CN109996046A - 基于图像识别的茶树萎芽病定位系统、方法、介质和设备 - Google Patents

基于图像识别的茶树萎芽病定位系统、方法、介质和设备 Download PDF

Info

Publication number
CN109996046A
CN109996046A CN201910376724.9A CN201910376724A CN109996046A CN 109996046 A CN109996046 A CN 109996046A CN 201910376724 A CN201910376724 A CN 201910376724A CN 109996046 A CN109996046 A CN 109996046A
Authority
CN
China
Prior art keywords
image
image acquisition
disease
bud
unit
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
Application number
CN201910376724.9A
Other languages
English (en)
Inventor
唐劲驰
周波
俞龙�
黎健龙
王跃亭
唐颢
陈义勇
阳星
刘嘉裕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Agricultural University
Tea Research Institute Guangdong Academy of Agricultural Sciences
Original Assignee
South China Agricultural University
Tea Research Institute Guangdong Academy of Agricultural Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China Agricultural University, Tea Research Institute Guangdong Academy of Agricultural Sciences filed Critical South China Agricultural University
Priority to CN201910376724.9A priority Critical patent/CN109996046A/zh
Publication of CN109996046A publication Critical patent/CN109996046A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source

Abstract

本发明公开了一种基于图像识别的茶树萎芽病定位系统、方法、介质和设备，该系统包括图像采集单元、通信单元和图像控制终端，图像控制终端提供图像采集指令，图像采集单元采集茶树实时图像信息，通过通信单元传输至图像控制终端分析植株患病区域，确定患病植株的位置；该方法步骤为：测量、记录图像采集单元起始部署高度；获取本地局域网网络IP，设置通信端口号；图像控制终端提供图像采集指令，图像采集单元对监测区域进行图像采集，经通信单元的网络传输至图像控制终端进行分析，识别萎芽病患病区域和确定患病植株的位置。本发明解决了传统人力巡视茶园效率低下、实时性差等问题，实现患病植株的快速定位，为茶树萎芽病防治提供及时、有效的信息。

Description

基于图像识别的茶树萎芽病定位系统、方法、介质和设备
技术领域
本发明涉及茶园病虫害识别技术领域，尤其涉及一种基于图像识别的茶树萎芽病定位系统、方法、介质和设备。
背景技术
茶叶作为传统的饮品，在我国已经有着近千年的历史。因其醇厚的香味、独特的香气等，深受着人们的喜爱，并已成为我国重要的经济作物，是茶农的重要经济来源。萎芽病作为一种常出现于英红九号嫩芽、嫩叶处的病害，因其发病快、周期长、危害大等特点严重影响着茶农的收益。面对如此大危害的病害，与之对应的却是防治手段的匮乏。及时、有效地确定问题植株、定位发病部位是茶园病害防治的第一步，更是萎芽病防治的重要一步。因此，研究一种快速、有效的茶园茶树病害定位系统，在茶园萎芽病病害防治过程中具有重要意义。
发明内容
为克服现有技术存在的缺陷，本发明提供基于图像识别的茶树萎芽病定位系统，能根据萎芽病多出现于嫩芽、嫩叶等特点，通过图像信息、图像采集设备信息快速、精确地采集茶树枝、芽等部位图像，通过智能算法进行萎芽病识别，进而有效确定茶树萎芽病，并反馈发病植株的位置，以供茶农、研究人员进行参考。
本发明的第二目的在提供一种基于图像识别的茶树萎芽病定位方法。
本发明的第三目的在于提供一种存储介质。
本发明的第四目的在于提供一种计算设备。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种基于图像识别的茶树萎芽病定位系统，包括：图像采集单元、通信单元和图像控制终端，
所述图像采集单元用于采集茶园茶树的实时图像信息，所述图像采集单元通过通信单元与图像控制终端进行通信连接，
所述图像控制终端，包括图像采集与存储单元、PTZ云台控制单元、网络连接单元、图像分析单元，
所述图像采集与存储单元用于产生PTZ云台控制信号，进行图像存储；
所述PTZ云台控制单元用于接收来自图像采集与存储单元的控制信号，对图像采集单元进行控制调节；
所述网络连接单元用于传输图像采集单元的图像信息，传输至图像采集与存储单元进行存储；
所述图像分析单元用于获取图像采集与存储单元的图像信息，进行茶树萎芽病的识别和分析。
作为优选的技术方案，所述图像采集单元包括CCD感光传感器、步进电机、空心杯电机、焦距调节部件和PTZ云台，所述CCD感光传感器用于图像成像，所述步进电机驱动PTZ云台，所述空杯电机带动焦距调节部件转动。
作为优选的技术方案，所述通信单元包括本地路由单元、网络穿透单元和远程云服务器，本地路由单元与图像采集单元、网络穿透单元相连，建立局域网；本地路由单元通过GPRS网络与远程云服务器相连，建立无线网络；所述远程云服务器与图像控制终端通信连接。
作为优选的技术方案，所述远程云服务器设置内网穿透服务端，所述网络穿透单元设置有内网穿透客户端。
为了到达上述第二目的，本发明采用以下技术方案：
一种基于图像识别的茶树萎芽病定位方法，包括下述步骤：
在茶园部署图像采集单元，测量、记录图像采集单元初始安装高度，作为萎芽病患病植株的计算的高度值，
图像采集单元通过网线连接本地路由单元，获取本地局域网网络IP，同时设置通信端口号，与图像控制终端进行连接；
本地路由单元通过网线与网络穿透单元连接，网络穿透单元设置内网穿透客户端，远程云服务器设置内网穿透服务端；
图像采集与存储单元与PTZ云台控制单元、图像采集单元配合，根据实际需要监测的地点设置监测预设点，对监测区域内各个子区域进行图像采集、存储和图像传输；
图像分析单元对采集的图像位置信息进行记录，同时根据图像的颜色、形状、面积信息，分析和识别出萎芽病患病区域；
识别出萎芽病患病区域后，通过图像采集设备的PTZ云台参数、图像采集单元初始安装高度信息，利用相似三角函数转换确定患病植株的实际位置。
作为优选的技术方案，所述利用三角函数转换确定患病植株的实际位置，具体计算方式为：
萎芽病患病植株相对于图像采集设备的空间位置坐标(x，y)满足如下公式：
其中，L表示萎芽病患病部位距图像采集设备的距离，H表示图像采集设备的初始架设高度，α表示图像采集设备水平角度；
萎芽病患病部位距图像采集设备的距离L利用相似三角形公式进行数据计算，设置空间坐标系XcYcZc表示摄像头成像空间，OC为原点，设置空间坐标系XwYwZw表示实际空间，Ow为原点，OCP2表示图像中萎芽病的成像长度，P1Z1表示萎芽病实际长度，P2Z2表示萎芽病成像长度，OcZ2表示焦距，萎芽病患病部位距图像采集设备的距离L＝OcZ1，
L＝OcZ1＝(OcZ2×P1Z1)/P2Z2。
为了达到上述第三目的，本发明采用以下技术方案：
一种存储介质，存储有程序，所述程序被处理器执行时实现上述的基于图像识别的茶树萎芽病定位方法。
为了达到上述第四目的，本发明采用以下技术方案：
一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述基于图像识别的茶树萎芽病定位方法。
本发明与现有技术相比，具有如下优点和有益效果：
(1)茶园地势起伏，同时茶树枝叶繁茂，而茶树萎芽病的发生又具有随机、不确定性，并伴随有高温高湿等情况，传统的人力巡视、病害识别存在有效率低下、人力成本过高等问题。本发明以图像采集设备机器代替人力，实现图像采集的自动化。其一方面节省人力，提高了图像管理效率；另一方面，通过机械设备的引入，可提高图像采集、识别的频率，提高系统的时效性等。
(2)本发明针对茶树萎芽病发病特点、病症等信息进行仔细分析，通过对萎芽病常发病部位枝、芽等部位进行图像信息采集，经过图像分析后确定萎芽病患病植株，后将萎芽病患病植株与其位置信息一并反馈，方便用户对萎芽病及时、有效地快速定位。相对于传统茶园病虫害图像采集、识别系统，其能更好的应对萎芽病的不同时段、不同规模的发病情况，并能反馈更及时的相关信息等。
附图说明
图1为本发明的实施例1茶树萎芽病快速定位系统的整体结构示意图；
图2为本发明的实施例1茶树萎芽病快速定位系统的部署效果示意图；
图3为本发明的实施例2茶树植株位置信息获取原理示意图；
图4为本发明实施例1图像控制终端的内部结构示意图。
其中，1-图像采集单元，2-通信单元，3-图像控制终端，4-本地路由单元，5-远程云服务器，6-网络穿透单元，7-植株。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1、图2所示，本实施例提供一种基于图像识别的茶树萎芽病定位系统，包括图像采集单元1、通信单元2以及图像控制终端3；
在本实施例中，图像采集单元1部署于茶园本地，用于采集茶园茶树的实时图像信息，通过控制摄像头的水平、竖直、变焦、变倍操作，可完成患病植株7的图像信息获取；通信单元2连接图像采集单元1、图像控制终端3，用于搭建通信网络，为控制指令、预览图像等信息的传输提供传输路径。
如图4所示，图像控制终端3包括网络连接单元、PTZ云台控制单元、图像采集与存储单元、图像分析单元，用于提供图像采集指令，分析植株7生长图像，确定患病植株7，同时分析、获取患病植株7的位置信息；所述图像采集与存储单元根据实际需求，制定云台控制指令、图像存储设置等；PTZ云台控制单元用于接收来自图像采集与存储单元的控制指令，对图像采集单元1的PTZ参数进行赋值配置；网络连接单元通过利用图像采集单元1的IP地址、端口号、用户名、设备密码等信息可与图像采集单元1进行连接；图像分析单元接收经由网络连接单元传递而来的图像采集单元1采集而来的图像信息，并进行萎芽病识别、分析等。
在本实施例中，所述图像采集单元1包括CCD感光传感器、步进电机、PTZ云台、空心杯电机和焦距调节部件，图像采集单元1利用CCD感光传感器，接受图像信息并完成图像成像；以步进电机作为驱动部件，控制云台设备的上下、左右转动，完成图像采集单元1的水平360°转动和竖直方向上的90°转动。利用空心杯电机转动，调节焦距调节部件完成设备调焦。
在本实施例中，本地路由单元4一方面通过连接GPRS网络，提供无线网络环境；另一方面与图像采集单元1、网络穿透单元6相连接，将其加入局域网内。其中，为实现GPRS网络的接入，本地路由单元4分别提供了物理网口、无线网络中继等方式。本地路由单元4与图像采集单元1、网络穿透单元6相连，建立局域网；本地路由单元4通过GPRS网络与远程云服务器5相连，建立无线网络；图像控制终端3经由远程云服务器5、网络穿透单元6、本地路由单元4与图像采集单元1相连接。
在本实施例中，为实现图像控制终端能够对局域网内的图像采集设备进行控制，本系统进行内网穿透操作，并分别于网络穿透单元6、远程云服务器5部署有反向代理应用——Frp。其中远程云服务器5需部署Frp服务端，并具备公网IP等，选用安装有64位Ubuntu16.04系统的腾讯云服务器；网络穿透单元6则选用以树莓派3B作为硬件平台，并安装树莓派原生系统——Raspbian，其中部署有Frp客户端。
在本实施例中，图像控制终端3以安装有Windows10操作系统的PC机为硬件平台，其中安装有Visual Studio 2017集成开发环境，同时配置有Opencv开发环境，主要负责图像采集单元的运动操作以及对采集而来的图像进行分析。其中，图像采集单元1运动操作运用C++语言进行开发，可控制图像采集单元水平、竖直、变焦、变倍等操作。
实施例2
本实施例还提供一种基于图像识别的茶树萎芽病定位方法，包括如下步骤：
1)在茶园本地部署有图像采集单元，丈量、记录图像采集单元起始部署高度等初始安装状态，作为萎芽病患病植株的计算的高度值；
2)图像采集单元通过网线连接通信单元的本地路由单元获取本地局域网网络IP，同时设置通信端口号，与图像控制终端进行连接；
3)本地路由单元通过网线与网络穿透单元连接，网络穿透单元设置内网穿透客户端，远程云服务器设置内网穿透服务端；
4)图像采集与存储单元与PTZ云台控制单元、图像采集单元配合，根据实际需要监测的地点设置监测预设点，对监测区域内各个子区域进行图像采集、存储和图像传输；
5)图像分析单元对采集的图像位置信息记录，同时分析、识别图像内的颜色、形状、面积等信息，分析和识别出萎芽病患病区域，
6)识别出萎芽病患病区域后，通过图像采集设备的PTZ云台参数、图像采集单元初始安装高度信息，利用相似三角函数转换确定患病植株的实际位置。
在本实施例中，图像分析功能利用Python语言编写，通过分析萎芽病位置的颜色、形状、面积等信息特点，进行问题植株识别。遵循小孔成像原理计算萎芽病患病部位距图像采集设备的距离L，利用图像采集设备的初始架设高度H，图像采集设备水平角度α以及设备焦距f等信息，则萎芽病患病植株相对于图像采集设备的空间位置(x，y)满足如下公式：
如图3所示，其中萎芽病患病部位距图像采集设备的距离L可利用相似三角形公式，进行数据计算，设置空间坐标系XcYcZc表示摄像头成像空间，OC为原点，设置空间坐标系XwYwZw表示实际空间，Ow为原点，OCP2表示图像中萎芽病的成像长度，P1Z1表示萎芽病实际长度，P2Z2表示萎芽病成像长度，OcZ2表示焦距，萎芽病患病部位距图像采集设备的距离L＝OcZ1，可由如下公式推导得出：
OcZ1＝(OcZ2×P1Z1)/P2Z2。
实施例3
本实施例还提供一种存储介质，存储介质可以是ROM、RAM、磁盘、光盘等储存介质，该存储介质存储有一个或多个程序，所述程序被处理器执行时，实现上述基于图像识别的茶树萎芽病定位方法：
1)在茶园本地部署有图像采集单元，丈量、记录图像采集单元起始部署高度等初始安装状态，作为萎芽病患病植株的计算的高度值；
2)图像采集单元通过网线连接通信单元的本地路由单元获取本地局域网网络IP，同时设置通信端口号，与图像控制终端进行连接；
3)本地路由单元通过网线与网络穿透单元连接，网络穿透单元设置内网穿透客户端，远程云服务器设置内网穿透服务端；
4)图像采集与存储单元与PTZ云台控制单元、图像采集单元配合，根据实际需要监测的地点设置监测预设点，对监测区域内各个子区域进行图像采集、存储和图像传输；
5)图像分析单元对采集的图像位置信息记录，同时分析、识别图像内的颜色、形状、面积等信息，分析和识别出萎芽病患病区域，
6)识别出萎芽病患病区域后，通过图像采集设备的PTZ云台参数、图像采集单元初始安装高度信息，利用相似三角函数转换确定患病植株的实际位置。
实施例4
本实施例还提供一种计算设备，所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有显示功能的终端设备，该计算设备包括该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现上述基于图像识别的茶树萎芽病定位方法：
1)在茶园本地部署有图像采集单元，丈量、记录图像采集单元起始部署高度等初始安装状态，作为萎芽病患病植株的计算的高度值；
2)图像采集单元通过网线连接通信单元的本地路由单元获取本地局域网网络IP，同时设置通信端口号，与图像控制终端进行连接；
3)本地路由单元通过网线与网络穿透单元连接，网络穿透单元设置内网穿透客户端，远程云服务器设置内网穿透服务端；
4)图像采集与存储单元与PTZ云台控制单元、图像采集单元配合，根据实际需要监测的地点设置监测预设点，对监测区域内各个子区域进行图像采集、存储和图像传输；
5)图像分析单元对采集的图像位置信息记录，同时分析、识别图像内的颜色、形状、面积等信息，分析和识别出萎芽病患病区域，
6)识别出萎芽病患病区域后，通过图像采集设备的PTZ云台参数、图像采集单元初始安装高度信息，利用相似三角函数转换确定患病植株的实际位置。
本实施例一方面解决了萎芽病发病时，传统人力巡视茶园效率低下、实时性差、巡视困难等问题；另一方面提供萎芽病患病植株的位置信息，可实现问题植株的快速定位，为茶树萎芽病防治提供了及时、有效的信息。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于图像识别的茶树萎芽病定位系统，其特征在于，包括：图像采集单元、通信单元和图像控制终端，
所述图像采集单元用于采集茶园茶树的实时图像信息，所述图像采集单元通过通信单元与图像控制终端进行通信连接，
所述图像控制终端，包括图像采集与存储单元、PTZ云台控制单元、网络连接单元、图像分析单元，
所述图像采集与存储单元用于产生PTZ云台控制信号，进行图像存储；
所述PTZ云台控制单元用于接收来自图像采集与存储单元的控制信号，对图像采集单元进行控制调节；
所述网络连接单元用于传输图像采集单元的图像信息，传输至图像采集与存储单元进行存储；
所述图像分析单元用于获取图像采集与存储单元的图像信息，进行茶树萎芽病的识别和分析。
2.根据权利要求1所述的基于图像识别的茶树萎芽病定位系统，其特征在于，所述图像采集单元包括CCD感光传感器、步进电机、空心杯电机、焦距调节部件和PTZ云台，所述CCD感光传感器用于图像成像，所述步进电机驱动PTZ云台，所述空杯电机带动焦距调节部件转动。
3.根据权利要求1所述的基于图像识别的茶树萎芽病定位系统，其特征在于，所述通信单元包括本地路由单元、网络穿透单元和远程云服务器，本地路由单元与图像采集单元、网络穿透单元相连，建立局域网；本地路由单元通过GPRS网络与远程云服务器相连，建立无线网络；所述远程云服务器与图像控制终端通信连接。
4.根据权利要求3所述的基于图像识别的茶树萎芽病定位系统，其特征在于，所述远程云服务器设置内网穿透服务端，所述网络穿透单元设置有内网穿透客户端。
5.一种基于图像识别的茶树萎芽病定位方法，其特征在于，包括下述步骤：
在茶园部署图像采集单元，测量、记录图像采集单元初始安装高度，作为萎芽病患病植株的计算的高度值；
图像采集单元通过网线连接本地路由单元，获取本地局域网网络IP，同时设置通信端口号，与图像控制终端进行连接；
本地路由单元通过网线与网络穿透单元连接，网络穿透单元设置内网穿透客户端，远程云服务器设置内网穿透服务端；
图像采集与存储单元与PTZ云台控制单元、图像采集单元配合，根据实际需要监测的地点设置监测预设点，对监测区域内各个子区域进行图像采集、存储和图像传输；
图像分析单元对采集的图像位置信息进行记录，同时根据图像的颜色、形状、面积信息，分析和识别出萎芽病患病区域；
识别出萎芽病患病区域后，通过图像采集设备的PTZ云台参数、图像采集单元初始安装高度信息，利用相似三角函数转换确定患病植株的实际位置。
6.根据权利要求5所述的基于图像识别的茶树萎芽病定位方法，其特征在于，所述利用三角函数转换确定患病植株的实际位置，具体计算方式为：
萎芽病患病植株相对于图像采集设备的空间位置坐标(x，y)满足如下公式：
其中，L表示萎芽病患病部位距图像采集设备的距离，H表示图像采集设备的初始架设高度，α表示图像采集设备水平角度；
萎芽病患病部位距图像采集设备的距离L利用相似三角形公式进行数据计算，设置空间坐标系XcYcZc表示摄像头成像空间，OC为原点，设置空间坐标系XwYwZw表示实际空间，Ow为原点，OCP2表示图像中萎芽病的成像长度，P1Z1表示萎芽病实际长度，P2Z2表示萎芽病成像长度，OcZ2表示焦距，萎芽病患病部位距图像采集设备的距离L＝OcZ1，
L＝OcZ1＝(OcZ2×P1Z1)/P2Z2。
7.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求5或6所述的基于图像识别的茶树萎芽病定位方法。
8.一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求5或6所述的基于图像识别的茶树萎芽病定位方法。
CN201910376724.9A 2019-05-07 2019-05-07 基于图像识别的茶树萎芽病定位系统、方法、介质和设备 Pending CN109996046A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910376724.9A CN109996046A (zh) 2019-05-07 2019-05-07 基于图像识别的茶树萎芽病定位系统、方法、介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910376724.9A CN109996046A (zh) 2019-05-07 2019-05-07 基于图像识别的茶树萎芽病定位系统、方法、介质和设备

Publications (1)

Publication Number Publication Date
CN109996046A true CN109996046A (zh) 2019-07-09

Family

ID=67136121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910376724.9A Pending CN109996046A (zh) 2019-05-07 2019-05-07 基于图像识别的茶树萎芽病定位系统、方法、介质和设备

Country Status (1)

Country Link
CN (1) CN109996046A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101385315A (zh) * 2006-02-22 2009-03-11 杨正 使用本地网络的私用ip地址的通信
US20090297023A1 (en) * 2001-03-23 2009-12-03 Objectvideo Inc. Video segmentation using statistical pixel modeling
CN108111614A (zh) * 2017-12-27 2018-06-01 北京工业大学 农林业病虫害监测管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090297023A1 (en) * 2001-03-23 2009-12-03 Objectvideo Inc. Video segmentation using statistical pixel modeling
CN101385315A (zh) * 2006-02-22 2009-03-11 杨正 使用本地网络的私用ip地址的通信
CN108111614A (zh) * 2017-12-27 2018-06-01 北京工业大学 农林业病虫害监测管理系统

Similar Documents

Publication Publication Date Title
Zheng et al. Retrieval of effective leaf area index in heterogeneous forests with terrestrial laser scanning
CN105547252B (zh) 基于情景感知的作物冠层图像采集装置
CN108732129A (zh) 一种用图像表示农田土壤成分的系统及其方法
CN106485655A (zh) 一种基于四旋翼飞行器航拍地图生成系统及方法
CN110262443A (zh) 一种基于移动互联网的温室大棚环境监测系统
JP6273473B2 (ja) 森林情報管理装置
JPWO2007069736A1 (ja) 樹体生産能力を評価する方法、樹体生産能力を評価するための撮像装置及び樹体生産能力を評価するためのプログラム
Brocks et al. Toward an automated low-cost three-dimensional crop surface monitoring system using oblique stereo imagery from consumer-grade smart cameras
CN104732564B (zh) 一种玉米叶面积无损动态监测装置与方法
JP2003009664A (ja) 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体
CN112990262A (zh) 一种草原生态数据监测与智能决策一体化解决系统
CN108195736B (zh) 一种三维激光点云提取植被冠层间隙率的方法
CN104089590A (zh) 一种获取植被冠层结构参数的自动测量装置
Wei et al. Dynamic simulation of leaf area index for the soybean canopy based on 3D reconstruction
CN109996046A (zh) 基于图像识别的茶树萎芽病定位系统、方法、介质和设备
Dong et al. Drone-based three-dimensional photogrammetry and concave hull by slices algorithm for apple tree volume mapping
CN212322280U (zh) 一种基于机器视觉的玉米株心识别系统
CN208091496U (zh) 一种分布式农作物植保专用信息采集套件设备
US11398060B2 (en) Information processing device, information processing method, and program
CN115661647A (zh) 一种树木栽种生长状况的定时巡检方法
CN112417193B (zh) 野外虫草搜寻辨识方法及系统
CN115326138A (zh) 一种基于土表温度识别的盐碱地盐分分析方法
CN206863221U (zh) 一种气象观测站地面观测场探测环境自动评估系统
CN103591889A (zh) 一种立体影像全站仪及其计测方法
CN111767903A (zh) 一种基于机器视觉的玉米株心识别系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20190709