CN105631884A - 农作物穗数田间主动测量装置与方法 - Google Patents
农作物穗数田间主动测量装置与方法 Download PDFInfo
- Publication number
- CN105631884A CN105631884A CN201610007865.XA CN201610007865A CN105631884A CN 105631884 A CN105631884 A CN 105631884A CN 201610007865 A CN201610007865 A CN 201610007865A CN 105631884 A CN105631884 A CN 105631884A
- Authority
- CN
- China
- Prior art keywords
- crops
- spike number
- crop plant
- end effector
- camera bellows
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种农作物穗数田间主动测量装置与方法。测量装置由暗箱、光源、CCD相机、三自由度移动运动臂、旋转末端执行器、图像采集卡、上位机处理模块、桁架机器人系统组成。农作物定点种植,上位机控制暗箱移动到每一株农作物上方;当暗箱移动到每一株农作物上方时,暗箱向下移动,罩住农作物穗部;三自由度运动臂协调末端执行器运动,并将农作物穗部分成四个象限,其中每个象限依次撑开并通过CCD相机拍照,成像后传回上位机处理模块;上位机处理模块进行处理分析,并将得到穗数信息储存。本发明的测量属于主动测量,具有精度高、效率高的特点,操作简单、应用前景广阔的特点。
Description
技术领域
本发明涉及农业成像技术主动测量领域,具体地说是带有机械手的农作物穗数田间主动测量装置与方法。
背景技术
随着人口持续增长,对粮食的需求不断增加。据预测到2030年,我国人口将会增加至16亿,粮食年度需求量可能会达到6.4亿吨左右。致力于育种新技术,培育高产、多抗的粮食作物品种是实现丰产的关键。植物表型是遗传基因与环境共同作用的结果,因此,其表型信息对于作物育种意义重大。穗子(结实器官)水稻、小麦等农作物的穗数(结实器官的数量)决定了谷粒的数量,因此与农作物产量直接相关。
目前农作物穗数测量方法多为人工测量。传统的人工测量主要采取抽样调查的方式,在田间抽取有代表性的农作物植株。由于穗子间存在相互遮挡,需要用手拨开穗子并计数。测量过程繁琐,劳动强度很大,效率低下。近些年,大量无损光学成像方法涌现。自动化输送带结合机器视觉、图像处理、模式识别等技术的运用,催生出一系列植物表型高通量测量平台。由于农作物间存在相互遮挡,光线干扰以及摄像机标定困难等问题,测量平台都是在实验室结构化环境下工作,并不是真正意义上的大田测量,且价格昂贵,很难推广。
现有的农作物穗数测量的专利主要集中于在体测量。在体测量属于非破坏性测量,但是相对而言精度较低。典型的是植物表型高通量测量平台,可以测量包括农作物穗数、株高、叶面积在内的表型参数。例如德国的研究机构lemnaTec构建了一种新型的表型组学研究平台,能够提供高通量高容量和全自动化的表型分析系统。还有国内的华中科技大学经过改进的H-SMART系统,通过图像处理,在体获取包括穗数在内的许多穗部性状。但是这些平台造价高昂,所处理的农作物也都是单株种植在花盆里的,并非在原始的大田环境。这些测量工具主要基于自动化成像与图像分析技术,比如二维或三维的三光彩色成像、荧光成像、热成像、成像光谱、MRT成像等成像方式和图像处理、模式识别等技术。再结合自动化输送平台,把单株种植在花盆中的农作物依次引入实验室进行处理。故其并不是在田地实地测量,只是在实验室结构化环境下的近似逼近。
因此,传统的穗数测量主要依靠人工测量,人工数出每株农作物的穗数,费时费力,准确性依赖操作人员。近年来,随着机器视觉、图像处理、模式识别等技术在植物表型上的应用,自动化测量方法不断涌现。现有的自动化测量方法有两类:一类是在田间手动调整穗部的位置,并进行拍照,采集的图像只包含穗部,再利用算法分割并计数,实质上是一种半自动方法,工作量大,效率低;另一类是将农作物单独种植于花盆中,依次运送到暗室拍照,对采集到的图像进行分割处理,这种测量方法属于被动测量,无法控制被测对象,也不是真正意义上的田间测量,只是实验室结构化环境下测量分析技术近似逼近真实田间测量和分析。实验室结构化环境规避了田间相互遮挡、光线干扰以及摄像机标定困难的问题,但是该方法缺乏田间现实农艺环境的考察,不适用于田间高通量的测量。
目前没有发现同本发明类似技术的说明或报道,也尚未收集到国内外类似的资料。
发明内容
针对现有技术中存在的上述不足,本发明的目的是提供一种农作物穗数田间主动测量装置与方法。由于农作物穗数是农作物穗部性状的重要参数,直接决定农作物的产量,因此在育种环节占有重要地位,本发明为了对农作物穗数田间的主动测量,引入三自由度移动运动臂和旋转末端执行器,变被动测量为主动测量,有效的解决了结实器官间相互遮挡的问题,可以实现农作物穗数田间的主动测量。
为实现上述目的,本发明是通过以下技术方案实现的。
一种农作物穗数田间主动测量装置,包括暗箱、光源模块、CCD相机、三自由度移动运动臂、旋转末端执行器、图像采集卡、上位机处理模块、桁架机器人系统;其中:
所述桁架机器人系统安装在田间,并通过上位机处理模块控制;
所述暗箱固定在桁架机器人系统上,能够实现三自由度的移动,暗箱用于减少光线对成像的干扰;
所述CCD相机、光源模块和三自由度移动运动臂从上到下依次设置于暗箱中;
所述旋转末端执行器的中心固定在三自由度移动运动臂的下端,旋转末端执行器的中心能够实现三自由度的移动;
所述图像采集卡与CCD相机相连接,所述图像采集卡用于将CCD相机采集的模拟信号转换为数字信号并高保真压缩数据;
所述上位机处理模块与图像采集卡相连接,所述上位机处理模块用于处理及分析信号采集模块转换后的数字信号,并储存。
优选地,所述旋转末端执行器设置于三自由度移动运动臂的下端;其中:所述旋转末端执行器包括运动手臂、步进电机和固定手臂,所述运动手臂通过步进电机安装于固定手臂的中心处,形成十字交叉结构;运动手臂在步进电机的驱动下旋转从而改变运动手臂与固定手臂之间的夹角。
优选地,所述旋转末端执行器的外部覆有涂层(可以是黑漆涂层),所述涂层用于与农作物相区别,便于后期处理。
据本发明的第二个方面,提供了一种农作物穗数田间主动测量方法,包括如下步骤:
步骤S1,农作物定点种植,暗箱移动到每一株农作物植株上方;
步骤S2,当暗箱移动到每一株农作物植株上方时,暗箱向下移动,罩住农作物植株的穗部;
步骤S3,三自由度运动臂协同旋转末端执行器运动,并将农作物植株的穗部分成四个象限,其中每个象限被旋转末端执行器依次撑开并通过CCD相机拍照,成像后传回上位机处理模块;
步骤S4,上位机处理模块进行处理分析,并将得到农作物植株的穗数信息进行储存。
优选地,在步骤S3中,对其中一个象限的农作物植株的穗部,采用2个CCD相机,取两幅图片处理后获得的农作物植株的穗数的最大值作为这一象限的穗数,并对四个象限分别取像后进行求和,获得每株农作物植株的穗数。
优选地,每个象限的农作物植株的穗数按以下步骤进行得到:
步骤S31:根据旋转末端执行器与农作物颜色明显的区别,分割出待研究区域;
步骤S32:对待研究区域,提取农作物植株特征;
步骤S33:对农作物植株特征进行分类,提出农作物植株的穗部;
步骤S34:进行待研究区域合并与分割,计算出农作物植株的穗数。
优选地,所述农作物植株特征包括:植株颜色、植株纹理。
优选地,所述步骤S32中,对农作物植株特征的提取采用relief特征选择算法。
优选地,所述步骤S33中,对农作物植株特征进行分类采用SVM分类器。
本发明提出的农作物穗数田间主动测量装置与方法,其农作物主要包括水稻、小麦、燕麦、玉米、大豆等具有结实器官(例如稻穗、麦穗、豆荚等)的作物,但不限于水稻、小麦、燕麦、玉米、大豆等作物。
本发明提供的农作物穗数田间主动测量装置与方法,引入三自由度移动运动臂和旋转末端执行器,旨在实现田间密植条件下农作物穗数(结实器官的数量)的主动测量。农作物按一定间距种植,并在农作物田上方架设桁架机器人系统。桁架上固定暗箱,通过计算机控制运动。暗箱中安装有CCD相机、光源模块以及三自由度移动运动臂和旋转末端执行器。桁架带动暗箱运动到每株农作物上方,三自由度移动运动臂和旋转末端执行器协同运动,把结实器官部分成四个象限,每个象限依次撑开拍照并处理,解决遮挡问题。该农作物穗数田间主动测量装置可以实现农作物穗数田间的自动化采集,并能对测量结果记录、分析和存储。
与现有技术相比,本发明具有如下有益效果:
1、采用三自由度移动运动臂和旋转末端执行器协同运动,把农作物穗部撑开,成像传感器(CCD相机)采集图像并处理,解决了遮挡问题;
2、在暗箱前后各安装一个CCD相机并以垂直75°布置,有效防止了机械手模块对结实器官的遮挡;
3、光源模块置于暗箱之中,环形分布,使光照均匀,暗箱内壁涂上特殊的材料(不透光),防止了外界光线干扰;
4、暗箱可以移动到每株农作物上方,并进行升降运动,罩住农作物穗部区域,为采集图像提供良好的环境;
5、通过三自由度移动运动臂和旋转末端执行器协同运动将农作物穗部分为4个象限分别采集图像再整合,结果更为精确;
6、本发明的测量属于主动测量,具有精度高、效率高的特点,操作简单、应用前景广阔。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明装置整体结构示意图。
图2是本发明装置的旋转末端执行器结构示意图。
图3是本发明装置的工作流程图。
图中:1为桁架机器人系统,2为暗箱,3为CCD相机,4为光源模块,5为三自由度移动运动臂,6旋转末端执行器,7为运动手臂,8为步进电机,9为固定手臂。
具体实施方式
下面对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
实施例
本实施例提供了一种农作物穗数田间主动测量装置,包括暗箱、光源模块、CCD相机、三自由度移动运动臂、旋转末端执行器、图像采集卡、上位机处理模块、桁架机器人系统;其中:
所述桁架机器人系统安装在田间,通过上位机处理模块控制;
所述暗箱固定在桁架机器人系统上,可以实现三自由度的移动,暗箱用于减少光线对成像的干扰;
所述CCD相机、光源模块和三自由度移动运动臂从上到下依次设置于暗箱中;
所述旋转末端执行器中心固定在三自由度移动运动臂下端,旋转末端执行器中心可以实现三自由度的移动;
所述图像采集卡与CCD相机相连接,用于将CCD相机采集的模拟信号转换为数字信号并高保真压缩数据;
所述上位机处理模块与图像采集卡相连接,用于处理及分析信号采集模块转换后的数字信号,并储存。
进一步地,所述旋转末端执行器设置于三自由度移动运动臂的下端;其中:
所述旋转末端执行器包括运动手臂、步进电机和固定手臂,所述运动手臂通过步进电机安装于固定手臂的中心处,形成十字交叉结构;运动手臂在步进电机的驱动下旋转从而改变与固定手臂的夹角。
进一步地,所述旋转末端执行器的外部涂黑(形成黑漆涂层),与农作物相区别,便于后期处理。
本实施例提供的农作物穗数田间主动测量装置,其测量方法,包括如下步骤:
步骤S1,农作物定点种植,暗箱移动到每一株农作物上方;
步骤S2,当暗箱移动到每一株农作物上方时,暗箱向下移动,罩住农作物穗部;
步骤S3,三自由度运动臂协同旋转末端执行器运动,并将农作物穗部分成四个象限,其中每个象限依次撑开并通过CCD相机拍照,成像后传回上位机处理模块;
步骤S4,上位机处理模块进行处理分析,并将得到穗数信息储存。
进一步地,在步骤S3中,对其中一个象限的农作物穗部,采用2个CCD相机,取两幅图片处理后获得的穗数的最大值作为这一象限的穗数,并对四个象限分别取像后进行求和,获得每株农作物的穗数。
进一步地,在步骤S3中,每个象限的农作物穗数按以下步骤进行得到:步骤S31:根据末端执行器与农作物颜色明显的区别,分割出待研究的区域;步骤S32:对待研究区域,提取颜色、纹理等特征;可以利用relief等特征选择算法选取特征;步骤S33:使用SVM等分类器进行分类,提出结实器官部分;步骤S34:进行区域合并与分割,计算出穗数。
本实施例对农作物穗数的测量主要依靠光学成像方法和图像分析技术;采取可见光成像的方法,由于可见光成像是最简单、最经济的植物成像技术,可以测量植物表型的许多参数。现有的大多数研究都集中在对簇生叶植物如拟南芥等结构比较简单的植株表型参数的测量,对于禾本科多分蘖作物如小麦、大麦、农作物等,由于植株器官间相互遮挡的原因,测量效果并不是很好,本实施例很好的解决了遮挡问题,引入机械手模块,通过机械手模块把农作物穗部撑开,成像传感器采集图像并处理。
本实施例中,桁架机器人系统移动带动暗箱到每一株农作物上方。暗箱带动三自由度运动臂、末端执行器、CCD相机与光源下降。三自由度运动手臂和旋转结构的末端执行器协同运动,把农作物穗部分为四个象限,每个象限依次撑开并通过CCD相机成像。成像结果上传到上位机,上位机进行处理分析。为了防止机械臂遮挡影响成像,采用2个CCD相机,取两幅图片处理后获得的穗数的最大值作为这一象限的穗数,并对四个象限进行求和,获得每株农作物的穗数。
下面结合附图和实施例对本发明作进一步的描述。
如图1所示,本实施例提供的农作物穗数穗数田间主动测量装置,它包括暗箱、光源、CCD相机、三自由度移动运动臂、旋转末端执行器、图像采集卡、上位机处理模块、桁架机器人系统该主动测量装置通过三自由度运动臂协同末端执行器撑开农作物穗部区域,并依次成像,以此解决农作物田间遮挡的问题。光源、CCD相机、三自由度运动臂、末端执行器固定在暗箱里,暗箱可以随桁架机器人系统移动并上下升降。在具体实施时,根据上位机处理模块存储的位置信息,桁架机器人系统带动暗箱移动,移动到指定位置再控制三自由度移动运动臂协同旋转末端执行器撑开农作物穗部。
在具体实施时,成像传感器主要为CCD相机,根据测量的需要置于暗箱之中。CCD相机置于暗箱两侧,距垂直方向75°布置。图像采集卡将成像传感器采集的信号放大后传入上位机。
在具体实施时,CCD相机及光源模块放置在暗箱之中。光源模块环形布置,使光照均匀,减少光线干扰。
如图2所示,机械手模块位于暗箱之中。机械手模块分为三自由度移动运动臂与旋转末端执行器,可以通过控制调整姿态,实现撑开农作物穗部区域的功能。
在实际应用时,把光源、CCD相机、三自由度移动运动臂、旋转末端执行器准确安装在暗箱上,并与图像采集卡连接,暗箱与桁架机器人系统固定,使用控制器控制。上位机对传回的数据通过软件分析处理,并显示。桁架机器人系统带动暗箱移动到每株农作物上方,三自由度移动运动臂协同旋转末端执行器运动把农作物穗部分为四个象限,每个象限依次被末端执行器撑开并用CCD相机采集数据。拍摄的图像传入上位机,存入数据库,并通过算法计算出每株农作物穗数并保存。
在本实施例中:
暗箱固定在桁架机器人系统上,可以通过控制移动;三自由度移动运动臂、旋转末端执行器、CCD相机和光源置于暗箱中,上位机连接显示器显示采集的图片并自动计算农作物穗数。
三自由度移动运动臂置于暗箱中,可以实现升降及前后左右运动,再通过末端执行器的旋转运动,实现分开结实器官的功能。
CCD相机置于暗箱之中。为了防止机械手对结实器官的遮挡,暗箱前后各安装一个相机并以垂直75°布置。
光源模块置于暗箱之中,环形分布,使光照均匀,暗箱内壁涂上特殊的材料,防止外界干扰。
暗箱可以通过控制移动到每株农作物上方,并进行升降运动,罩住农作物穗部区域。
农作物定点种植,根据上位机处理模块存储的位置信息控制暗箱移动到每一株农作物上方。暗箱向下移动,罩住农作物上部。三自由度移动运动臂协同旋转末端执行器运动把结实器官分成四个象限,每个象限依次撑开并通过CCD相机拍照,成像后传回上位机,上位机进行处理分析,得到穗数信息并储存。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (9)
1.一种农作物穗数田间主动测量装置,其特征在于,包括暗箱、光源模块、CCD相机、三自由度移动运动臂、旋转末端执行器、图像采集卡、上位机处理模块、桁架机器人系统;其中:
所述桁架机器人系统安装在田间,并通过上位机处理模块控制;
所述暗箱固定在桁架机器人系统上;
所述CCD相机、光源模块和三自由度移动运动臂从上到下依次设置于暗箱中;
所述旋转末端执行器的中心固定在三自由度移动运动臂的下端,旋转末端执行器的中心能够实现三自由度的移动;
所述图像采集卡与CCD相机相连接,所述图像采集卡用于将CCD相机采集的模拟信号转换为数字信号并高保真压缩数据;
所述上位机处理模块与图像采集卡相连接,所述上位机处理模块用于处理及分析信号采集模块转换后的数字信号,并储存。
2.根据权利要求1所述的农作物穗数田间主动测量装置,其特征在于,所述旋转末端执行器包括运动手臂、步进电机和固定手臂,所述运动手臂通过步进电机安装于固定手臂的中心处,形成十字交叉结构;运动手臂在步进电机的驱动下旋转从而改变运动手臂与固定手臂之间的夹角。
3.根据权利要求2所述的农作物穗数田间主动测量装置,其特征在于,所述旋转末端执行器的外部覆有涂层,所述涂层用于与农作物相区别。
4.一种农作物穗数田间主动测量方法,其特征在于,包括如下步骤:
步骤S1,农作物定点种植,暗箱移动到每一株农作物植株上方;
步骤S2,当暗箱移动到每一株农作物植株上方时,暗箱向下移动,罩住农作物植株的穗部;
步骤S3,三自由度运动臂协同旋转末端执行器运动,并将农作物植株的穗部分成四个象限,其中每个象限被旋转末端执行器依次撑开并通过CCD相机拍照,成像后传回上位机处理模块;
步骤S4,上位机处理模块进行处理分析,并将得到农作物植株的穗数信息进行储存。
5.根据权利要求4所述的农作物穗数田间主动测量方法,其特征在于,在步骤S3中,对其中一个象限的农作物植株的穗部,采用2个CCD相机,取两幅图片处理后获得的农作物植株的穗数的最大值作为这一象限的穗数,并对四个象限分别取像后进行求和,获得每株农作物植株的穗数。
6.根据权利要求5所述的农作物穗数田间主动测量方法,其特征在于,每个象限的农作物植株的穗数按以下步骤进行得到:
步骤S31:根据旋转末端执行器与农作物颜色明显的区别,分割出待研究区域;
步骤S32:对待研究区域,提取农作物植株特征;
步骤S33:对农作物植株特征进行分类,提出农作物植株的穗部;
步骤S34:进行待研究区域合并与分割,计算出农作物植株的穗数。
7.根据权利要求6所述的农作物穗数田间主动测量方法,其特征在于,所述农作物植株特征包括:植株颜色、植株纹理。
8.根据权利要求6所述的农作物穗数田间主动测量方法,其特征在于,所述步骤S32中,对农作物植株特征的提取采用relief特征选择算法。
9.根据权利要求6所述的农作物穗数田间主动测量方法,其特征在于,所述步骤S33中,对农作物植株特征进行分类采用SVM分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610007865.XA CN105631884A (zh) | 2016-01-06 | 2016-01-06 | 农作物穗数田间主动测量装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610007865.XA CN105631884A (zh) | 2016-01-06 | 2016-01-06 | 农作物穗数田间主动测量装置与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631884A true CN105631884A (zh) | 2016-06-01 |
Family
ID=56046770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610007865.XA Pending CN105631884A (zh) | 2016-01-06 | 2016-01-06 | 农作物穗数田间主动测量装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631884A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404780A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 基于平板电脑的稻穗表型分析仪与使用方法 |
CN109799824A (zh) * | 2019-01-23 | 2019-05-24 | 华中农业大学 | 基于轮式小车的田间作物图像采集装置 |
CN110514591A (zh) * | 2019-08-27 | 2019-11-29 | 南京林业大学 | 一种植物的光环境影响实验装置及其实验方法 |
CN110866975A (zh) * | 2019-04-25 | 2020-03-06 | 华中农业大学 | 基于多目视觉的油菜图像获取装置及三维特征提取方法 |
CN112067594A (zh) * | 2020-09-30 | 2020-12-11 | 南京农业大学 | 一种作物表型叶绿素荧光的移动式检测系统 |
CN112487936A (zh) * | 2020-11-26 | 2021-03-12 | 郑州数农通大数据科技有限公司 | 一种基于机器视觉技术的玉米田间管理机器人 |
CN112610828A (zh) * | 2020-12-29 | 2021-04-06 | 河南科技大学 | 一种田间小麦图像采集设备 |
CN114514914A (zh) * | 2021-12-28 | 2022-05-20 | 中国农业大学 | 一种智能感知施肥与农药喷洒方法与装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072745A (zh) * | 2009-11-20 | 2011-05-25 | 中国农业科学院农业资源与农业区划研究所 | 基于远程监控的农作物产量实时测量装置、系统及方法 |
CN102425992A (zh) * | 2011-12-15 | 2012-04-25 | 青岛农业大学 | 一种玉米果穗性状测量装置和测量玉米穗行数、穗行倾角以及穗缘角的方法 |
CN102692419A (zh) * | 2012-01-15 | 2012-09-26 | 河南科技大学 | 一种基于机器视觉的球形果蔬图像采集装置及其采集方法 |
CN104392430A (zh) * | 2014-10-22 | 2015-03-04 | 华南农业大学 | 基于机器视觉的超级杂交稻穴播量的检测方法及装置 |
-
2016
- 2016-01-06 CN CN201610007865.XA patent/CN105631884A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072745A (zh) * | 2009-11-20 | 2011-05-25 | 中国农业科学院农业资源与农业区划研究所 | 基于远程监控的农作物产量实时测量装置、系统及方法 |
CN102425992A (zh) * | 2011-12-15 | 2012-04-25 | 青岛农业大学 | 一种玉米果穗性状测量装置和测量玉米穗行数、穗行倾角以及穗缘角的方法 |
CN102692419A (zh) * | 2012-01-15 | 2012-09-26 | 河南科技大学 | 一种基于机器视觉的球形果蔬图像采集装置及其采集方法 |
CN104392430A (zh) * | 2014-10-22 | 2015-03-04 | 华南农业大学 | 基于机器视觉的超级杂交稻穴播量的检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
侯学贵 等: "除草机器人田间机器视觉导航", 《农业机械学报》 * |
周俊 等: "农用轮式移动机器人视觉导航系统*", 《农业机械学报》 * |
苏乐乐 等: "基于单片机控制的玉米收获机器人转向系统", 《农机化研究》 * |
金理钻: "基于双目视觉的黄瓜采摘机器人关键技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404780A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 基于平板电脑的稻穗表型分析仪与使用方法 |
CN109799824A (zh) * | 2019-01-23 | 2019-05-24 | 华中农业大学 | 基于轮式小车的田间作物图像采集装置 |
CN110866975A (zh) * | 2019-04-25 | 2020-03-06 | 华中农业大学 | 基于多目视觉的油菜图像获取装置及三维特征提取方法 |
CN110514591A (zh) * | 2019-08-27 | 2019-11-29 | 南京林业大学 | 一种植物的光环境影响实验装置及其实验方法 |
CN110514591B (zh) * | 2019-08-27 | 2022-01-11 | 南京林业大学 | 基于表型信息采集的植物光环境影响实验装置及实验方法 |
CN112067594A (zh) * | 2020-09-30 | 2020-12-11 | 南京农业大学 | 一种作物表型叶绿素荧光的移动式检测系统 |
CN112487936A (zh) * | 2020-11-26 | 2021-03-12 | 郑州数农通大数据科技有限公司 | 一种基于机器视觉技术的玉米田间管理机器人 |
CN112610828A (zh) * | 2020-12-29 | 2021-04-06 | 河南科技大学 | 一种田间小麦图像采集设备 |
CN114514914A (zh) * | 2021-12-28 | 2022-05-20 | 中国农业大学 | 一种智能感知施肥与农药喷洒方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105631884A (zh) | 农作物穗数田间主动测量装置与方法 | |
Story et al. | Design and implementation of a computer vision-guided greenhouse crop diagnostics system | |
Mortensen et al. | Segmentation of lettuce in coloured 3D point clouds for fresh weight estimation | |
CN105547152A (zh) | 农作物表型田间高通量主动测量装置与方法 | |
CN105717115A (zh) | 基于光学成像技术的高通量植物表型分析装置和方法 | |
CN201600330U (zh) | 成熟菠萝识别与定位系统 | |
CN110223349A (zh) | 一种采摘点定位方法 | |
CN107132228A (zh) | 一种油菜全生长期信息的高通量表型研究系统 | |
CN101539531A (zh) | 基于多光谱图像处理的水稻稻叶瘟病检测分级方法 | |
CN110163138A (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
Huang et al. | An automatic machine vision-guided grasping system for Phalaenopsis tissue culture plantlets | |
CN104732564A (zh) | 一种玉米叶面积无损动态监测装置与方法 | |
KR20210077504A (ko) | 스마트팜 데이터 생육연동시스템 | |
JP4961555B2 (ja) | 植物の対象部分の位置特定方法とその方法による対象部分の位置特定装置及びその装置を用いた作業用ロボット | |
CN109605375A (zh) | 一种智能番茄采摘机器人的控制方法 | |
Rao | Design of automatic cotton picking robot with Machine vision using Image Processing algorithms | |
CN114818909A (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
WO2022222822A1 (zh) | 一种基于非平行放置摄像头的黄蜀葵花识别及定位方法和设备 | |
Jin et al. | Low-damage transplanting method for leafy vegetable seedlings based on machine vision | |
CN110741790B (zh) | 一种基于深度相机的穴盘苗多爪移栽-分选的处理方法 | |
Cho et al. | Plant growth information measurement based on object detection and image fusion using a smart farm robot | |
Wang et al. | Research advance in phenotype detection robots for agriculture and forestry | |
Liu et al. | The Vision-Based Target Recognition, Localization, and Control for Harvesting Robots: A Review | |
CN113554691A (zh) | 一种植株高度测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |