CN103530643A - 基于农作物行间自动识别技术的农药定位喷洒方法及系统 - Google Patents
基于农作物行间自动识别技术的农药定位喷洒方法及系统 Download PDFInfo
- Publication number
- CN103530643A CN103530643A CN201310473077.6A CN201310473077A CN103530643A CN 103530643 A CN103530643 A CN 103530643A CN 201310473077 A CN201310473077 A CN 201310473077A CN 103530643 A CN103530643 A CN 103530643A
- Authority
- CN
- China
- Prior art keywords
- crop
- image
- shower nozzle
- field
- row
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及基于农作物行间自动识别技术的农药定位喷洒方法,包括:上电初始化,实时采集农田作物图像信息;对农田作物图像信息依次进行预处理、分割、作物行识别;对农田作物图像信息进行作物行的标注与定位;依次判断喷药装置的每个喷头是否落在作物行的范围之内,若判断结果为是,则打开此喷头对农作物进行喷洒,否则,关闭此喷头;重复上述步骤直至农药喷洒结束。本发明还公开了基于农作物行间自动识别技术的农药定位喷洒系统。自动对农田作物行进行识别,判断喷药装置的每个喷头是否落在作物行的范围之内,根据判断结果来决定是否喷洒农药。本发明从采集到喷洒自动完成,无需人工判断操作,提高了农药定位喷洒精度与效率,极大的方便了用户。
Description
技术领域
本发明涉及智能农业领域,尤其是一种基于农作物行间自动识别技术的农药定位喷洒方法及系统。
背景技术
农作物通常是整齐地按直线、彼此间平行的方式种植,因此在精准农业中一个研究热点即是从图形中识别出作物行,检测出作物线,为农药定位喷洒机械的控制参数提供依据。快速、准确地采集和获取并识别出农作物行,是开展农药定位喷洒的重要基础和前提。传统的方法一般经过采集图像、分割、特征提取、训练学习等几个过程来完成农作物行识别,并进行定位,此类方法虽在农作物行间识别率上较高,但效率较低,并且难以高效、实时的控制农药定位喷洒装置。
发明内容
本发明的首要目的在于提供一种利用农作物行间自动识别技术快速识别农作物行、提高农药定位喷洒精度与效率、极大的方便用户的基于农作物行间自动识别技术的农药定位喷洒方法。
为实现上述目的,本发明采用了以下技术方案:一种基于农作物行间自动识别技术的农药定位喷洒方法,该方法包括下列顺序的步骤:
(1)上电初始化,启动喷药装置前端摄像头采集控制器,实时采集农田作物图像信息;
(2)对农田作物图像信息依次进行预处理、分割、作物行识别;
(3)识别出农田作物行后,对农田作物图像信息进行作物行的标注与定位;
(4)依次判断喷药装置的每个喷头是否落在作物行的范围之内,若判断结果为是,则打开此喷头对农作物进行喷洒,否则,关闭此喷头;
(5)重复上述步骤直至农药喷洒结束。
上电初始化,设定喷药装置的初始化位置参数,将采集的农田作物图像信息存储至计算机存储器并形成视频采集农田图像目标文件夹;实时监控视频采集农田图像目标文件夹,判断是否采集到新的农田作物图像,若判断结果为是,则将农田作物图像读入计算机并对农田作物图像信息进行预处理,否则,返回继续监控视频采集农田图像目标文件夹。
对农田作物图像信息进行预处理是指,根据农作物的不同特征对农田作物图像进行阈值灰度化处理;在图像RGB模型中,彩色图像灰度化是使每一个像素点上的R、G、B分量都相等,因此,灰度图像每个像素只需一个字节存放灰度值,灰度范围为0到255;原始的农田图像的农作物表现为绿色,其绿色分量G突出,土壤呈现土褐色,具有较高的R值和B值,基于以上规律,对这三个分量进行EXG颜色因子的线性组合,首先利用EXG颜色因子对彩色图像进行灰度化处理,EXG灰度化公式如公式(1)所示:
其中,(x,y)表示当前像素点的位置信息,EXG(x,y)表示变换后的灰度值。
对农田作物图像信息进行分割是指,对农田作物图像进行阈值分割处理并进行图像二值化处理,阈值分割是一种利用图像中要提取的目标物与其背景在灰度特性上的差异,选取一个合适的阈值,以确定每个像素点应该属于目标区域还是背景区域,从而产生对应的二值图像;
阈值分割图像的基本原理叙述如公式(2)所示:
其中,f(x,y)表示当前像素点的灰度值,P(x,y)表示分割后的二值图像的灰度,Thresh是阈值;
从灰度化的农田图像可以看出,该图像作物行的亮度和背景的亮度有明显的差别,使用基于亮度的阈值分割算法,该算法中阈值的计算公式如公式(3)所示:
Th=Gav+f*(Gmax-Gav) (3)
其中,Th表示阈值,Gav是平均灰度值,Gmax是最大灰度值,f是权重因子;
通过公式(3)计算出阈值后,再通过公式(2)就可以实现灰度图像的阈值分割从而得到二值化图像。
将识别后的作物行进行标注,将标注后的作物行进行标准化,将标准化后的参数输出作为控制喷药装置的对应参数;计算喷药装置与农田作物图像中作物行之间的转化关系,得出农田作物行图像的定位参数;
其中,作物行标注是指,根据二值化的农田作物图像在最下面一行像素点的分布,然后在y轴方向延伸即可得到标注的农作物的图像;
作物行标准化是指,通过设定阈值的方法去除掉标注的农作物的图像的噪声,标注的农作物的图像的噪声是指图像中的黑色窄带,当黑色窄带宽度小于阈值时,认为该行是噪声造成的,并把它设定为背景;
在农业机械的前方安装摄像头,负责采集农田图像,在拖拉机的后面安装一排喷头,通过农药喷洒控制输出模块来控制每个喷头的开关,摄像头采集到农田图像,系统经过一系列图像处理算法,在得到标准化的作物行图像之后,下一步就是将作物行位置与喷头位置对应起来,然后根据对应结果得到控制参数指令,把这些指令传给农药喷洒控制输出模块,最终实现对喷头的控制,具体控制方法如下:
(1)把摄像头固定在机械的前部,调节摄像头的拍摄范围,使摄像头所能拍摄图像范围恰好跟后置喷头所能作业的范围一致;
(2)对标准化作物行图像,以图像的左下角为原点,向右的方向为X轴方向,建立一维坐标系,以图像的最下面一行像素点为准,计算作物行分布的范围(X1,X2),(X3,X4),…(Xn,Xm);
(3)对于后置喷头,以最左边的一个喷头为原点,向右的方向为X轴方向,建立一维坐标系,设其坐标=0,从左向右的喷头分别记为Y1,Y2,Y3,…Yn,其中Y1,Y2,…Yn是原点也即是最左边一个喷头到该喷头的距离;
(4)量出喷头所能作业的最大范围,即从最左边一个喷头到最右边一个喷头直接的距离,记为L1;
(5)计算标准化作物行图像的宽度L2;
(6)把喷头坐标系和图像坐标系对应起来,方法是对喷头坐标系上的每个喷头Yn,重新计算其对应到作物行坐标系上的坐标,记为Sn,Sn=(L2*Yn)/L1;
(7)对每个喷头,计算其是否在作物行范围内,方法是循环所有的作物行分布范围,若存在Xn<=Sn<=Xm,则认为喷头n对应农田作物行,其开关状态记为1,否则喷头n对应农田土壤位置,其开关状态记为0;
通过上述算法,计算出从左到右所有喷头的开关状态,得到一组0和1组成的序列,0表示关闭,1表示打开,把这组指令输入到农药喷洒控制输出模块中就可以实现对每个喷头的开关状态的控制。
本发明还公开了一种基于农作物行间自动识别技术的农药定位喷洒系统,包括:
初始化输入模块,设定喷药装置的初始化位置参数,启动喷药装置前端摄像头采集控制器,实时采集农田作物图像信息;
农田作物图像处理与识别模块,对农田作物图像信息依次进行预处理、分割、作物行识别;
农药喷洒控制输出模块,控制各个喷头开始喷洒,或者停止喷洒。
所述的初始化输入模块包括:
摄像头农田实时采集模块,实时采集农田作物图像信息;
农药喷头控制参数初始化模块,设定喷药装置的初始化位置参数。
所述的农田作物图像处理与识别模块包括:
农作物图像预处理模块,根据农作物的不同特征对农田作物图像进行阈值灰度化处理;
农作物图像分割模块,对农田作物图像进行分割处理并进行图像二值化处理;
农作物行识别模块,识别出农田作物行;
农作物行标注与定位模块,将识别后的作物行进行标注,得出农田作物行图像的定位参数。
所述农药喷洒控制输出模块和多个喷头共同组成喷药装置,所述喷头的喷嘴朝向农田作物一侧成排布置,且两相邻喷头之间有间距。
由上述技术方案可知,本发明利用机器视觉、图像处理、自识别等技术,通过自动采集农田作物图像、预处理、分别、识别、定位等一系列步骤,自动对农田作物行进行识别,根据识别结果,自动判断喷药装置的每个喷头是否落在作物行的范围之内,根据判断结果来决定是否喷洒农药。本发明从采集到喷洒自动完成,无需人工判断操作,节省了人力物力,此外,自动的流程化控制提高了农药定位喷洒精度与效率,极大的方便了用户。
附图说明
图1为本发明的方法流程图;
图2为本发明的功能模块方框图;
图3、4、5、6分别为本发明的灰度化图像、二值化图像、标注农作物图像、标准化作物行图像。
具体实施方式
一种基于农作物行间自动识别技术的农药定位喷洒方法,该方法包括下列顺序的步骤:(1)上电初始化,启动喷药装置前端摄像头采集控制器,实时采集农田作物图像信息;(2)对农田作物图像信息依次进行预处理、分割、作物行识别;(3)识别出农田作物行后,对农田作物图像信息进行作物行的标注与定位;(4)依次判断喷药装置的每个喷头是否落在作物行的范围之内,若判断结果为是,则打开此喷头对农作物进行喷洒,否则,关闭此喷头;(5)重复上述步骤直至农药喷洒结束,如图1所示。所述农药喷洒控制输出模块和多个喷头共同组成喷药装置,所述喷头的喷嘴朝向农田作物一侧成排布置,且两相邻喷头之间有间距。
如图1所示,上电初始化,设定喷药装置的初始化位置参数,将采集的农田作物图像信息存储至计算机存储器并形成视频采集农田图像目标文件夹;实时监控视频采集农田图像目标文件夹,判断是否采集到新的农田作物图像,若判断结果为是,则将农田作物图像读入计算机并对农田作物图像信息进行预处理,否则,返回继续监控视频采集农田图像目标文件夹。
对农田作物图像信息进行预处理是指,根据农作物的不同特征对农田作物图像进行阈值灰度化处理;考虑到系统的实时性要求,需要把原始彩色图像转化成灰度图像以提高处理速度。在图像RGB模型中,彩色图像灰度化是使每一个像素点上的R、G、B分量都相等,因此,灰度图像每个像素只需一个字节存放灰度值,灰度范围为0到255;原始的农田图像的农作物表现为绿色,其绿色分量G突出,土壤呈现土褐色,具有较高的R值和B值,基于以上规律,对这三个分量进行EXG颜色因子的线性组合,首先利用EXG颜色因子对彩色图像进行灰度化处理,灰度化图像如图3所示,
EXG灰度化公式如公式(1)所示:
其中,(x,y)表示当前像素点的位置信息,EXG(x,y)表示变换后的灰度值。
对农田作物图像信息进行分割是指,对农田作物图像进行阈值分割处理并进行图像二值化处理,阈值分割是一种利用图像中要提取的目标物与其背景在灰度特性上的差异,选取一个合适的阈值,以确定每个像素点应该属于目标区域还是背景区域,从而产生对应的二值图像,阈值分割后得到的二值化图像如如4所示,
阈值分割图像的基本原理叙述如公式(2)所示:
其中,f(x,y)表示当前像素点的灰度值,P(x,y)表示分割后的二值图像的灰度,Thresh是阈值;
如何选择合适的阈值来对图像进行分割是阈值分割的关键所在,从灰度化的农田图像可以看出,该图像作物行的亮度和背景的亮度有明显的差别,使用基于亮度的阈值分割算法,该算法中阈值的计算公式如公式(3)所示:
Th=Gav+f*(Gmax-Gav) (3)
其中,Th表示阈值,Gav是平均灰度值,Gmax是最大灰度值,f是权重因子;
通过公式(3)计算出阈值后,再通过公式(2)就可以实现灰度图像的阈值分割从而得到二值化图像。
将识别后的作物行进行标注,将标注后的作物行进行标准化,将标准化后的参数输出作为控制喷药装置的对应参数;计算喷药装置与农田作物图像中作物行之间的转化关系,得出农田作物行图像的定位参数;
其中,作物行标注是指,从图4中二值化的农田作物图像,可以看出白色区域为农作物,黑色的为背景,但是该图像中农作物行是不规则的,带有锯齿状的边缘,并且有很多噪声点。要想得到规则的作物行,必须想办法去除锯齿状的边缘和噪声。考虑到农作物通常都是整齐地按直线、彼此间平行的方式种植,因此,根据二值化的农田作物图像在最下面一行像素点的分布,然后在y轴方向延伸即可得到标注的农作物的图像,如图5所示,在此图中,黑色的区域表示土壤背景,白色的区域为作物行目标;
作物行标准化是指,通过设定阈值的方法去除掉标注的农作物的图像的噪声,标注的农作物的图像的噪声是指图像中的黑色窄带,当黑色窄带宽度小于阈值时,认为该行是噪声造成的,并把它设定为背景,通过上述操作得到图6所示的作物行标准化图像;
在农业机械的前方安装摄像头,负责采集农田图像,在拖拉机的后面安装一排喷头,通过农药喷洒控制输出模块来控制每个喷头的开关,摄像头采集到农田图像,系统经过一系列图像处理算法,在得到标准化的作物行图像之后,下一步就是将作物行位置与喷头位置对应起来,然后根据对应结果得到控制参数指令,把这些指令传给农药喷洒控制输出模块,最终实现对喷头的控制,具体控制方法如下:
(1)把摄像头固定在机械的前部,调节摄像头的拍摄范围,使摄像头所能拍摄图像范围恰好跟后置喷头所能作业的范围一致;
(2)对标准化作物行图像,以图像的左下角为原点,向右的方向为X轴方向,建立一维坐标系,以图像的最下面一行像素点为准,计算作物行分布的范围(X1,X2),(X3,X4),…(Xn,Xm);
(3)对于后置喷头,以最左边的一个喷头为原点,向右的方向为X轴方向,建立一维坐标系,设其坐标=0,从左向右的喷头分别记为Y1,Y2,Y3,…Yn,其中Y1,Y2,…Yn是原点也即是最左边一个喷头到该喷头的距离;
(4)量出喷头所能作业的最大范围,即从最左边一个喷头到最右边一个喷头直接的距离,记为L1;
(5)计算标准化作物行图像的宽度L2;
(6)把喷头坐标系和图像坐标系对应起来,方法是对喷头坐标系上的每个喷头Yn,重新计算其对应到作物行坐标系上的坐标,记为Sn,Sn=(L2*Yn)/L1;
(7)对每个喷头,计算其是否在作物行范围内,方法是循环所有的作物行分布范围,若存在Xn<=Sn<=Xm,则认为喷头n对应农田作物行,其开关状态记为1,否则喷头n对应农田土壤位置,其开关状态记为0;
通过上述算法,计算出从左到右所有喷头的开关状态,得到一组0和1组成的序列,0表示关闭,1表示打开,把这组指令输入到农药喷洒控制输出模块中就可以实现对每个喷头的开关状态的控制。
如图2所示,本系统包括:初始化输入模块,设定喷药装置的初始化位置参数,启动喷药装置前端摄像头采集控制器,实时采集农田作物图像信息;农田作物图像处理与识别模块,对农田作物图像信息依次进行预处理、分割、作物行识别;农药喷洒控制输出模块,控制各个喷头开始喷洒,或者停止喷洒。
所述的初始化输入模块包括:摄像头农田实时采集模块,实时采集农田作物图像信息;农药喷头控制参数初始化模块,设定喷药装置的初始化位置参数。
如图3所示,所述的农田作物图像处理与识别模块包括:农作物图像预处理模块,根据农作物的不同特征对农田作物图像进行阈值灰度化处理;农作物图像分割模块,对农田作物图像进行分割处理并进行图像二值化处理;农作物行识别模块,识别出农田作物行;农作物行标注与定位模块,将识别后的作物行进行标注,得出农田作物行图像的定位参数。
综上所述,本发明彻底改变了传统的农作物行识别以及农药定位喷洒中所存在的问题以及不足,进一步改进了农田作物行识别精度,实现了高效、快速的控制多路喷药装置对农田作物进行喷洒。
Claims (9)
1.一种基于农作物行间自动识别技术的农药定位喷洒方法,该方法包括下列顺序的步骤:
(1)上电初始化,启动喷药装置前端摄像头采集控制器,实时采集农田作物图像信息;
(2)对农田作物图像信息依次进行预处理、分割、作物行识别;
(3)识别出农田作物行后,对农田作物图像信息进行作物行的标注与定位;
(4)依次判断喷药装置的每个喷头是否落在作物行的范围之内,若判断结果为是,则打开此喷头对农作物进行喷洒,否则,关闭此喷头;
(5)重复上述步骤直至农药喷洒结束。
2.根据权利要求1所述的基于农作物行间自动识别技术的农药定位喷洒方法,其特征在于:上电初始化,设定喷药装置的初始化位置参数,将采集的农田作物图像信息存储至计算机存储器并形成视频采集农田图像目标文件夹;实时监控视频采集农田图像目标文件夹,判断是否采集到新的农田作物图像,若判断结果为是,则将农田作物图像读入计算机并对农田作物图像信息进行预处理,否则,返回继续监控视频采集农田图像目标文件夹。
3.根据权利要求1所述的基于农作物行间自动识别技术的农药定位喷洒方法,其特征在于:对农田作物图像信息进行预处理是指,根据农作物的不同特征对农田作物图像进行阈值灰度化处理;在图像RGB模型中,彩色图像灰度化是使每一个像素点上的R、G、B分量都相等,因此,灰度图像每个像素只需一个字节存放灰度值,灰度范围为0到255;原始的农田图像的农作物表现为绿色,其绿色分量G突出,土壤呈现土褐色,具有较高的R值和B值,基于以上规律,对这三个分量进行EXG颜色因子的线性组合,首先利用EXG颜色因子对彩色图像进行灰度化处理,EXG灰度化公式如公式(1)所示:
其中,(x,y)表示当前像素点的位置信息,EXG(x,y)表示变换后的灰度值。
4.根据权利要求1所述的基于农作物行间自动识别技术的农药定位喷洒方法,其特征在于:对农田作物图像信息进行分割是指,对农田作物图像进行阈值分割处理并进行图像二值化处理,阈值分割是一种利用图像中要提取的目标物与其背景在灰度特性上的差异,选取一个合适的阈值,以确定每个像素点应该属于目标区域还是背景区域,从而产生对应的二值图像;
阈值分割图像的基本原理叙述如公式(2)所示:
其中,f(x,y)表示当前像素点的灰度值,P(x,y)表示分割后的二值图像的灰度,Thresh是阈值;
从灰度化的农田图像可以看出,该图像作物行的亮度和背景的亮度有明显的差别,使用基于亮度的阈值分割算法,该算法中阈值的计算公式如公式(3)所示:
Th=Gav+f*(Gmax-Gav) (3)
其中,Th表示阈值,Gav是平均灰度值,Gmax是最大灰度值,f是权重因子;
通过公式(3)计算出阈值后,再通过公式(2)就可以实现灰度图像的阈值分割从而得到二值化图像。
5.根据权利要求1所述的基于农作物行间自动识别技术的农药定位喷洒方法,其特征在于:将识别后的作物行进行标注,将标注后的作物行进行标准化,将标准化后的参数输出作为控制喷药装置的对应参数;计算喷药装置与农田作物图像中作物行之间的转化关系,得出农田作物行图像的定位参数;
其中,作物行标注是指,根据二值化的农田作物图像在最下面一行像素点的分布,然后在y轴方向延伸即可得到标注的农作物的图像;
作物行标准化是指,通过设定阈值的方法去除掉标注的农作物的图像的噪声,标注的农作物的图像的噪声是指图像中的黑色窄带,当黑色窄带宽度小于阈值时,认为该行是噪声造成的,并把它设定为背景;
在农业机械的前方安装摄像头,负责采集农田图像,在拖拉机的后面安装一排喷头,通过农药喷洒控制输出模块来控制每个喷头的开关,摄像头采集到农田图像,系统经过一系列图像处理算法,在得到标准化的作物行图像之后,下一步就是将作物行位置与喷头位置对应起来,然后根据对应结果得到控制参数指令,把这些指令传给农药喷洒控制输出模块,最终实现对喷头的控制,具体控制方法如下:
(1)把摄像头固定在机械的前部,调节摄像头的拍摄范围,使摄像头所能拍摄图像范围恰好跟后置喷头所能作业的范围一致;
(2)对标准化作物行图像,以图像的左下角为原点,向右的方向为X轴方向,建立一维坐标系,以图像的最下面一行像素点为准,计算作物行分布的范围(X1,X2),(X3,X4),…(Xn,Xm);
(3)对于后置喷头,以最左边的一个喷头为原点,向右的方向为X轴方向,建立一维坐标系,设其坐标=0,从左向右的喷头分别记为Y1,Y2,Y3,…Yn,其中Y1,Y2,…Yn是原点也即是最左边一个喷头到该喷头的距离;
(4)量出喷头所能作业的最大范围,即从最左边一个喷头到最右边一个喷头直接的距离,记为L1;
(5)计算标准化作物行图像的宽度L2;
(6)把喷头坐标系和图像坐标系对应起来,方法是对喷头坐标系上的每个喷头Yn,重新计算其对应到作物行坐标系上的坐标,记为Sn,Sn=(L2*Yn)/L1;
(7)对每个喷头,计算其是否在作物行范围内,方法是循环所有的作物行分布范围,若存在Xn<=Sn<=Xm,则认为喷头n对应农田作物行,其开关状态记为1,否则喷头n对应农田土壤位置,其开关状态记为0;
通过上述算法,计算出从左到右所有喷头的开关状态,得到一组0和1组成的序列,0表示关闭,1表示打开,把这组指令输入到农药喷洒控制输出模块中就可以实现对每个喷头的开关状态的控制。
6.实施权利要求1至5中任一项所述方法的系统,其特征在于:包括:
初始化输入模块,设定喷药装置的初始化位置参数,启动喷药装置前端摄像头采集控制器,实时采集农田作物图像信息;
农田作物图像处理与识别模块,对农田作物图像信息依次进行预处理、分割、作物行识别;
农药喷洒控制输出模块,控制各个喷头开始喷洒,或者停止喷洒。
7.根据权利要求6所述的系统,其特征在于:所述的初始化输入模块包括:
摄像头农田实时采集模块,实时采集农田作物图像信息;
农药喷头控制参数初始化模块,设定喷药装置的初始化位置参数。
8.根据权利要求6所述的系统,其特征在于:所述的农田作物图像处理与识别模块包括:
农作物图像预处理模块,根据农作物的不同特征对农田作物图像进行阈值灰度化处理;
农作物图像分割模块,对农田作物图像进行分割处理并进行图像二值化处理;
农作物行识别模块,识别出农田作物行;
农作物行标注与定位模块,将识别后的作物行进行标注,得出农田作物行图像的定位参数。
9.根据权利要求6所述的系统,其特征在于:所述农药喷洒控制输出模块和多个喷头共同组成喷药装置,所述喷头的喷嘴朝向农田作物一侧成排布置,且两相邻喷头之间有间距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310473077.6A CN103530643A (zh) | 2013-10-11 | 2013-10-11 | 基于农作物行间自动识别技术的农药定位喷洒方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310473077.6A CN103530643A (zh) | 2013-10-11 | 2013-10-11 | 基于农作物行间自动识别技术的农药定位喷洒方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103530643A true CN103530643A (zh) | 2014-01-22 |
Family
ID=49932640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310473077.6A Pending CN103530643A (zh) | 2013-10-11 | 2013-10-11 | 基于农作物行间自动识别技术的农药定位喷洒方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103530643A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103891697A (zh) * | 2014-03-28 | 2014-07-02 | 南通职业大学 | 一种室内自主移动喷药机器人及其变量喷药方法 |
CN104091175A (zh) * | 2014-07-15 | 2014-10-08 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
CN105165786A (zh) * | 2015-08-12 | 2015-12-23 | 吉林大学 | 基于图像采集的变量喷药机 |
CN105987684A (zh) * | 2015-12-18 | 2016-10-05 | 中国科学院合肥物质科学研究院 | 一种基于单目视觉的农业车辆导航线检测系统及方法 |
CN106508513A (zh) * | 2016-09-05 | 2017-03-22 | 深圳市双赢伟业科技股份有限公司 | 农业互联除虫除草方法 |
CN108271765A (zh) * | 2018-01-05 | 2018-07-13 | 湘潭大学 | 一种多功能爪头监控环境机器人及其植物识别方法 |
CN109190452A (zh) * | 2018-07-09 | 2019-01-11 | 北京农业智能装备技术研究中心 | 作物行识别方法及装置 |
CN109358643A (zh) * | 2018-10-31 | 2019-02-19 | 阮镇荣 | 一种基于图像处理的多模式无人机农药喷洒系统及方法 |
CN109526918A (zh) * | 2018-11-20 | 2019-03-29 | 东北农业大学 | 一种基于机器视觉的风送式多喷路除草设备 |
CN110276280A (zh) * | 2019-06-06 | 2019-09-24 | 刘嘉津 | 一种农作物害虫图像自动识别的光学处理方法 |
CN110301208A (zh) * | 2019-07-11 | 2019-10-08 | 中国地质大学(武汉) | 一种微型农场施肥浇灌的定位装置及方法 |
CN110516563A (zh) * | 2019-08-06 | 2019-11-29 | 西安电子科技大学 | 基于dsp的农业移栽机智能路径导航方法 |
CN111027380A (zh) * | 2019-11-05 | 2020-04-17 | 北京海益同展信息科技有限公司 | 喷头控制方法、装置、计算机设备和存储介质 |
CN112889446A (zh) * | 2021-02-01 | 2021-06-04 | 王瑾 | 一种农业种植水肥一体化装置 |
CN113100207A (zh) * | 2021-04-14 | 2021-07-13 | 郑州轻工业大学 | 基于小麦病害信息的精准配方施药机器人系统及施药方法 |
CN113332920A (zh) * | 2021-04-25 | 2021-09-03 | 山西农业大学 | 一种农药自动配比装置及其控制方法 |
CN113749078A (zh) * | 2021-08-16 | 2021-12-07 | 北京农业智能装备技术研究中心 | 一种多路喷头独立控制方法及系统 |
CN114489045A (zh) * | 2021-12-27 | 2022-05-13 | 广州极飞科技股份有限公司 | 一种作业控制方法、模块、设备及存储介质 |
CN116363390A (zh) * | 2023-05-25 | 2023-06-30 | 之江实验室 | 一种红外弱小目标检测方法、装置、存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102422832A (zh) * | 2011-08-17 | 2012-04-25 | 中国农业大学 | 喷雾视觉定位系统及定位方法 |
CN102800083A (zh) * | 2012-06-19 | 2012-11-28 | 中国农业大学 | 基于双目视觉网格划分匹配算法的农作物喷雾定位方法 |
-
2013
- 2013-10-11 CN CN201310473077.6A patent/CN103530643A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102422832A (zh) * | 2011-08-17 | 2012-04-25 | 中国农业大学 | 喷雾视觉定位系统及定位方法 |
CN102800083A (zh) * | 2012-06-19 | 2012-11-28 | 中国农业大学 | 基于双目视觉网格划分匹配算法的农作物喷雾定位方法 |
Non-Patent Citations (3)
Title |
---|
JIE ZHANG ET AL.: "Machine Vision Based Spraying Control of Agricultural Machinery", 《PROCEEDINGS OF THE 2011 3RD INTERNATIONAL CONFERENCE ON COMPUTER TECHNOLOGY AND DEVELOPMENT》, 27 November 2011 (2011-11-27), pages 39 - 43 * |
赵瑞娇等: "基于改进Hough变换的农田作物行快速检测算法", 《农业机械学报》, 31 July 2009 (2009-07-31), pages 163 - 165 * |
陈丽君: "基于机器视觉的变量喷雾控制系统研究", 《中国博士学位论文全文数据库 信息科技辑》, 15 December 2009 (2009-12-15), pages 17 - 94 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103891697A (zh) * | 2014-03-28 | 2014-07-02 | 南通职业大学 | 一种室内自主移动喷药机器人及其变量喷药方法 |
CN104091175A (zh) * | 2014-07-15 | 2014-10-08 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
CN104091175B (zh) * | 2014-07-15 | 2017-08-01 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
CN105165786A (zh) * | 2015-08-12 | 2015-12-23 | 吉林大学 | 基于图像采集的变量喷药机 |
CN105165786B (zh) * | 2015-08-12 | 2018-03-09 | 吉林大学 | 基于图像采集的变量喷药机 |
CN105987684A (zh) * | 2015-12-18 | 2016-10-05 | 中国科学院合肥物质科学研究院 | 一种基于单目视觉的农业车辆导航线检测系统及方法 |
CN106508513A (zh) * | 2016-09-05 | 2017-03-22 | 深圳市双赢伟业科技股份有限公司 | 农业互联除虫除草方法 |
CN108271765A (zh) * | 2018-01-05 | 2018-07-13 | 湘潭大学 | 一种多功能爪头监控环境机器人及其植物识别方法 |
CN109190452A (zh) * | 2018-07-09 | 2019-01-11 | 北京农业智能装备技术研究中心 | 作物行识别方法及装置 |
CN109358643A (zh) * | 2018-10-31 | 2019-02-19 | 阮镇荣 | 一种基于图像处理的多模式无人机农药喷洒系统及方法 |
CN109526918A (zh) * | 2018-11-20 | 2019-03-29 | 东北农业大学 | 一种基于机器视觉的风送式多喷路除草设备 |
CN110276280A (zh) * | 2019-06-06 | 2019-09-24 | 刘嘉津 | 一种农作物害虫图像自动识别的光学处理方法 |
CN110301208A (zh) * | 2019-07-11 | 2019-10-08 | 中国地质大学(武汉) | 一种微型农场施肥浇灌的定位装置及方法 |
CN110516563A (zh) * | 2019-08-06 | 2019-11-29 | 西安电子科技大学 | 基于dsp的农业移栽机智能路径导航方法 |
CN111027380A (zh) * | 2019-11-05 | 2020-04-17 | 北京海益同展信息科技有限公司 | 喷头控制方法、装置、计算机设备和存储介质 |
WO2021088700A1 (zh) * | 2019-11-05 | 2021-05-14 | 京东数科海益信息科技有限公司 | 喷头控制方法、装置、计算机设备和存储介质 |
CN112889446A (zh) * | 2021-02-01 | 2021-06-04 | 王瑾 | 一种农业种植水肥一体化装置 |
CN113100207A (zh) * | 2021-04-14 | 2021-07-13 | 郑州轻工业大学 | 基于小麦病害信息的精准配方施药机器人系统及施药方法 |
CN113332920A (zh) * | 2021-04-25 | 2021-09-03 | 山西农业大学 | 一种农药自动配比装置及其控制方法 |
CN113749078A (zh) * | 2021-08-16 | 2021-12-07 | 北京农业智能装备技术研究中心 | 一种多路喷头独立控制方法及系统 |
CN114489045A (zh) * | 2021-12-27 | 2022-05-13 | 广州极飞科技股份有限公司 | 一种作业控制方法、模块、设备及存储介质 |
CN116363390A (zh) * | 2023-05-25 | 2023-06-30 | 之江实验室 | 一种红外弱小目标检测方法、装置、存储介质及电子设备 |
CN116363390B (zh) * | 2023-05-25 | 2023-09-19 | 之江实验室 | 一种红外弱小目标检测方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103530643A (zh) | 基于农作物行间自动识别技术的农药定位喷洒方法及系统 | |
US20210406540A1 (en) | Automated plant detection using image data | |
Åstrand et al. | An agricultural mobile robot with vision-based perception for mechanical weed control | |
Tang et al. | Weed detection using image processing under different illumination for site-specific areas spraying | |
CN109886155B (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN109376728A (zh) | 一种基于多特征融合和bp神经网络的稻田杂草识别方法及其应用 | |
CN102172233A (zh) | 一种棉田杂草实时识别对靶喷施的方法 | |
Kawamura et al. | Discriminating crops/weeds in an upland rice field from UAV images with the SLIC-RF algorithm | |
CN104850836A (zh) | 基于深度卷积神经网络的害虫图像自动识别方法 | |
Valente et al. | Detecting Rumex obtusifolius weed plants in grasslands from UAV RGB imagery using deep learning | |
US20190188847A1 (en) | Utilizing artificial intelligence with captured images to detect agricultural failure | |
CN104899255A (zh) | 适用于训练深度卷积神经网络的图像数据库的构建方法 | |
CN102564593A (zh) | 基于计算机视觉及物联网的植物生长状况监测系统 | |
CN104239886B (zh) | 基于图像分析的草坪与背景分界线的提取方法 | |
CN107633202A (zh) | 一种基于农田图像特征识别的植保无人机飞控方法和系统 | |
CN114239756B (zh) | 一种虫害检测方法及系统 | |
CN114818909B (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
De Castro et al. | Mapping Cynodon dactylon in vineyards using UAV images for site-specific weed control | |
Ma et al. | Automatic detection of crop root rows in paddy fields based on straight-line clustering algorithm and supervised learning method | |
CN111727457A (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
Wang et al. | The seedling line extraction of automatic weeding machinery in paddy field | |
CN117036926A (zh) | 一种融合深度学习与图像处理的杂草识别方法 | |
Hong et al. | Adaptive target spray system based on machine vision for plant protection UAV | |
Duman et al. | Design of a smart vertical farming system using image processing | |
Polder et al. | Early disease detection in apple and grape using deep learning on a smart-camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140122 |
|
WD01 | Invention patent application deemed withdrawn after publication |