CN105794382B - 一种基于机器视觉技术的果园精准施肥装置及施肥方法 - Google Patents
一种基于机器视觉技术的果园精准施肥装置及施肥方法 Download PDFInfo
- Publication number
- CN105794382B CN105794382B CN201610312193.3A CN201610312193A CN105794382B CN 105794382 B CN105794382 B CN 105794382B CN 201610312193 A CN201610312193 A CN 201610312193A CN 105794382 B CN105794382 B CN 105794382B
- Authority
- CN
- China
- Prior art keywords
- fruit tree
- image
- fruit
- fertilizer
- data
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Fertilizing (AREA)
Abstract
本发明涉及一种基于机器视觉技术的果园精准施肥装置及施肥方法,包括图像采集模块、图像处理模块、数据分析模块和施肥模块;图像处理模块以及数据分析模块均置于工业控制机中,施肥模块由果园开沟机、单片机、步进电机、步进电机驱动器、测速电路、逆变器、电压转换器、电瓶以及施肥器组成;本发明先采集果树地上部分的图像信息,对采集到的果树地上部分的图像信息进行处理,得出果树地上部分的各个参数,再根据果树地上部分的各个参数和根系分布的关系以及根系分布和施肥的关系,得出果树根系中吸收根的分布范围,将单棵果树根系分布区域划分成多个不同的小区域,确定各个小区域内所需的施肥量,在单棵果树根系分布范围内的不同小区域上实现精准施肥。
Description
技术领域
本发明涉及一种基于机器视觉技术的果园精准施肥装置及施肥方法,属于果园管理技术领域,尤其涉及一种在单棵果树根系分布范围内根据根系分布的疏密分区域进行精准施肥的果园精准施肥方法。
背景技术
果树是我国的重要经济作物之一,己经有悠久的种植历史。施肥是果树生产中关键作业环节,对果品质量、产量以及果树的生长起着至关重要的作用。我国的果树施肥机械化水平很低,处于刚刚起步阶段,有些地方果树施肥还采用人工挖沟撒肥方式,工作繁重,效率低,化肥的腐蚀性对人体产生很大的伤害,浪费了大量的人力和物力。果树高效标准生产技术要求在果树行间开沟,并精准施肥。目前使用的施肥机械只能完成机械开沟和人工辅助施肥,施肥量无法实现精准控制,同时作业成本高,生产率低,劳动强度大。因此,果园施肥机械化、智能化、精准化的需求越来越迫切。
随着机器视觉技术在农业机械中的不断应用发展,农业机械智能化水平显著提高,为解放劳动力做出了积极贡献。目前,机器视觉技术在果园施肥机械上的应用少之又少。本发明所提供的基于机器视觉技术的果园精准施肥方法将机器视觉技术引入果园施肥机械技术领域,能够解决目前果园盲目施肥的问题,做到了果园精准施肥,提高了果园施肥智能化水平。
发明内容
为解决上述技术问题,本发明提供了一种基于机器视觉技术的果园精准施肥装置及施肥方法,采集果树地上部分的图像信息,对采集到的果树地上部分的图像信息进行处理,得出果树地上部分的各个参数,再根据果树地上部分的各个参数和根系分布的关系以及根系分布和施肥的关系,得出果树根系中吸收根的分布范围,将单棵果树根系分布区域划分成多个不同的小区域,确定各个小区域内所需的施肥量,在单棵果树根系分布范围内的不同小区域上实现精准施肥。
本发明所采用的技术方案为:一种基于机器视觉技术的果园精准施肥装置,包括图像采集模块、图像处理模块、数据分析模块和施肥模块;
所述图像处理模块以及数据分析模块均置于工业控制机中,图像采集模块是用数码相机对单棵果树做全景采集,以一米高的标定杆作为果树实际高度的对照基准,所述图像处理模块对果树图像进行预处理,包括灰度化处理、中值滤波、多阈值图像分割以及特征提取,得出果树地上部分的各个关键参数;
所述数据分析模块根据图像处理模块得到的果树地上部分的各个关键参数和根系分布的关系以及根系分布和施肥的关系,得出果树根系中吸收根的分布范围,根据吸收根的分布范围和肥料需求量的关系,拟合出单棵果树根系分布范围内不同区域对肥料需求量的曲线图,并将曲线图进行离散,离散后得到9个数据信号,范围是1-9,在单棵果树根系分布范围内划分成9个区域,不同大小的数据信号代表吸收根分布范围内不同区域的施肥量,然后将数据信号按照离散的顺序存入16位数据表中;
所述施肥模块由果园开沟机、单片机、步进电机、步进电机驱动器、测速电路、逆变器、电压转换器、电瓶以及施肥器组成,所述果园开沟机提供动力和开沟;所述单片机内储存有排肥控制程序;所述排肥控制程序包括步进电机控制部分和测速电路部分;所述步进电机控制部分中设定有数值表,数值表内储存有9个数据,这9个数据分别对应不同大小的脉冲,控制步进电机以不同的转速运转,从数据1到数据9所对应的脉冲值依次增大,相应的步进电机的转速也依次增大;所述测速电路部分核心元件为旋转编码器,测速电路的信号输出端与单片机的外部中断连接,单片机通过旋转编码器计算机械前进过程中车轮旋转产生的脉冲数,传递给单片机,单片机测量机械前进的速度,再由速度公式得出时间,确定步进电机转动的时间,确保施肥进度与机械前进速度协调,当单片机接收到工业控制机传来的信号,排肥控制程序开始运行,进入到单片机的外部中断,测速电路部分执行,确定步进电机运行时间,退出外部中断;步进电机控制部分开始运行,把工业控制机发来的数据与数值表内的数据进行比对,确定脉冲值;步进电机驱动器接收到单片机传来的时间和脉冲信号,控制步进电机以不同转速和时间运转;步进电机与施肥器联动,当步进电机以不同的速度和时间转动时,带动施肥器以不同的速度和时间排肥,完成对果树的精准施肥作业。
本发明所述的一种基于机器视觉技术的果园精准施肥方法,包括以下步骤:
S1、图像采集模块采集果树地上部分的图像信息;
S2、果树图像信息灰度化处理,将彩色果树图像转换成灰度值在0-255之间的灰度图像;
S3、中值滤波,采用中值滤波法降低图像信息在采集过程中受到各种噪声源的干扰,同时保护图像边缘信息;
S4、灰度图像多阈值分割,运用多阈值分割技术对灰度化之后的果树图像进行分割,将果树的树干、树叶以及果实三者相互分离出来,分割处理后得到三张图像:一张图像只含有树叶、一张图像只含有果实、一张图像只含有树干;
S5、特征提取,对只含树叶的图像、只含果实的图像以及只含树干的图像分别提取各自不同的特征,提取方法如下:
第一、对只含树叶的图像,提取树叶面积、树叶分布密度的特征参数,通过色彩聚类的方法,识别出远景中其它背景树叶与研究对象自身树叶,统计研究对象树叶像素个数,与尺寸标定结果运算得到实际单侧树叶面积,叠加可以得到整棵树树叶面积;采用膨胀腐蚀算法减小树叶之间的黏连,统计树叶个数,计算树叶面积分布密度;
第二、对只含果实的图像,提取果实个数、果实分布密度的特征参数,通过色彩聚类,识别出远景中其它背景果实与研究对象自身果实,采用膨胀腐蚀算法减小果实之间的黏连,统计并且估算出果实个数,计算单侧果实面积密度分布;
第三、对只含树干的图像,提取果树树形、果树垂直投影面积、果树枝条分布的特征参数,首先通过腐蚀算法将树枝树干进行联通,其次采用骨架算法将树干树枝细化,得到果树枝条分布,最后通过像素遍历算法查找树干末节像素位置,删除非末节像素,将所有树干末节连接,构成果树外观树形,通过曲线拟合确定树形参数;通过计算末节像素边缘点位置,确定果树垂直投射面积大小;
S6、数据分析,通过上述图像处理后,得到果树树冠的关键参数,结合果树树冠、根系分布以及施肥量三者间的关系,拟合出单棵果树根系分布范围内不同区域对肥料需求量的曲线图,随后将所得曲线图进行离散,得到多个数字信号,每个数字信号表征不同的施肥量,将这些数字信号存入16位数据表中,等待施肥模块作业;
S7、施肥模块中的单片机接收16位数据表中的数据信号,排肥控制程序开始运行,进入单片机外部中断,测速电路部分运行,确定步进电机的运转时间,退出外部中断;步进电机控制部分运行,把工业控制机传来的数据与单片机数值表中的数据作比对,确定脉冲值;步进电机驱动器接收到步进电机控制部分和测速电路部分传来的信号,驱动步进电机按照给定的时间和速度运转,步进电机主轴跟施肥器联动,步进电机按照给定的时间和速度运转时,带动施肥器以不同时间和速度进行排肥,从而控制施肥量,完成对单棵果树的精准施肥。随后单片机将信号反馈给工业控制机,准备对下一棵果树进行施肥。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
采集果树地上部分的图像信息,对采集到的果树地上部分的图像信息进行处理,得出果树地上部分的各个参数,再根据果树地上部分的各个参数和根系分布的关系以及根系分布和施肥的关系,得出果树根系中吸收根的分布范围,将单棵果树根系分布区域划分成多个不同的小区域,确定各个小区域内所需的施肥量,在单棵果树根系分布范围内的不同小区域上实现精准施肥。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的系统结构原理图;
图2是本发明的系统电路原理图;
图3是本发明的图像处理流程图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1-图3所示,本实施例所述的一种基于机器视觉技术的果园精准施肥装置,包括图像采集模块、图像处理模块、数据分析模块和施肥模块;
所述图像处理模块以及数据分析模块均置于工业控制机中,图像采集模块是用数码相机对单棵果树做全景采集,以一米高的标定杆作为果树实际高度的对照基准,所述图像处理模块对果树图像进行预处理,包括灰度化处理、中值滤波、多阈值图像分割以及特征提取,得出果树地上部分的各个关键参数;
所述数据分析模块根据图像处理模块得到的果树地上部分的各个关键参数和根系分布的关系以及根系分布和施肥的关系,得出果树根系中吸收根的分布范围,根据吸收根的分布范围和肥料需求量的关系,拟合出单棵果树根系分布范围内不同区域对肥料需求量的曲线图,并将曲线图进行离散,离散后得到9个数据信号,范围是1-9,在单棵果树根系分布范围内划分成9个区域,不同大小的数据信号代表吸收根分布范围内不同区域的施肥量,然后将数据信号按照离散的顺序存入16位数据表中;
所述施肥模块由果园开沟机、单片机、步进电机、步进电机驱动器、测速电路、逆变器、电压转换器、电瓶以及施肥器组成,所述果园开沟机提供动力和开沟;所述单片机内储存有排肥控制程序;所述排肥控制程序包括步进电机控制部分和测速电路部分;所述步进电机控制部分中设定有数值表,数值表内储存有9个数据,这9个数据分别对应不同大小的脉冲,控制步进电机以不同的转速运转,从数据1到数据9所对应的脉冲值依次增大,相应的步进电机的转速也依次增大;所述测速电路部分核心元件为旋转编码器,测速电路的信号输出端与单片机的外部中断连接,单片机通过旋转编码器计算机械前进过程中车轮旋转产生的脉冲数,传递给单片机,单片机测量机械前进的速度,再由速度公式得出时间,确定步进电机转动的时间,确保施肥进度与机械前进速度协调,当单片机接收到工业控制机传来的信号,排肥控制程序开始运行,进入到单片机的外部中断,测速电路部分执行,确定步进电机运行时间,退出外部中断;步进电机控制部分开始运行,把工业控制机发来的数据与数值表内的数据进行比对,确定脉冲值;步进电机驱动器接收到单片机传来的时间和脉冲信号,控制步进电机以不同转速和时间运转;步进电机与施肥器联动,当步进电机以不同的速度和时间转动时,带动施肥器以不同的速度和时间排肥,完成对果树的精准施肥作业。
本实施例所述的一种基于机器视觉技术的果园精准施肥方法,包括以下步骤:
作业前,调整数码相机的焦距,能够完整的采集到果树地上部分的图像信息,标定杆插到果树旁边的土壤中,与果树树干平行,标定杆的地上部分距地面高度为一米;
S1、图像采集模块采集果树地上部分的图像信息;
S2、果树图像信息灰度化处理,将彩色果树图像转换成灰度值在0-255之间的灰度图像;
运用浮点算法,根据YUV的颜色空间中Y分量的物理意义,即点的亮度,由该值反映亮度等级,根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应,以这个亮度值表达图像的灰度值。亮度Y与R、G、B三个颜色分量的对应公式:
Y=0.3R+0.59G+0.11B (公式1)
获取到灰度值后,计算变化梯度。梯度公式如下:
其中,Δ表示梯度;data[j].p表示图像某处的灰度值。
S3、中值滤波将灰度化处理后的图像进行滤波降噪,采用中值滤波法降低图像信息在采集过程中受到各种噪声源的干扰,同时保护图像边缘信息。将每个像素的灰度值用其领域的中值代替,中值是指领域内奇数个数据按大小排序后处于中心位置的那个数。
S4、灰度图像多阈值分割,运用多阈值分割技术对灰度化之后的果树图像进行分割,在灰度值0—255范围内设定多个灰度级阈值T1、T2、T3,分别以各个灰度级阈值为标准,将果树图像中的树叶、果实和树干从果树图像中分割出来,分割处理后得到三张图像:一张图像只含有树叶、一张图像只含有果实、一张图像只含有树干;
S5、特征提取,对只含树叶和果实的图像,采用色彩聚类、膨胀腐蚀算法,提取各自的特征参数;对只含树枝的图像,采用腐蚀算法、骨架算法以及像素遍历算法提取特征参数,提取方法如下:
第一、对只含树叶的图像,提取树叶面积、树叶分布密度的特征参数,通过色彩聚类的方法,识别出远景中其它背景树叶与研究对象自身树叶,统计研究对象树叶像素个数,与尺寸标定结果运算得到实际单侧树叶面积,叠加可以得到整棵树树叶面积;采用膨胀腐蚀算法减小树叶之间的黏连,统计树叶个数,计算树叶面积分布密度;
第二、对只含果实的图像,提取果实个数、果实分布密度的特征参数,通过色彩聚类,识别出远景中其它背景果实与研究对象自身果实,采用膨胀腐蚀算法减小果实之间的黏连,统计并且估算出果实个数,计算单侧果实面积密度分布;
第三、对只含树干的图像,提取果树树形、果树垂直投影面积、果树枝条分布的特征参数,首先通过腐蚀算法将树枝树干进行联通,其次采用骨架算法将树干树枝细化,得到果树枝条分布,最后通过像素遍历算法查找树干末节像素位置,删除非末节像素,将所有树干末节连接,构成果树外观树形,通过曲线拟合确定树形参数;通过计算末节像素边缘点位置,确定果树垂直投射面积大小;
S6、数据分析,通过上述图像处理后,得到果树树冠的关键参数,结合果树树冠、根系分布以及施肥量三者间的关系,拟合出单棵果树根系分布范围内不同区域对肥料需求量的曲线图,随后将所得曲线图进行离散,得到多个数字信号,每个数字信号表征不同的施肥量,将这些数字信号存入16位数据表中,等待施肥模块作业;
S7、施肥模块中的单片机接收16位数据表中的数据信号,排肥控制程序开始运行,进入单片机外部中断,测速电路部分运行,确定步进电机的运转时间,退出外部中断;步进电机控制部分运行,把工业控制机传来的数据与单片机数值表中的数据作比对,确定脉冲值;步进电机驱动器接收到步进电机控制部分和测速电路部分传来的信号,驱动步进电机按照给定的时间和速度运转,步进电机主轴跟施肥器联动,步进电机按照给定的时间和速度运转时,带动施肥器以不同时间和速度进行排肥,从而控制施肥量,完成对单棵果树的精准施肥。随后单片机将信号反馈给工业控制机,准备对下一棵果树进行施肥。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (2)
1.一种基于机器视觉技术的果园精准施肥装置,其特征在于,包括图像采集模块、图像处理模块、数据分析模块和施肥模块;
所述图像处理模块以及数据分析模块均置于工业控制机中,图像采集模块是用数码相机对单棵果树做全景采集,以一米高的标定杆作为果树实际高度的对照基准,所述图像处理模块对果树图像进行预处理,包括灰度化处理、中值滤波、多阈值图像分割以及特征提取,得出果树地上部分的各个关键参数;
所述数据分析模块根据图像处理模块得到的果树地上部分的各个关键参数和根系分布的关系以及根系分布和施肥的关系,得出果树根系中吸收根的分布范围,根据吸收根的分布范围和肥料需求量的关系,拟合出单棵果树根系分布范围内不同区域对肥料需求量的曲线图,并将曲线图进行离散,离散后得到9个数据信号,范围是1-9,在单棵果树根系分布范围内划分成9个区域,不同大小的数据信号代表吸收根分布范围内不同区域的施肥量,然后将数据信号按照离散的顺序存入16位数据表中;
所述施肥模块由果园开沟机、单片机、步进电机、步进电机驱动器、测速电路、逆变器、电压转换器、电瓶以及施肥器组成,所述果园开沟机提供动力和开沟;所述单片机内储存有排肥控制程序;所述排肥控制程序包括步进电机控制部分和测速电路部分;所述步进电机控制部分中设定有数值表,数值表内储存有9个数据,这9个数据分别对应不同大小的脉冲,控制步进电机以不同的转速运转,从数据1到数据9所对应的脉冲值依次增大,相应的步进电机的转速也依次增大;所述测速电路部分核心元件为旋转编码器,测速电路的信号输出端与单片机的外部中断连接,单片机通过旋转编码器计算机械前进过程中车轮旋转产生的脉冲数,传递给单片机,单片机测量机械前进的速度,再由速度公式得出时间,确定步进电机转动的时间,确保施肥进度与机械前进速度协调,当单片机接收到工业控制机传来的信号,排肥控制程序开始运行,进入到单片机的外部中断,测速电路部分执行,确定步进电机运行时间,退出外部中断;步进电机控制部分开始运行,把工业控制机发来的数据与数值表内的数据进行比对,确定脉冲值;步进电机驱动器接收到单片机传来的时间和脉冲信号,控制步进电机以不同转速和时间运转;步进电机与施肥器联动,当步进电机以不同的速度和时间转动时,带动施肥器以不同的速度和时间排肥,完成对果树的精准施肥作业。
2.一种基于机器视觉技术的果园精准施肥方法,其特征在于,包括以下步骤:
S1、图像采集模块采集果树地上部分的图像信息;
S2、果树图像信息灰度化处理,将彩色果树图像转换成灰度值在0-255之间的灰度图像;
S3、中值滤波,采用中值滤波法降低图像信息在采集过程中受到各种噪声源的干扰,同时保护图像边缘信息;
S4、灰度图像多阈值分割,运用多阈值分割技术对灰度化之后的果树图像进行分割,将果树的树干、树叶以及果实三者相互分离出来,分割处理后得到三张图像:一张图像只含有树叶、一张图像只含有果实、一张图像只含有树干;
S5、特征提取,对只含树叶的图像、只含果实的图像以及只含树干的图像分别提取各自不同的特征,提取方法如下:
第一、对只含树叶的图像,提取树叶面积、树叶分布密度的特征参数,通过色彩聚类的方法,识别出远景中其它背景树叶与研究对象自身树叶,统计研究对象树叶像素个数,与尺寸标定结果运算得到实际单侧树叶面积,叠加可以得到整棵树树叶面积;采用膨胀腐蚀算法减小树叶之间的黏连,统计树叶个数,计算树叶面积分布密度;
第二、对只含果实的图像,提取果实个数、果实分布密度的特征参数,通过色彩聚类,识别出远景中其它背景果实与研究对象自身果实,采用膨胀腐蚀算法减小果实之间的黏连,统计并且估算出果实个数,计算单侧果实面积密度分布;
第三、对只含树干的图像,提取果树树形、果树垂直投影面积、果树枝条分布的特征参数,首先通过腐蚀算法将树枝树干进行联通,其次采用骨架算法将树干树枝细化,得到果树枝条分布,最后通过像素遍历算法查找树干末节像素位置,删除非末节像素,将所有树干末节连接,构成果树外观树形,通过曲线拟合确定树形参数;通过计算末节像素边缘点位置,确定果树垂直投射面积大小;
S6、数据分析,通过上述图像处理后,得到果树树冠的关键参数,结合果树树冠、根系分布以及施肥量三者间的关系,拟合出单棵果树根系分布范围内不同区域对肥料需求量的曲线图,随后将所得曲线图进行离散,得到多个数字信号,每个数字信号表征不同的施肥量,将这些数字信号存入16位数据表中,等待施肥模块作业;
S7、施肥模块中的单片机接收16位数据表中的数据信号,排肥控制程序开始运行,进入单片机外部中断,测速电路部分运行,确定步进电机的运转时间,退出外部中断;步进电机控制部分运行,把工业控制机传来的数据与单片机数值表中的数据作比对,确定脉冲值;步进电机驱动器接收到步进电机控制部分和测速电路部分传来的信号,驱动步进电机按照给定的时间和速度运转,步进电机主轴跟施肥器联动,步进电机按照给定的时间和速度运转时,带动施肥器以不同时间和速度进行排肥,从而控制施肥量,完成对单棵果树的精准施肥;随后单片机将信号反馈给工业控制机,准备对下一棵果树进行施肥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610312193.3A CN105794382B (zh) | 2016-05-11 | 2016-05-11 | 一种基于机器视觉技术的果园精准施肥装置及施肥方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610312193.3A CN105794382B (zh) | 2016-05-11 | 2016-05-11 | 一种基于机器视觉技术的果园精准施肥装置及施肥方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105794382A CN105794382A (zh) | 2016-07-27 |
CN105794382B true CN105794382B (zh) | 2018-09-07 |
Family
ID=56456969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610312193.3A Active CN105794382B (zh) | 2016-05-11 | 2016-05-11 | 一种基于机器视觉技术的果园精准施肥装置及施肥方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105794382B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230319A (zh) * | 2018-01-17 | 2018-06-29 | 北京农业智能装备技术研究中心 | 用于评价颗粒肥料抛撒效果的方法及装置 |
CN109085842A (zh) * | 2018-10-27 | 2018-12-25 | 西北农林科技大学 | 一种果园施肥装置的控制系统及其控制方法 |
CN110036723A (zh) * | 2019-05-23 | 2019-07-23 | 山东农业大学 | 一种开沟施肥机及施肥方法 |
CN110663388B (zh) * | 2019-11-13 | 2024-02-02 | 南京林业大学 | 一种树木根部组合式精确施药系统与方法 |
CN111722561A (zh) * | 2020-06-03 | 2020-09-29 | 湖南杨氏鲜果有限公司 | 园区智能管控系统 |
CN112215184B (zh) * | 2020-10-21 | 2023-04-25 | 安徽农业大学 | 一种基于三维激光扫描仪的油茶果树产量检测方法 |
CN112464888B (zh) * | 2020-12-14 | 2022-10-28 | 唐山学院 | 一种基于图像的自动化喷药控制方法 |
CN113692793A (zh) * | 2021-08-27 | 2021-11-26 | 淄博市农业科学研究院 | 一种中耕、除草、培土、变量施肥谷子田间作业机 |
CN114342627A (zh) * | 2022-01-05 | 2022-04-15 | 山东农业大学 | 一种智能果园有机肥化肥混合精量施肥方法和系统 |
CN114863106B (zh) * | 2022-05-09 | 2023-04-28 | 南京农业大学 | 一种离心式撒肥颗粒分布检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5887491A (en) * | 1997-05-14 | 1999-03-30 | Ag-Chem Equipment, Co., Inc. | Soil analysis assembly and system |
CN1326442C (zh) * | 2005-06-21 | 2007-07-18 | 吉林大学 | 虚拟gps精确农业变量深施肥系统 |
CN100576118C (zh) * | 2007-09-28 | 2009-12-30 | 北京农业信息技术研究中心 | 一种变量施肥控制系统及方法 |
CN102799129B (zh) * | 2012-07-25 | 2014-02-26 | 山东农业大学 | 烟草定点定量追肥机 |
KR101578809B1 (ko) * | 2013-11-28 | 2015-12-18 | 전남대학교산학협력단 | 변량 시비시스템 및 이를 이용한 시비방법 |
-
2016
- 2016-05-11 CN CN201610312193.3A patent/CN105794382B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105794382A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105794382B (zh) | 一种基于机器视觉技术的果园精准施肥装置及施肥方法 | |
AU2020103026A4 (en) | A Single Tree Crown Segmentation Algorithm Based on Super-pixels and Topological Features in Aerial Images | |
CN102564593B (zh) | 基于计算机视觉及物联网的植物生长状况监测系统 | |
CN104361340B (zh) | 基于显著性检测和聚类的sar图像目标快速检测方法 | |
CN110163138B (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 | |
CN110421580A (zh) | 一种田间智能机器人及其工作方法 | |
CN102968782A (zh) | 一种彩色图像中显著对象的自动抠取方法 | |
CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
CN102005054A (zh) | 一种实时红外图像目标跟踪方法 | |
CN109087312A (zh) | 一种无人机航线自动规划方法和系统 | |
CN102208099A (zh) | 一种抗光照变化的作物彩色图像分割方法 | |
CN101859375A (zh) | 农田苗期行内作物-杂草识别方法 | |
CN103268587B (zh) | 利用仿建筑用地指数获取城市建筑用地信息的方法 | |
CN110455201A (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN103729621A (zh) | 基于叶片骨架模型的植物叶片图像自动识别方法 | |
CN103778428B (zh) | 基于块标记的病害感兴趣区域提取方法及系统 | |
CN107918938A (zh) | 一种点集与点集的匹配方法及装置 | |
CN107527367A (zh) | 一种基于双目相机的棉花识别及定位方法 | |
CN106683069A (zh) | 农田苗期行内作物-杂草识别方法 | |
CN104794712A (zh) | 基于电子识别的单株梨树产量检测系统 | |
CN105427321A (zh) | 一种检测托盘上是否有软袋的方法 | |
CN103808308B (zh) | 一种家蚕吐丝行为数据的自动采集方法 | |
CN110853058A (zh) | 基于视觉显著性检测的高分辨率遥感影像道路提取方法 | |
CN110679238B (zh) | 一种果园开沟施肥装置及方法 | |
CN104732550A (zh) | 石榴树电子化自动采摘平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |