CN111767903B - 一种基于机器视觉的玉米株心识别系统和方法 - Google Patents
一种基于机器视觉的玉米株心识别系统和方法 Download PDFInfo
- Publication number
- CN111767903B CN111767903B CN202010765650.0A CN202010765650A CN111767903B CN 111767903 B CN111767903 B CN 111767903B CN 202010765650 A CN202010765650 A CN 202010765650A CN 111767903 B CN111767903 B CN 111767903B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- corn
- communication connection
- cloud storage
- 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
- 241001057636 Dracaena deremensis Species 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 20
- 240000008042 Zea mays Species 0.000 claims abstract description 42
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims abstract description 42
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims abstract description 41
- 235000005822 corn Nutrition 0.000 claims abstract description 41
- 241000196324 Embryophyta Species 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 62
- 238000012545 processing Methods 0.000 claims description 46
- 210000003462 vein Anatomy 0.000 claims description 34
- 238000012800 visualization Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 abstract description 6
- 241000238631 Hexapoda Species 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 229920002261 Corn starch Polymers 0.000 description 2
- 239000008120 corn starch Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 235000005687 corn oil Nutrition 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Cultivation Of Plants (AREA)
- Image Processing (AREA)
Abstract
一种基于机器视觉的玉米株心识别系统和方法属机器视觉识别技术领域，本发明所述的玉米株心识别系统包括：图像采集模块、数据处理模块、信息输出模块、区块链云存储系统，所述基于机器视觉的玉米株心识别方法，包括：采集玉米苗期图片及图片的位置信息和时间信息；对所述的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断，得到图片中玉米作物的株心位置；将处理后的数据信息发送至区块链云存储系统。采用本发明可有效减少人力和成本投入，能及时发现苗期易发的病虫害，并做到及时防治，玉米苗期株心的图片信息可通过网络传输与各数据云构成区块链，做到数据共享。
Description
技术领域
本发明属机器视觉识别技术领域，具体涉及一种基于机器视觉的玉米株心识别系统和方法。
背景技术
长期以来，玉米是非常受欢迎的农作物，玉米在我国种植区域广、种植面积大、用途广，玉米可用于制作玉米淀粉、玉米蛋白粉、玉米胚芽油、玉米淀粉糖等，也可用作酿酒。但是玉米在苗期易发生病害与虫害，且受到侵染的区域多为苗期株心位置，株心位置一旦发生虫害和病害，玉米很快就会坏死，会带来很大的经济损失，因此玉米苗期虫害的防治显得尤其重要。
近年来，机器视觉的发展十分迅速。机器视觉技术是实现设备精密控制、智能化、自动化的有效途径和实现计算机集成制造的基础性技术之一，由于农业自动化和机械化程度不断提高，机器视觉也进入了农业发展领域，对于农作物的识别也成为了热点，本文选用机器视觉对玉米苗期的株心进行识别，也推动了机器视觉在农业领域的应用。
发明内容
本发明的目的在于提供一种人力、成本低，玉米幼苗期病虫害防治效率高的基于机器视觉的玉米株心识别系统和方法。
本发明的基于机器视觉的玉米株心识别系统，由图像采集模块1、数据处理模块2、信息输出模块3、区块链云存储系统4组成，所述的图像采集模块1和数据处理模块2通过图像采集模块1的发送模块Ⅰ8和数据处理模块2的接收模块Ⅰ9通讯连接；数据处理模块2和信息输出模块3通过数据处理模块2的发送模块Ⅱ11和信息输出模块3的接收模块Ⅱ12通讯连接；数据处理模块2和区块链云存储系统4通过数据处理模块2的发送模块Ⅱ11和区块链云存储系统4的数据云存储中心15通讯连接；信息输出模块3和区块链云存储系统4通过信息输出模块3的发送模块Ⅲ14和区块链云存储系统4的数据云存储中心15通讯连接。
所述的图像采集模块1由图像采集装置5、信息记录模块6、数据暂存模块7和发送模块Ⅰ8组成，其中：图像采集装置5：由摄像头和数据线组成，并与数据暂存模块7通讯连接，用于采集农作物的图像，且采集到的图像应清晰便于后续处理；信息记录模块6：由GPS定位仪、时间记录仪、农田信息录入装置组成，并与数据暂存模块7通讯连接，用于记录当前的位置信息，包括了经纬度信息和农田区块信息、时间信息；；数据暂存模块7：由处理器组成，并与发送模块Ⅰ8通讯连接，用于将采集到的农作物图像进行暂存，可以在突然停机的情况下保证数据的完整性，减少因停机等因素导致的数据丢失；；发送模块Ⅰ8：由通讯接口组成，并与接收模块Ⅰ9通讯连接，用于图像采集装置可向数据处理模块发送数据。
所述的数据处理模块2由接收模块Ⅰ9、图像处理模块10和发送模块Ⅱ11组成，其中：接收模块Ⅰ9：由通讯接口组成，并与图像处理模块10通讯连接，用于接收传输到此模块的数据，传给图像处理模块；图像处理模块10：由中央处理器组成，并与发送模块Ⅱ11通讯连接，用于处理接收到的图片数据，判断玉米株心的位置，将结果输出至发送模块；发送模块Ⅱ11：由通讯接口组成，并与接收模块Ⅱ12和数据云存储中心15通讯连接，用于数据处理模块向输出模块和区块链云存储系统发送数据信息。
所述的信息输出模块3由接收模块Ⅱ12、可视化模块13和发送模块Ⅲ14组成，其中：接收模块Ⅱ12：由通讯接口组成，并与可视化模块13通讯连接，用于接收所述图像处理模块的数据；可视化模块13：由电子屏幕、处理器组成，并与发送模块Ⅲ14通讯连接，用于将所得数据可视化，可以直观的看到玉米株心的图片和位置信息；发送模块Ⅲ14：由通讯接口组成，并与数据云存储中心15通讯连接，用于将可视化后的数据发送至区块链云存储系统。
所述区块链云存储系统4由数据云存储中心15和其他数据云16组成，其中：数据云存储中心15：由大型服务器组成，并与其他数据云16通讯连接，用于接收数据，可以将数据做长期储存，并传输给其他数据云16；其他数据云16：由多个网络服务器组成，并与数据云存储中心15和其他网络服务器通讯连接，用于接收数据云存储中心15发送的数据，可以将数据做储存，且多个数据云之间也能互相传输数据，做到数据的共享和备份。
本发明的基于机器视觉的玉米株心识别方法，包括如下步骤：
1.1采集玉米苗期图片及图片的位置信息和时间信息，具体为：所述图像采集模块摄像头必须垂直于地面向下采集到玉米苗期图片，同时采集对应图片的位置信息、拍摄时间；
1.2对步骤1.1所采集的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断，得到图片中玉米作物的株心位置，具体为：对所述玉米苗期图片进行分类分割后，得到单纯玉米叶片图片，再进行叶脉提取操作，判断提取到的叶脉线条是否相交：若相交于一点，则交点即为玉米株心位置；若未相交于一点，则提取叶脉特征点并进行曲线拟合，作曲线延长线，所得线条交点即为株心位置；
1.3存储和记录所述得到的株心位置、图片位置信息和时间信息，具体为：将所得株心位置和图片位置信息、拍摄时间信息，发送至所述区块链云存储系统4，并储存于多个数据云上。
所述的提取叶脉特征点并进行曲线拟合，作曲线延长线获取株心的方法，包括如下步骤：
2.1选取任意一条曲线段，连接曲线段两端点构成x轴，以线段中位线构成y轴，建立直角坐标系xoy，在该坐标系中按照抛物线方程进行曲线拟合，然后作曲线段两端向外延长线Fx,y；
2.2用2.1的步骤在其余曲线段上建立x’o’y’、x”o”y”……坐标系中，分别得到另外几个叶脉曲线段的延长线F’x’,y’、F”x”,y”……，多段叶脉曲线延长线的共同交点即为玉米株心位置；
2.3若出现存在多个叶脉曲线延长线交点的情况Ⅰ，选取叶脉曲线段延长线相交最多的一个点，认定为玉米株心位置；
2.4若出现叶脉曲线段延长线存在多个交点，并且无法选出相交最多点的情况Ⅱ，则选取曲线延长线相交点集中的位置为玉米株心位置；
2.5若出现叶脉曲线段延长线相交点较分散、有多个点所在的叶脉曲线段延长线数量相同的情况Ⅲ，选取曲线延长线相交点连线构成多边形，以该多边形的重心位置为玉米株心位置。
本发明提出了一种基于机器视觉的玉米株心识别系统与方法，基于机器视觉进行株心位置的判断，可以有效减少人力的耗费，节约成本减少时间，能够在玉米苗期记录玉米幼苗的位置信息和株心位置，以及时发现苗期易发病害和虫害，做到及时防治，玉米苗期株心的图片信息可通过网络传输与各数据云构成区块链，做到数据共享共存。
附图说明
图1为基于机器视觉的玉米株心识别系统的结构示意图
图2为图像采集模块1的结构示意图
图3为数据处理模块2的结构示意图
图4为信息输出模块3的结构示意图
图5为区块链云存储系统4的结构示意图
图6为基于机器视觉的玉米株心方法的总体流程示意图
图7为步骤1.1的流程图
图8为步骤1.2的流程图
图9为步骤1.3的流程图
图10为提取叶脉特征点拟合曲线方法示意图
图11为判断株心位置情况分类示意图
其中：1.图像采集模块 2.数据处理模块 3.信息输出模块 4.区块链云存储系统5.图像采集装置 6.信息记录模块 7.数据暂存模块 8.发送模块Ⅰ 9.接收模块Ⅰ 10.图像处理模块 11.发送模块Ⅱ 12.接收模块Ⅱ 13.可视化模块 14.发送模块Ⅲ 15.数据云存储中心 16.其他数据云
具体实施方式
如图1-图5所示，一种基于机器视觉的玉米株心识别系统由图像采集模块1、数据处理模块2、信息输出模块3、区块链云存储系统4组成，所述的图像采集模块1和数据处理模块2通过图像采集模块1的发送模块Ⅰ8和数据处理模块2的接收模块Ⅰ9通讯连接；数据处理模块2和信息输出模块3通过数据处理模块2的发送模块Ⅱ11和信息输出模块3的接收模块Ⅱ12通讯连接；数据处理模块2和区块链云存储系统4通过数据处理模块2的发送模块Ⅱ11和区块链云存储系统4的数据云存储中心15通讯连接；信息输出模块3和区块链云存储系统4通过信息输出模块3的发送模块Ⅲ14和区块链云存储系统4的数据云存储中心15通讯连接。
如图2所述的图像采集模块1由图像采集装置5、信息记录模块6、数据暂存模块7和发送模块Ⅰ8组成，其中：图像采集装置5：由摄像头和数据线组成，并与数据暂存模块7通讯连接；信息记录模块6：由GPS定位仪、时间记录仪、农田信息录入装置组成，并与数据暂存模块7通讯连接；数据暂存模块7：由处理器组成，并与发送模块Ⅰ8通讯连接；发送模块Ⅰ8：由通讯接口组成，并与接收模块Ⅰ9通讯连接。
如图3所示，所述的数据处理模块2由接收模块Ⅰ9、图像处理模块10和发送模块Ⅱ11组成，其中：接收模块Ⅰ9：由通讯接口组成，并与图像处理模块10通讯连接；图像处理模块10：由中央处理器组成，并与发送模块Ⅱ11通讯连接；发送模块Ⅱ11：由通讯接口组成，并与接收模块Ⅱ12和数据云存储中心15通讯连接。
如图4所示，所述的信息输出模块3由接收模块Ⅱ12、可视化模块13和发送模块Ⅲ14组成，其中：接收模块Ⅱ12：由通讯接口组成，并与可视化模块13通讯连接；可视化模块13：由电子屏幕、处理器组成，并与发送模块Ⅲ14通讯连接；发送模块Ⅲ14：由通讯接口组成，并与数据云存储中心15通讯连接。
如图5所示，所述区块链云存储系统4由数据云存储中心15和其他数据云16组成，其中：数据云存储中心15：由大型服务器组成，并与其他数据云16通讯连接；其他数据云16：由多个网络服务器组成，并与数据云存储中心15和其他网络服务器通讯连接。
如图6-图9所示，一种基于机器视觉的玉米株心识别方法，包括如下步骤：
1.1采集玉米苗期图片及图片的位置信息和时间信息，具体如图7：所述图像采集模块摄像头必须垂直于地面向下采集到玉米苗期图片，同时采集对应图片的位置信息、拍摄时间；
1.2对步骤1.1所采集的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断，得到图片中玉米作物的株心位置，具体如图8：对所述玉米苗期图片进行分类分割后，得到单纯玉米叶片图片，再进行叶脉提取操作，判断提取到的叶脉线条是否相交：若相交，则交点即为玉米株心位置；若不相交，则提取叶脉特征点并进行曲线拟合，作曲线延长线，所得线条交点即为株心位置；
1.3存储和记录所述得到的株心位置、图片位置信息和时间信息，具体如图9：将所得株心位置和图片位置信息、拍摄时间信息，发送至所述区块链云存储系统4，并储存于多个数据云上。
如图10-图11所示，所述的提取叶脉特征点并进行曲线拟合，作曲线延长线获取株心的方法，包括如下步骤：
2.1选取任意一条曲线段，连接曲线段两端点构成x轴，以线段中位线构成y轴，建立直角坐标系xoy，在该坐标系中按照抛物线方程进行曲线拟合，然后作曲线段两端向外延长线F(x,y)；
2.2用2.1的步骤在其余曲线段上建立x’o’y’、x”o”y”……坐标系中，分别得到另外几个叶脉曲线段的延长线F’(x’,y’)、F”(x”,y”)……，多段叶脉曲线延长线的共同交点即为玉米株心位置；
2.3若出现存在多个叶脉曲线延长线交点的情况Ⅰ，选取叶脉曲线段延长线相交最多的一个点，认定为玉米株心位置；
2.4若出现叶脉曲线段延长线存在多个交点，并且无法选出相交最多点的情况Ⅱ，则选取曲线延长线相交点集中的位置为玉米株心位置；
2.5若出现叶脉曲线段延长线相交点较分散、有多个点所在的叶脉曲线段延长线数量相同的情况Ⅲ，选取曲线延长线相交点连线构成多边形，以该多边形的重心位置为玉米株心位置。
Claims (2)
1.一种基于机器视觉的玉米株心识别方法，其特征在于，包括如下步骤：
1) 建立基于机器视觉的玉米株心识别系统：该系统由图像采集模块(1)、数据处理模块(2)、信息输出模块(3)、区块链云存储系统(4)组成，其中所述的图像采集模块(1)由图像采集装置(5)、信息记录模块(6)、数据暂存模块(7)和发送模块Ⅰ(8)组成，其中：图像采集装置(5)：由摄像头和数据线组成，并与数据暂存模块(7)通讯连接；信息记录模块(6)：由GPS定位仪、时间记录仪、农田信息录入装置组成，并与数据暂存模块(7)通讯连接；数据暂存模块(7)：由处理器组成，并与发送模块Ⅰ(8)通讯连接；发送模块Ⅰ(8)：由通讯接口组成，并与接收模块Ⅰ(9)通讯连接；
所述的数据处理模块(2)由接收模块Ⅰ(9)、图像处理模块(10)和发送模块Ⅱ(11)组成，其中：接收模块Ⅰ(9)：由通讯接口组成，并与图像处理模块(10)通讯连接；图像处理模块(10)：由中央处理器组成，并与发送模块Ⅱ(11)通讯连接；发送模块Ⅱ(11)：由通讯接口组成，并与接收模块Ⅱ(12)和数据云存储中心(15)通讯连接；
所述的信息输出模块(3)由接收模块Ⅱ(12)、可视化模块(13)和发送模块Ⅲ(14)组成，其中：接收模块Ⅱ(12)：由通讯接口组成，并与可视化模块(13)通讯连接； 可视化模块(13)：由电子屏幕、处理器组成，并与发送模块Ⅲ(14)通讯连接；发送模块Ⅲ(14)：由通讯接口组成，并与数据云存储中心(15)通讯连接；
所述区块链云存储系统(4)由数据云存储中心(15)和其他数据云(16)组成，其中：数据云存储中心(15)：由大型服务器组成，并与其他数据云(16)通讯连接；其他数据云(16)：由多个网络服务器组成，并与数据云存储中心(15)和其他网络服务器通讯连接；
所述的图像采集模块(1)和数据处理模块(2)通过图像采集模块(1)的发送模块Ⅰ(8)和数据处理模块(2)的接收模块Ⅰ(9)通讯连接；数据处理模块(2)和信息输出模块(3)通过数据处理模块(2)的发送模块Ⅱ(11)和信息输出模块(3)的接收模块Ⅱ(12)通讯连接；数据处理模块(2)和区块链云存储系统(4)通过数据处理模块(2)的发送模块Ⅱ(11)和区块链云存储系统(4)的数据云存储中心(15)通讯连接；信息输出模块(3)和区块链云存储系统(4)通过信息输出模块(3)的发送模块Ⅲ(14)和区块链云存储系统(4)的数据云存储中心(15)通讯连接；
2)采集玉米苗期图片及图片的位置信息和时间信息，具体为：所述图像采集模块摄像头必须垂直于地面向下采集到玉米苗期图片，同时采集对应图片的位置信息、拍摄时间；
3)对步骤1.1所采集的玉米苗期图片进行分类、分割、提取、判断、拟合、再判断，得到图片中玉米作物的株心位置，具体为：对所述玉米苗期图片进行分类分割后，得到单纯玉米叶片图片，再进行叶脉提取操作，判断提取到的叶脉线条是否相交：若相交于一点，则交点即为玉米株心位置；若未相交于一点，则提取叶脉特征点并进行曲线拟合，作曲线延长线，所得线条交点即为株心位置；
4)存储和记录所述得到的株心位置、图片位置信息和时间信息，具体为：将所得株心位置和图片位置信息、拍摄时间信息，发送至所述区块链云存储系统(4)，并储存于多个数据云上。
2.按权利要求1所述的基于机器视觉的玉米株心识别方法，其特征在于，所述的提取叶脉特征点并进行曲线拟合，作曲线延长线获取株心的方法，包括如下步骤：
2.1 选取任意一条曲线段，连接曲线段两端点构成x轴，以线段中位线构成y轴，建立直角坐标系xoy，在该坐标系中按照抛物线方程进行曲线拟合，然后作曲线段两端向外延长线F(x, y)；
2.2用2.1的步骤在其余曲线段上建立x’o’y’、 x’’o’’y’’……坐标系中，分别得到另外几个叶脉曲线段的延长线F’(x’, y’)、F’’(x’’, y’’)……，多段叶脉曲线延长线的共同交点即为玉米株心位置；
2.3若出现存在多个叶脉曲线延长线交点的情况Ⅰ，选取叶脉曲线段延长线相交最多的一个点，认定为玉米株心位置；
2.4 若出现叶脉曲线段延长线存在多个交点，并且无法选出相交最多点的情况Ⅱ，则选取曲线延长线相交点集中的位置为玉米株心位置；
2.5若出现叶脉曲线段延长线相交点较分散、有多个点所在的叶脉曲线段延长线数量相同的情况Ⅲ，选取曲线延长线相交点连线构成多边形，以该多边形的重心位置为玉米株心位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010765650.0A CN111767903B (zh) | 2020-08-03 | 2020-08-03 | 一种基于机器视觉的玉米株心识别系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010765650.0A CN111767903B (zh) | 2020-08-03 | 2020-08-03 | 一种基于机器视觉的玉米株心识别系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111767903A CN111767903A (zh) | 2020-10-13 |
| CN111767903B true CN111767903B (zh) | 2024-06-18 |
Family
ID=72728803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010765650.0A Active CN111767903B (zh) | 2020-08-03 | 2020-08-03 | 一种基于机器视觉的玉米株心识别系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111767903B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113435649B (zh) * | 2021-06-29 | 2022-09-16 | 布瑞克农业大数据科技集团有限公司 | 一种全域农业数据整理方法、系统、装置及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428834A (zh) * | 2020-04-21 | 2020-07-17 | 吉林大学 | 基于区块链与信息融合的果园喷施信息管理系统和方法 |
| CN212322280U (zh) * | 2020-08-03 | 2021-01-08 | 吉林大学 | 一种基于机器视觉的玉米株心识别系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104660973B (zh) * | 2013-11-22 | 2018-01-26 | 西安科技大学 | 基于视觉信息识别的远程设备控制管理模块系统 |
| CN106846334A (zh) * | 2017-01-19 | 2017-06-13 | 江南大学 | 基于支持向量数据描述的田间玉米植株识别方法 |
-
2020
- 2020-08-03 CN CN202010765650.0A patent/CN111767903B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428834A (zh) * | 2020-04-21 | 2020-07-17 | 吉林大学 | 基于区块链与信息融合的果园喷施信息管理系统和方法 |
| CN212322280U (zh) * | 2020-08-03 | 2021-01-08 | 吉林大学 | 一种基于机器视觉的玉米株心识别系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于俯视图像的玉米株心快速识别方法研究;魏帅均 等;《农业机械学报》;20171231;第48卷(第S1期);第1.1节，第2.2节，图6 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111767903A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103344276B (zh) | 一种种植用监控系统及相机 | |
| CN110598532B (zh) | 一种树木病虫害监控系统及方法 | |
| CN202696660U (zh) | 一站式农业信息实时采集装置 | |
| CN105116414A (zh) | 基于无线通讯网络的实时鱼群监测及鱼量估算系统 | |
| CN112913436A (zh) | 水肥一体化节水灌溉控制系统、方法、介质、设备及终端 | |
| CN111767903B (zh) | 一种基于机器视觉的玉米株心识别系统和方法 | |
| CN107908689A (zh) | 一种烟叶生长环境数据采集装置及其方法 | |
| CN106791596A (zh) | 一种利用无人机对作物进行监控的方法 | |
| CN206077446U (zh) | 工业实时数据采集系统 | |
| US20230157231A1 (en) | Methods for artificial pollination and apparatus for doing the same | |
| CN212322280U (zh) | 一种基于机器视觉的玉米株心识别系统 | |
| KR101481323B1 (ko) | 이동 단말로부터 전달되는 식물 영상을 이용한 식물 정보 제공 시스템 | |
| CN105302012B (zh) | 农业领域中信息采集方法和系统 | |
| CN116385885A (zh) | 一种病虫害识别方法及系统 | |
| CN115937314A (zh) | 一种油茶果生长姿态检测方法 | |
| CN111814592B (zh) | 一种基于可叠加胶囊网络的植物叶片识别方法 | |
| CN114581450A (zh) | 基于点云图像转换的玉米株高茎粗测量方法及装置 | |
| CN113099169A (zh) | 无人机、低空遥感使能平台及其构建和数据传输方法 | |
| CN108846362A (zh) | 一种基于大数据云服务器的农作物病害识别系统及方法 | |
| TWM597472U (zh) | 農業用蒐集系統 | |
| CN111586616A (zh) | 一种区域环境参数采集系统、方法以及设备 | |
| TW202133717A (zh) | 智慧型竹筍栽培採收監控系統及方法 | |
| Charisis et al. | Deep learning-based instance segmentation architectures in agriculture: A review of the scopes and challenges | |
| CN106790418B (zh) | 一种反馈方法和装置 | |
| CN213126263U (zh) | 一种农业监测装置 |
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 | ||
| GR01 | Patent grant |