉米新品種資源孿生玉米[J];中國種業(yè);2000年03期

2 楊引福;嫩玉米早上市玉米芯育苗好[J];北京農(nóng)業(yè);2000年04期

3 唐勁馳,曹敏建,佟占昌;不同品種玉米與小麥間套作的比較試驗[J];雜糧作物;2000年04期

4 朱浩軍;對平?jīng)龅貐^(qū)玉米品種更新?lián)Q代及布局的建議[J];甘肅農(nóng)業(yè)科技;2000年10期

5 袁伯英;鄭單14是個好玉米品種[J];河北農(nóng)業(yè);2000年03期

6 劉忠海,張忠軍,姜玉國;選購玉米品種應遵循的原則[J];吉林農(nóng)業(yè);2000年02期

7 ;甜脆玉米品種簡介[J];農(nóng)村實用技術;2000年03期

8 胡遠富,李世貴,馮存貴;玉米不同品種子粒脫水速度測定[J];現(xiàn)代化農(nóng)業(yè);2000年02期

9 郭自偉;墨西哥青割玉米的栽培[J];現(xiàn)代農(nóng)業(yè);2000年03期

10 ;水玉米問題有望解決[J];現(xiàn)代農(nóng)業(yè);2000年04期

相關會議論文 前10條

1 宋鵬飛;王甜甜;毛培;羅梅浩;;不同玉米品種丁布含量及其與抗螟性的關系[A];華中昆蟲研究（第八卷）[C];2012年

2 劉祖蔭;;發(fā)展玉米的加工利用技術提高玉米的綜合經(jīng)濟效益[A];食品論文匯編[C];1985年

3 王春虎;陳士林;董娜;蔣愛鳳;;豫北平原不同施氮量對玉米產(chǎn)量和品質的影響研究[A];中國農(nóng)作制度研究進展2008[C];2008年

4 王宇翔;;玉米后期倒伏的易損性分析[A];天氣、氣候與可持續(xù)發(fā)展——河南省氣象學會2010年年會論文集[C];2010年

5 唐紅艷;;玉米品種精細化布局氣象服務技術[A];第28屆中國氣象學會年會——S11氣象與現(xiàn)代農(nóng)業(yè)[C];2011年

6 劉治先;;我國優(yōu)質專用玉米的發(fā)展策略[A];2003年全國作物遺傳育種學術研討會論文集[C];2003年

7 劉治先;;優(yōu)質專用玉米的發(fā)展策略[A];’2003中國作物學會學術年會文集[C];2003年

8 孫世賢;;種植業(yè)結構調整中的玉米生產(chǎn)問題[A];全面建設小康社會——中國科協(xié)二○○三年學術年會農(nóng)林水論文精選[C];2003年

9 劉翔;許志剛;;玉米品種對玉米細菌性枯萎病的抗性研究[A];外來有害生物檢疫及防除技術學術研討會論文匯編[C];2005年

10 李魯華;柳延濤;呂新;朱江;;綠洲玉米生態(tài)適應性的研究[A];中國科協(xié)2005年學術年會“新疆現(xiàn)代農(nóng)業(yè)論壇”論文專集[C];2005年

相關重要報紙文章 前10條

1 吉林食品行業(yè)管理辦公室調研組;吉林玉米大省做大玉米文章[N];中國鄉(xiāng)鎮(zhèn)企業(yè)報;2001年

2 記者 孔非;中國國際玉米產(chǎn)業(yè)博覽會九月在長舉行[N];長春日報;2007年

3 本報記者　　秦洪湖　　通訊員　　趙中文　　肖　松;為了金色玉米香飄世界[N];中國國門時報;2006年

4 本報記者 石巖;玉米品種多 購買早籌劃[N];河南科技報;2006年

5 楊婷;國家3億補貼玉米良種玉米價格將上揚[N];中國經(jīng)濟時報;2007年

6 孟寶林;玉米行情看好 今年莊稼咋種[N];牡丹江日報;2006年

7 吳守祥;玉米行情火爆的背后[N];期貨日報;2006年

8 吉林糧食集團副總經(jīng)理 姜建華;玉米價格穩(wěn)中走高[N];期貨日報;2006年

9 李茜;玉米投資正當紅[N];上海金融報;2008年

10 才春林;筍玉米因專用而身貴[N];農(nóng)民日報;2003年

相關博士學位論文 前10條

1 石紅良;我國不同年代玉米品種及其親本自交系產(chǎn)量和氮效率的變化趨勢[D];中國農(nóng)業(yè)科學院;2014年

2 張紅偉;玉米耐低磷的種質資源評價及耐低磷的遺傳基礎研究[D];中國農(nóng)業(yè)科學院;2014年

3 劉永花;不同熟期玉米品種積溫需求定量研究[D];山西農(nóng)業(yè)大學;2014年

4 岳輝;玉米自交系低磷耐性遺傳分析[D];沈陽農(nóng)業(yè)大學;2015年

5 李春輝;玉米高密度重組圖譜構建及耐旱相關性狀的遺傳解析[D];中國農(nóng)業(yè)科學院;2015年

6 高慶華;玉米低植酸基因的初步定位和轉育應用研究[D];河北農(nóng)業(yè)大學;2013年

7 李圣彥;玉米萜類合成酶基因TPS10表達調控的研究[D];中國農(nóng)業(yè)大學;2015年

8 翟立超;玉米品種競爭能力的評價與分析[D];中國農(nóng)業(yè)大學;2015年

9 曹國鑫;小農(nóng)戶糧食作物高產(chǎn)高效技術應用限制因素及對策研究[D];中國農(nóng)業(yè)大學;2015年

10 毛欣;玉米芽種缽盤精量播種機理與裝置參數(shù)研究[D];黑龍江八一農(nóng)墾大學;2015年

相關碩士學位論文 前10條

1 劉永娟;基于計算機視覺技術的玉米發(fā)育期識別研究[D];江南大學;2017年

2 李曉瑞;黃芪綠肥的品質評價及效應分析[D];山西農(nóng)業(yè)大學;2015年

3 江帆;復合Bt cry1Ac和cry1Ie抗蟲玉米抗螟性及其在IRM中的作用[D];中國農(nóng)業(yè)科學院;2015年

4 李秀秀;玉米耐低氮雜種優(yōu)勢分析[D];中國農(nóng)業(yè)科學院;2015年

5 高杰;不同玉米品種的適應性分析[D];西北農(nóng)林科技大學;2015年

6 劉歡;陜西及山西不同地區(qū)玉米營養(yǎng)價值檢測與霉菌毒素污染情況分析[D];西北農(nóng)林科技大學;2015年

7 李瑞敏;高地隙玉米噴霧機施藥裝置的設計研究[D];石河子大學;2015年

8 白翠瑩;玉米ZmPROPep1基因轉化及轉基因抗病聚合育種[D];華中農(nóng)業(yè)大學;2015年

9 吳文麗;施用三種肥料對不同復墾年限土壤Hedley磷形態(tài)及玉米產(chǎn)量的影響[D];山西農(nóng)業(yè)大學;2015年

10 葉慧香;轉cry1Ie基因抗蟲玉米對土壤微生物群落結構和土壤肥力的影響研究[D];華中農(nóng)業(yè)大學;2015年

，

本文編號：1921577