CN106570770B - 果园水肥一体化追肥量精准估算方法 - Google Patents
果园水肥一体化追肥量精准估算方法 Download PDFInfo
- Publication number
- CN106570770B CN106570770B CN201610998312.5A CN201610998312A CN106570770B CN 106570770 B CN106570770 B CN 106570770B CN 201610998312 A CN201610998312 A CN 201610998312A CN 106570770 B CN106570770 B CN 106570770B
- Authority
- CN
- China
- Prior art keywords
- fertilizer
- fruit
- image
- fruit tree
- topdressing amount
- 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
- 239000003337 fertilizer Substances 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000002420 orchard Substances 0.000 title claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 13
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 97
- 235000021049 nutrient content Nutrition 0.000 claims abstract description 11
- 239000002881 soil fertilizer Substances 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000007405 data analysis Methods 0.000 claims abstract description 3
- 239000002689 soil Substances 0.000 claims description 14
- 230000035558 fertility Effects 0.000 claims description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 235000002566 Capsicum Nutrition 0.000 claims description 3
- 239000006002 Pepper Substances 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 235000016761 Piper aduncum Nutrition 0.000 claims description 3
- 235000017804 Piper guineense Nutrition 0.000 claims description 3
- 235000008184 Piper nigrum Nutrition 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 229910052698 phosphorus Inorganic materials 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 239000011591 potassium Substances 0.000 claims description 3
- 229910052700 potassium Inorganic materials 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 244000203593 Piper nigrum Species 0.000 claims 1
- 230000006978 adaptation Effects 0.000 claims 1
- 238000012958 reprocessing Methods 0.000 claims 1
- 244000141359 Malus pumila Species 0.000 abstract description 3
- 235000021016 apples Nutrition 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 3
- 241000722363 Piper Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005078 fruit development Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
Images
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
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Soil Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Environmental Sciences (AREA)
- Image Analysis (AREA)
Abstract
果园水肥一体化追肥量精准估算方法,包括果树产量预估模块和追肥量计算模块,所述的果树产量预估模块通过图像采集、图像处理和数据分析,利用面积聚类估测果树花芽数量,结合往年疏花经验和商品果划分单果重标准,预估果树产量;所述的追肥量计算模块根据果树产量与施肥量之间的经验关系,得出果树需肥量,结合土壤含肥量、肥料利用率、肥料养分含量,根据公式:实际追肥量=(需肥量‑土壤含肥量)/肥料利用率×肥料养分含量,计算果树实际追肥量。本发明通过果树产量预估、往年经验运用、土壤含肥量检测以及果树实际追肥量计算结合,做到适时、适量追肥,以便充分发挥肥效,满足苹果安全、丰产、优质的需要。
Description
技术领域
本发明涉及果园管理技术领域,具体涉及一种果园水肥一体化追肥量精准估算方法。
背景技术
施肥是维持土壤肥力,满足果树生长发育、开花结果所需营养元素的重要措施。果树多年生长在同一地点,每年生长、结果都需要从土壤中吸收并消耗大量的无机营养元素。为了满足苹果安全、丰产、优质的需要,果树施肥应根据其需肥规律、树体营养状况、肥料性质、土壤肥力和气候条件而定,尽量做到适时、适量追肥,以便充分发挥肥效。如果盲目追肥,做不到适时适量,不但肥效差,而且会对树体生长和结果造成不良影响(如生长过旺、花芽生成困难、坐果率降低、果实着色不良、果品质量差等)。
果树花前追肥的作用甚为重要,追肥量的多少直接影响果树的开花、坐果和果实发育。传统追肥量的确定是根据经验依据往年果树的产量预测当年的产量,从而确定当年的追肥量,这种确定追肥量的方法缺乏理论依据,无法实现准确科学追肥,影响果树产量。
发明内容
针对上述问题,本发明提供一种果园水肥一体化追肥量精准估算方法,将计算机视觉技术引入果园追肥技术,实现科学精准追肥。
为解决上述技术问题,本发明采取的技术方案为:提供了一种果园水肥一体化追肥量精准估算方法,包括果树产量预估模块和追肥量计算模块,所述的果树产量预估模块通过图像采集、图像处理和数据分析,利用面积聚类估测果树花芽数量,结合往年疏花经验和商品果划分单果重标准,预估果树产量;所述的追肥量计算模块根据果树产量与施肥量之间的经验关系,得出果树需肥量,结合土壤含肥量、肥料利用率、肥料养分含量,根据公式:实际追肥量=(需肥量-土壤含肥量)/肥料利用率/肥料养分含量,计算果树实际追肥量。
具体包括以下步骤:
S1、采集果树图像信息,对果树地上部分做全景采集,得到24位RGB颜色空间的真彩色原始果树图像;
S2、将果树图像由RGB颜色空间转换到Lab颜色空间;
S3、将Lab颜色空间分离成L通道、a通道和b通道;
S4、分别对L、a、b通道求三维像素直方图,选定花芽与背景之间差值明显的通道进行自适应阈值分割,从图像中分离出果树花芽;
S5、通过形态学滤波进行初步降噪,先腐蚀后膨胀处理;
S6、通过中值滤波进一步降噪,即将每个像素的灰度值用其领域的中值代替,去除椒盐噪声;
S7、创建一个动态内存寄存器,对步骤S6处理后的图像进行轮廓检测,找到图像中的所有轮廓,并存放到动态内存寄存器中;
S8、计算所有轮廓中每一个轮廓的面积,根据轮廓面积划分为符合小面积阈值范围的轮廓和符合大面积阈值范围的轮廓;
S9、分别将所有轮廓中符合小面积阈值范围的轮廓绘制到与其外接矩形相同大小的空白图像中,得到单个花芽目标,并统计花芽数量;
S10、分别将所有轮廓中符合大面积阈值范围的轮廓返回至步骤S4,重新进行处理,得到单个花芽目标,并统计花芽数量;
S11、将步骤S9与步骤S10中得到的花芽数量相加得到花芽总数量;
S12、根据步骤S11得到的花芽总数量,结合往年疏花经验得出每个花芽所留花朵数量,从而预估年产果实数量,再根据商品果划分单果重标准规定的单果重量,预估果树产量;
S13、根据果树产量与施肥量之间的经验关系,得出果树需肥量,结合土壤含肥量、肥料利用率、肥料养分含量,根据公式:实际追肥量=(需肥量-土壤含肥量)/肥料利用率/肥料养分含量,计算果树实际追肥量,其中化肥利用率和化肥养分含量均与化肥种类有关。
所述的步骤S2中,通过三维查表插值法将果树图像由RGB颜色空间转换到Lab颜色空间。
所述的步骤S4中,根据三维像素直方图可知,a通道直方图中花芽与土壤、天空等背景之间的差值明显,故选定a通道进行自适应阈值分割,从图像中分离出果树花芽。
所述的步骤S7中,通过遍历的方法对步骤S6处理后的图像进行轮廓检测,找到图像中的所有轮廓。
所述的步骤S8中,符合小面积阈值范围的轮廓为10<轮廓面积<100,符合大面积阈值范围的轮廓为100<轮廓面积<3000;
所述的步骤S12中,商品果划分单果重标准规定的单果重量是指商品果以单果直径划分为75mm、80mm、85mm,其对应的单果重分别为150g、200g、250g。
所述的步骤S13中,通过土壤肥力检测仪检验土壤含肥量,得到土壤中氮、磷、钾肥力的含量信息。
本发明通过果树产量预估、往年经验运用、土壤含肥量检测以及果树实际追肥量计算结合,做到适时、适量追肥,以便充分发挥肥效,满足苹果安全、丰产、优质的需要。
附图说明
图1为本发明的流程图。
具体实施方式
果园水肥一体化追肥量精准估算方法,具体包括以下步骤:
S1、利用数码相机采集果树图像信息,对果树地上部分做全景采集,得到24位RGB颜色空间的真彩色原始果树图像;
S2、通过三维查表插值法将果树图像由RGB颜色空间转换到Lab颜色空间。
S3、将Lab颜色空间分离成L通道、a通道和b通道;
S4、分别对L、a、b通道求三维像素直方图,根据三维像素直方图可知,a通道直方图中花芽与土壤、天空等背景之间的差值明显,故选定a通道进行自适应阈值分割,从图像中分离出果树花芽;
S5、通过形态学滤波进行初步降噪,先腐蚀后膨胀处理;
S6、通过中值滤波进一步降噪,即将每个像素的灰度值用其领域的中值代替,去除椒盐噪声;
S7、创建一个动态内存寄存器,通过遍历的方法对步骤S6处理后的图像进行轮廓检测,找到图像中的所有轮廓,并存放到动态内存寄存器中。
S8、计算所有轮廓中每一个轮廓的面积,根据轮廓面积划分为符合小面积阈值范围的轮廓和符合大面积阈值范围的轮廓,其中符合小面积阈值范围的轮廓为10<轮廓面积<100,符合大面积阈值范围的轮廓为100<轮廓面积<3000;
S9、分别将所有轮廓中符合小面积阈值范围的轮廓绘制到与其外接矩形相同大小的空白图像中,得到单个花芽目标,并统计花芽数量;
S10、分别将所有轮廓中符合大面积阈值范围的轮廓返回至步骤S4,重新进行处理,得到单个花芽目标,并统计花芽数量;
S11、将步骤S9与步骤S10中得到的花芽数量相加得到花芽总数量;
S12、根据步骤S11得到的花芽总数量,结合往年疏花经验得出每个花芽所留花朵数量,即每个花芽留2~3朵花,从而预估年产果实数量,再根据商品果划分单果重标准规定的单果重量,预估果树产量,其中商品果划分单果重标准规定的单果重量是指商品果以单果直径划分为75mm、80mm、85mm,其对应的单果重分别为150g、200g、250g;
S13、根据果树产量与施肥量之间的经验关系,得出果树需肥量,结合土壤含肥量、肥料利用率、肥料养分含量,根据公式:实际追肥量=(需肥量-土壤含肥量)/肥料利用率/肥料养分含量,计算果树实际追肥量,其中通过土壤肥力检测仪检验土壤含肥量,得到土壤中氮、磷、钾肥力的含量信息,化肥利用率和化肥养分含量均与化肥种类有关。
Claims (7)
1.果园水肥一体化追肥量精准估算方法,其特征在于:包括果
树产量预估模块和追肥量计算模块,所述的果树产量预估模块通过
图像采集、图像处理和数据分析,利用面积聚类估测果树花芽数量,
结合往年疏花经验和商品果划分单果重标准,预估果树产量,具体为:
S1、采集果树图像信息;
S2、将果树图像由 RGB 颜色空间转换到 Lab 颜色空间;
S3、将 Lab 颜色空间分离成 L 通道、 a 通道和 b 通道;
S4、分别对 L、 a、 b 通道求三维像素直方图,选定花芽与背景
之间差值明显的通道进行自适应阈值分割,从图像中分离出果树花
芽;
S5、通过形态学滤波进行初步降噪,先腐蚀后膨胀处理;
S6、通过中值滤波进一步降噪,去除椒盐噪声;
S7、创建一个动态内存寄存器,对步骤 S6 处理后的图像进行轮
廓检测,找到图像中的所有轮廓,并存放到动态内存寄存器中;
S8、计算所有轮廓中每一个轮廓的面积,根据轮廓面积划分为符
合小面积阈值范围的轮廓和符合大面积阈值范围的轮廓;
S9、分别将所有轮廓中符合小面积阈值范围的轮廓绘制到与其外
接矩形相同大小的空白图像中,得到单个花芽目标,并统计花芽数
量;
S10、分别将所有轮廓中符合大面积阈值范围的轮廓返回至步骤
S4,重新进行处理,得到单个花芽目标,并统计花芽数量;
S11、将步骤 S9 与步骤 S10 中得到的花芽数量相加得到花芽总数
量;
S12、根据步骤 S11 得到的花芽总数量,结合往年疏花经验得出
每个花芽所留花朵数量,从而预估年产果实数量,再根据商品果划
分单果重标准规定的单果重量,预估果树产量;
所述的追肥量计算模块根据果树产量与施肥量之间的经验关系,得
出果树需肥量,结合土壤含肥量、肥料利用率、肥料养分含量,根
据公式计算果树实际追肥量:实际追肥量=(需肥量-土壤含肥量)/肥料利用率/肥料养分含量。
2.根据权利要求 1 所述的果园水肥一体化追肥量精准估算方
法,其特征在于:所述的步骤 S2 中,通过三维查表插值法
将果树图像由 RGB 颜色空间转换到 Lab 颜色空间。
3.根据权利要求 1 所述的果园水肥一体化追肥量精准估算方
法,其特征在于:所述的步骤 S4 中,选定 a 通道进行自适
应阈值分割,从图像中分离出果树花芽。
4.根据权利要求 1 所述的果园水肥一体化追肥量精准估算方
法,其特征在于:所述的步骤 S7 中,通过遍历的方法对步
骤 S6 处理后的图像进行轮廓检测,找到图像中的所有轮廓。
5.根据权利要求 1 所述的果园水肥一体化追肥量精准估算方
法,其特征在于:所述的步骤 S8 中,符合小面积阈值范围
的轮廓为10<轮廓面积<100,符合大面积阈值范围的轮廓为100<轮廓面积<3000 。
6.根据权利要求 1 所述的果园水肥一体化追肥量精准估算方
法,其特征在于:所述的步骤 S12 中,商品果划分单果重标
准规定的单果重量是指商品果以单果直径划分为 75mm、 80mm、
85mm,其对应的单果重分别为 150g、 200g、 250g。
7.根据权利要求 1 所述的果园水肥一体化追肥量精准估算方
法,其特征在于:所述的步骤 S13 中,通过土壤肥力检测仪
检验土壤含肥量,得到土壤中氮、磷、钾肥力的含量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610998312.5A CN106570770B (zh) | 2016-11-11 | 2016-11-11 | 果园水肥一体化追肥量精准估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610998312.5A CN106570770B (zh) | 2016-11-11 | 2016-11-11 | 果园水肥一体化追肥量精准估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106570770A CN106570770A (zh) | 2017-04-19 |
CN106570770B true CN106570770B (zh) | 2020-12-18 |
Family
ID=58541742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610998312.5A Active CN106570770B (zh) | 2016-11-11 | 2016-11-11 | 果园水肥一体化追肥量精准估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570770B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108684278B (zh) * | 2017-04-06 | 2020-07-17 | 点豆(山东)网络技术有限公司 | 智能配肥方法、装置和*** |
CN108077042A (zh) * | 2017-12-04 | 2018-05-29 | 北京农业智能装备技术研究中心 | 一种冬小麦全生育期灌溉预警决策方法 |
CN108154267A (zh) * | 2017-12-25 | 2018-06-12 | 深圳春沐源控股有限公司 | 一种施肥机的肥料参数调整方法及装置 |
CN112021016A (zh) * | 2020-09-07 | 2020-12-04 | 江苏农林职业技术学院 | 草莓疏花疏果*** |
CN115349338B (zh) * | 2022-08-17 | 2023-06-30 | 江苏省农业机械试验鉴定站 | 一种基于作物长势的变量追肥控制***与方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101015262A (zh) * | 2007-03-09 | 2007-08-15 | 陕西中农瑞丰化肥科技有限责任公司 | 苹果精准施肥方法 |
CN103336966A (zh) * | 2013-07-15 | 2013-10-02 | 山东奥泰机械有限公司 | 一种应用于农业智能机械的杂草图像辨识方法 |
CN103646404A (zh) * | 2013-12-29 | 2014-03-19 | 四川农业大学 | 一种基于颜色的快速茶树花分割和计数方法 |
CN103793686A (zh) * | 2014-01-16 | 2014-05-14 | 中国农业大学 | 一种果树产量早期预测的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5912827B2 (ja) * | 2012-05-09 | 2016-04-27 | 株式会社クボタ | 施肥量設定方法、施肥量設定装置、施肥量設定プログラム、施肥量設定システム |
US9288938B2 (en) * | 2012-06-01 | 2016-03-22 | Rowbot Systems Llc | Robotic platform and method for performing multiple functions in agricultural systems |
-
2016
- 2016-11-11 CN CN201610998312.5A patent/CN106570770B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101015262A (zh) * | 2007-03-09 | 2007-08-15 | 陕西中农瑞丰化肥科技有限责任公司 | 苹果精准施肥方法 |
CN103336966A (zh) * | 2013-07-15 | 2013-10-02 | 山东奥泰机械有限公司 | 一种应用于农业智能机械的杂草图像辨识方法 |
CN103646404A (zh) * | 2013-12-29 | 2014-03-19 | 四川农业大学 | 一种基于颜色的快速茶树花分割和计数方法 |
CN103793686A (zh) * | 2014-01-16 | 2014-05-14 | 中国农业大学 | 一种果树产量早期预测的方法 |
Non-Patent Citations (1)
Title |
---|
苹果平衡施肥技术;杨成明;《果农之友》;20081231;第25页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106570770A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570770B (zh) | 果园水肥一体化追肥量精准估算方法 | |
AU2020103026A4 (en) | A Single Tree Crown Segmentation Algorithm Based on Super-pixels and Topological Features in Aerial Images | |
US20190197344A1 (en) | Saliency-based method for extracting road target from night vision infrared image | |
CN103310218B (zh) | 一种重叠遮挡果实精确识别方法 | |
CN106780091A (zh) | 基于植被指数时空间统计特征的农业灾害信息遥感提取方法 | |
CN110598619B (zh) | 一种利用无人机影像进行果树识别和计数的方法和*** | |
CN103279762B (zh) | 一种自然环境下果实常见生长形态判定方法 | |
CN111798470B (zh) | 一种应用于智能农业的农作物图像实体分割方法及*** | |
CN104715251A (zh) | 一种基于直方图线性拟合的显著目标检测方法 | |
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 | |
CN114431005A (zh) | 智能化农业果实采摘识别与定位方法、***及装置 | |
CN106666767B (zh) | 一种基于视觉技术的高效葵花籽脱壳方法 | |
CN104318240B (zh) | 一种基于计算机视觉的花蕾判别方法 | |
CN108564021A (zh) | 一种基于数码相片提取荒漠植被盖度的方法 | |
CN104715476A (zh) | 一种基于直方图幂函数拟合的显著目标检测方法 | |
CN110276782B (zh) | 一种结合空谱特征和相关滤波的高光谱目标跟踪方法 | |
CN112115778B (zh) | 一种在环仿真条件下车道线智能识别方法 | |
CN113936019A (zh) | 一种基于卷积神经网络技术的大田作物产量估算方法 | |
Ban et al. | A lightweight model based on YOLOv8n in wheat spike detection | |
CN111401121A (zh) | 一种基于超像素特征提取实现柑橘分割方法 | |
CN104899875A (zh) | 一种基于积分匹配的快速图像协同显著区域监测方法 | |
Kaur et al. | Automatic crop furrow detection for precision agriculture | |
CN115810151A (zh) | 深度学习林地提取树种识别算法模型 | |
CN113421301B (zh) | 一种田间作物中心区域定位方法及*** | |
CN113807129A (zh) | 一种作物区域识别方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant |