CN105427279A - 一种基于计算机视觉及物联网的草原旱情监测***和方法 - Google Patents
一种基于计算机视觉及物联网的草原旱情监测***和方法 Download PDFInfo
- Publication number
- CN105427279A CN105427279A CN201510732348.4A CN201510732348A CN105427279A CN 105427279 A CN105427279 A CN 105427279A CN 201510732348 A CN201510732348 A CN 201510732348A CN 105427279 A CN105427279 A CN 105427279A
- Authority
- CN
- China
- Prior art keywords
- grassland
- image
- internet
- computer vision
- things
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract 1
- 238000006731 degradation reaction Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉及物联网的旱情监测***和方法。其中该***,包括图像采集单元、物联网控制单元、通信单元和计算机视觉处理单元;所述图像采集单元、所述通信单元分别与所述物联网控制单元通信连接,所述通信单元通过网络与所述计算机视觉处理单元通信;所述物联网控制单元控制所述图像采集单元采集植物不同角度的图像通过所述通信单元传输至所述计算机视觉处理单元;所述计算机视觉处理单元处理和分析所述不同角度的图像得出植物的干旱情况。本发明可以提高图像处理的速度和准确率;物联网模块和计算机视觉模块的共同作用可以将草场退化与干旱进行提前预警,实现了远程干旱监测。
Description
技术领域
本发明涉及一种基于计算机视觉及物联网的草原旱情监测***,属于农业信息技术领域。
背景技术
随着人类的经济发展和人口膨胀,水资源短缺现象日趋严重,直接导致了干旱灾害。干旱化趋势已经成为全球关注的问题。为了使人们可以把干旱带来的灾害降到最小,尽早感知干旱的来临和植物的缺水状况很有必要。
如图1所示,现有技术中,有一种基于计算机视觉及物联网的植物生长状况监测***在植物生长状况检测方面对植物的缺水状况检测。具体地,该***的相关关键技术在于:其包括对植物叶片进行拍摄并对所拍摄到的图像进行采集和分析的高速DSP(DigitalSignalProcessing,数字信号处理)计算机视觉模块,以及将植物叶片信息通过远程服务器传送给远程终端供工作人员参考和操作的物联网模块。如图2所示,该***具体的工作步骤为:1)工业相机定期拍摄待监测植物的叶片的彩色图像;2)CCD图像获取模块获取彩色图像后传送给DSP图像处理模块;3)DSP图像处理模块对彩色图像中的植物叶片进行检测,如果发现植物缺水则通知控制执行模块对植物进行浇水;叶片颜色检测的步骤为11)对彩色图像中的植物叶片进行去除叶柄处理;12)彩色图像由RGB颜色空间转换到HSV颜色空间,设定H分量和S分量变化范围并对二者进行均分;13)根据H平面和S平面的数据统计创建每个维度均分的二维直方图;14)利用原彩色图像将二维直方图转换成叶片的RGB空间的彩色二维直方图;15)设定阈值,通过对彩色二维直方图中的花木叶片进行分析,判定出植物是否属于缺水状态。
现有技术中,通过DSP图像处理模块对彩色图像中的植物叶片进行检测,整个优化过程对人工和时间消耗较大,采用DSP***必不可免的相对计算机硬件***多了一些局限。现有技术采用了直方图分析和均值滤波等传统方法,这类方法具有速度快,移植易等优点,这些方法较简单,准确性不高,方法的适应性差。
发明内容
本发明要解决的技术问题是:如何简单方便检测草场干旱情况。
为实现上述的发明目的,本发明提供了一种基于计算机视觉及物联网的草原旱情监测***和方法。
一方面,本发明提供一种基于计算机视觉及物联网的旱情监测***,包括图像采集单元、物联网控制单元、通信单元和计算机视觉处理单元;
所述图像采集单元、所述通信单元分别与所述物联网控制单元通信连接,所述通信单元通过网络与所述计算机视觉处理单元通信;
所述物联网控制单元控制所述图像采集单元采集植物不同角度的图像通过所述通信单元传输至所述计算机视觉处理单元;所述计算机视觉处理单元处理和分析所述不同角度的图像得出植物的干旱情况。
可选地,所述图像采集单元包括三个成像角度为130°的CCD摄像头。
可选地,所述通信单元是GPRS通信模块、3G通信模块、4G通信模块中的任意一种。
另一方面,本发明提供一种基于计算机视觉及物联网的旱情监测方法,包括如下步骤:采集植物不同角度的图像;传输所述植物不同角度的图像;处理和分析所述不同角度的图像,并与预设的干旱阈值表进行比较,得出植物的干旱情况。
可选地,所述处理和分析所述不同角度的图像得出植物的干旱情况,包括:
将图片转换为HSV通道图片;
对HSV通道图片中的V通道处理提取草场区域;
将区域边缘与HSV通道图片中的S通道组合,提取S通道中的草原区域;
对提取的草原区域二值化处理;
对二值化处理后的图像计算黑白两色比例,与预设的干旱阈值表进行比较,得出该时段草场旱情状况。
可选地,所述对HSV通道图片中的V通道处理提取草场区域之前还包括对V通道图片进行高斯滤波的步骤。
可选地,所述对HSV通道图片中的V通道处理提取草场区域的步骤包括:
利用Roberts算子进行边缘检测,利用区域大小配合上下逻辑判断,去除干扰物,提取出草场区域后保存区域边缘。
可选地,所述预设的干旱阈值表是对检测区域不同时段的草场图片进行处理和分析得出的。
本发明提供的一种基于计算机视觉及物联网的草原旱情监测***和方法,通过计算机视觉远程服务单元实现了远程干旱监测,实现对算法流程的自由设计和实现并且还可以保证运行效率。本发明开发需要优化的程度较低,人员开发成本也较低,整个***更易于实现并迁移场景。可以提高图像处理的速度和准确率;物联网模块和计算机视觉模块的共同作用可以将草场退化与干旱进行提前预警。
附图说明
图1是现有技术植物生长状况监测***结构示意图;
图2是图1中检测***处理流程示意图;
图3是本发明旱情监测***结构示意图;
图4是本发明旱情监测方法流程示意图;
图5是本发明处理和分析所述不同角度的图像流程示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图3所示,本发明提供一种基于计算机视觉及物联网的旱情监测***,包括图像采集单元、物联网控制单元、通信单元和计算机视觉处理单元;所述图像采集单元、所述通信单元分别与所述物联网控制单元通信连接,所述通信单元通过网络与所述计算机视觉处理单元通信;所述物联网控制单元控制所述图像采集单元采集植物不同角度的图像通过所述通信单元传输至所述计算机视觉处理单元;所述计算机视觉处理单元处理和分析所述不同角度的图像得出植物的干旱情况。
在本发明中,图像采集单元优选是三个成像角度为130°的CCD摄像头。通过三个CCD摄像头可以检测到草原检测区域不同角度的成像图像,三个不同角度成像图像构成全视觉范围内的图像。所述通信单元优选是GPRS通信模块、3G通信模块、4G通信模块中的任意一种。当然可以理解,本发明中采集单元、物联网控制单元、通信单元所在区域如果要是有其他网络,还可以直接用其他网络向计算机视觉处理单元传输图像。
为进一步体现本发明提供的一种基于计算机视觉及物联网的旱情监测***的优越性,本发明还提供一种应用于上述***的额旱情监测方法,如图4所示,该方法包括如下步骤:采集植物不同角度的图像;传输所述植物不同角度的图像;处理和分析所述不同角度的图像,并与预设的干旱阈值表进行比较,得出植物的干旱情况。下面对本发明提供的基于计算机视觉及物联网的旱情监测方法展开详细说明。
如图5所示,所述处理和分析所述不同角度的图像得出植物的干旱情况的步骤具体包括:将图片转换为HSV通道图片;对HSV通道图片中的V通道处理提取草场区域;将区域边缘与HSV通道图片中的S通道组合,提取S通道中的草原区域;对提取的草原区域二值化处理;对二值化处理后的图像计算黑白两色比例,与预设的干旱阈值表进行比较,得出该时段草场旱情状况。
首先,介绍将图片转换为HSV通道图片。
将接收到的三个不同角度的成像图像,转换为HSV通道图片。将转换后的HSV通道图片提取出S通道图片和V通道图片,对V通道进行高斯滤波,去除噪声干扰便于边缘检测。
其次,介绍对HSV通道图片中的V通道处理提取草场区域。
再次,将区域边缘与HSV通道图片中的S通道组合,提取S通道中的草原区域。
具体地,对V通道优选利用Roberts算子进行边缘检测,利用区域大小配合上下逻辑判断,去除天空、道路、动物等干扰物,提取出草场区域后保存区域边缘。
在一幅图像中,景物的边缘总是以图像中强度的突变形式出现的,所以景物边缘包含着大量的信息。由于景物的边缘具有十分复杂的形态,因此,最常用的边缘检测方法是梯度检测法,具体如式(1)和式(2)所示。
其中,f(x,y)是图像灰度分布函数;s(x,y)是图像边缘的梯度值;是梯度的方向;n是常数(n=1,2,...)。
通过式(1)和式(2)可以得到图像在(x,y)点处的梯度大小和梯度方向。
将式(1)和式(2)改写为式(3):
其中,g(x,y)称为Roberts边缘检测算子,f(x,y)表示图像灰度分布函数。
式(3)中对f(x,y)等的平方根运算使该处理类似于人类视觉***的发生过程。事实上Roberts边缘检测算子是一种利用局部差分方法寻找边缘的算子,Robert梯度算子所采用的是对角方向相邻两像素值之差,所以用差分代替一阶偏导,算子形式可表示如式(4)所示:
其中,△x表示表示对x的一阶偏导,△y表示对y的一阶偏导,f(x,y)表示图像灰度值。
实际应用中,图像中的每个像素点都用式(4)进行卷积运算,为避免出现负值,在边缘检测时常提取其绝对值。
第四,介绍对提取的草原区域二值化处理。
最后,介绍对二值化处理后的图像计算黑白两色比例,与预设的干旱阈值表进行比较,得出该时段草场旱情状况。
由于S通道中的植被和土壤区分度明显,通过计算二值化图像中黑白两色比例,与预设的干旱阈值表进行比较,得出该时段草场旱情状况。在本发明中,阈值表需对检测区域不同时段的草场图片进行上述方法处理和人工分析得出。
综上所述,本发明提供的一种基于计算机视觉及物联网的草原旱情监测***和方法,通过计算机视觉远程服务单元实现了远程干旱监测,实现对算法流程的自由设计和实现并且还可以保证运行效率。本发明开发需要优化的程度较低,人员开发成本也较低,整个***更易于实现并迁移场景。可以提高图像处理的速度和准确率;物联网模块和计算机视觉模块的共同作用可以将草场退化与干旱进行提前预警。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (8)
1.一种基于计算机视觉及物联网的旱情监测***,其特征在于,包括图像采集单元、物联网控制单元、通信单元和计算机视觉处理单元;
所述图像采集单元、所述通信单元分别与所述物联网控制单元通信连接,所述通信单元通过网络与所述计算机视觉处理单元通信;
所述物联网控制单元控制所述图像采集单元采集植物不同角度的图像通过所述通信单元传输至所述计算机视觉处理单元;所述计算机视觉处理单元处理和分析所述不同角度的图像得出植物的干旱情况。
2.根据权利要求1所述的***,其特征在于,所述图像采集单元包括三个成像角度为130°的CCD摄像头。
3.根据权利要求1所述的***,其特征在于,所述通信单元是GPRS通信模块、3G通信模块、4G通信模块中的任意一种。
4.一种基于计算机视觉及物联网的旱情监测方法,其特征在于,包括如下步骤:
采集植物不同角度的图像;
传输所述植物不同角度的图像;
处理和分析所述不同角度的图像,并与预设的干旱阈值表进行比较,得出植物的干旱情况。
5.根据权利要求4所述的方法,其特征在于,所述处理和分析所述不同角度的图像得出植物的干旱情况,包括:
将图片转换为HSV通道图片;
对HSV通道图片中的V通道处理提取草场区域;
将区域边缘与HSV通道图片中的S通道组合,提取S通道中的草原区域;
对提取的草原区域二值化处理;
对二值化处理后的图像计算黑白两色比例,与预设的干旱阈值表进行比较,得出该时段草场旱情状况。
6.根据权利要求5所述的方法,其特征在于,所述对HSV通道图片中的V通道处理提取草场区域之前还包括对V通道图片进行高斯滤波的步骤。
7.根据权利要求5所述的方法,其特征在于,所述对HSV通道图片中的V通道处理提取草场区域的步骤包括:
利用Roberts算子进行边缘检测,利用区域大小配合上下逻辑判断,去除干扰物,提取出草场区域后保存区域边缘。
8.根据权利要求5所述的方法,其特征在于,所述预设的干旱阈值表是对检测区域不同时段的草场图片进行处理和分析得出的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510732348.4A CN105427279B (zh) | 2015-11-02 | 2015-11-02 | 一种基于计算机视觉及物联网的草原旱情监测***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510732348.4A CN105427279B (zh) | 2015-11-02 | 2015-11-02 | 一种基于计算机视觉及物联网的草原旱情监测***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105427279A true CN105427279A (zh) | 2016-03-23 |
CN105427279B CN105427279B (zh) | 2018-06-26 |
Family
ID=55505460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510732348.4A Active CN105427279B (zh) | 2015-11-02 | 2015-11-02 | 一种基于计算机视觉及物联网的草原旱情监测***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427279B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255779A (zh) * | 2018-08-17 | 2019-01-22 | 南京邮电大学 | 基于物联网的托管种植服务平台 |
CN111855653A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制***及控制方法 |
WO2022099755A1 (zh) * | 2020-11-13 | 2022-05-19 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作区域的方法、***及机器人 |
CN117875658A (zh) * | 2024-01-16 | 2024-04-12 | 广东省六七八控股集团股份公司 | 基于物联网的农业数字化管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测*** |
CN103257627A (zh) * | 2013-02-05 | 2013-08-21 | 西安交通大学 | 一种基于计算机视觉的物联网控制***及方法 |
CN103475736A (zh) * | 2013-09-26 | 2013-12-25 | 河北烽联信息技术有限公司 | 一种传感器通信***及其利用该***进行监控的方法 |
CN103488148A (zh) * | 2013-09-24 | 2014-01-01 | 华北电力大学(保定) | 一种基于物联网和计算机视觉的家畜行为智能监控*** |
KR101536095B1 (ko) * | 2015-01-14 | 2015-07-13 | 농업회사법인 주식회사 에이치알제주 | 무인 비행체를 이용한 산지 생태 축산의 방목형 목장 운용 및 관리 시스템 |
-
2015
- 2015-11-02 CN CN201510732348.4A patent/CN105427279B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测*** |
CN103257627A (zh) * | 2013-02-05 | 2013-08-21 | 西安交通大学 | 一种基于计算机视觉的物联网控制***及方法 |
CN103488148A (zh) * | 2013-09-24 | 2014-01-01 | 华北电力大学(保定) | 一种基于物联网和计算机视觉的家畜行为智能监控*** |
CN103475736A (zh) * | 2013-09-26 | 2013-12-25 | 河北烽联信息技术有限公司 | 一种传感器通信***及其利用该***进行监控的方法 |
KR101536095B1 (ko) * | 2015-01-14 | 2015-07-13 | 농업회사법인 주식회사 에이치알제주 | 무인 비행체를 이용한 산지 생태 축산의 방목형 목장 운용 및 관리 시스템 |
Non-Patent Citations (2)
Title |
---|
张正昊 等: "基于图像处理的牧场形状特征提取研究", 《中国科技论文在线》 * |
彭文 等: "基于计算机视觉的植物水分胁迫状况监测方法", 《科学技术与工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255779A (zh) * | 2018-08-17 | 2019-01-22 | 南京邮电大学 | 基于物联网的托管种植服务平台 |
CN111855653A (zh) * | 2019-04-25 | 2020-10-30 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
CN111855653B (zh) * | 2019-04-25 | 2023-11-28 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
WO2022099755A1 (zh) * | 2020-11-13 | 2022-05-19 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作区域的方法、***及机器人 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制***及控制方法 |
CN113040034B (zh) * | 2021-03-26 | 2023-10-24 | 西京学院 | 一种节水灌溉控制***及控制方法 |
CN117875658A (zh) * | 2024-01-16 | 2024-04-12 | 广东省六七八控股集团股份公司 | 基于物联网的农业数字化管理方法 |
CN117875658B (zh) * | 2024-01-16 | 2024-06-18 | 广东省六七八控股集团股份公司 | 基于物联网的农业数字化管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105427279B (zh) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427279A (zh) | 一种基于计算机视觉及物联网的草原旱情监测***和方法 | |
CN113040034B (zh) | 一种节水灌溉控制***及控制方法 | |
KR20150000435A (ko) | 작물 생장 단계 인식 및 환경 제어 시스템 및 그 방법 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN103336966B (zh) | 一种应用于农业智能机械的杂草图像辨识方法 | |
CN102663397B (zh) | 一种小麦出苗的自动检测方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN105987684A (zh) | 一种基于单目视觉的农业车辆导航线检测***及方法 | |
CN109447945A (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
CN101859375A (zh) | 农田苗期行内作物-杂草识别方法 | |
CN108491807B (zh) | 一种奶牛发情行为实时监测方法及*** | |
AU2020103260A4 (en) | Rice blast grading system and method | |
CN105869175A (zh) | 一种图像分割方法及*** | |
CN114067207A (zh) | 一种基于深度学习和图像处理的蔬菜苗田杂草检测方法 | |
CN104700405A (zh) | 一种前景检测方法和*** | |
CN113077486A (zh) | 一种山区植被覆盖率监测方法及*** | |
CN104318240A (zh) | 一种基于计算机视觉的花蕾判别方法 | |
CN105654088B (zh) | 基于局部对称关系的烟梗提取方法 | |
CN110288623A (zh) | 无人机海上网箱养殖巡检图像的数据压缩方法 | |
CN110455201A (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
CN106780514A (zh) | 基于监控视频影像的暴雨积涝区积水深度的计算方法 | |
Guldogan et al. | Automated tree detection and density calculation using unmanned aerial vehicles | |
CN115311623A (zh) | 一种基于红外热成像的设备漏油检测方法及*** | |
CN106355609A (zh) | 自动行走设备及其植被健康状况识别方法 | |
CN108182673A (zh) | 一种盐碱地的改良和治理方法及*** |
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 |