机器视觉技术的农业应用研究进展

 机器视觉技术已广泛应用到农业生产的诸多领域。综合国内外优秀研究成果,阐述了现阶段机器视觉在农业方面应用的主要形式,介绍了机器视觉在农作物精选与质量检测、植物生长信息监测、农田视觉导航等应用方向的研究成果,通过分析其创新性的图像处理算法、机器视觉系统的组成,提出了当前机器视觉农业应用仍存在可靠性差、成本高、智能化水平不高等问题。结合当前机器视觉在各种领域的研究和应用情况,对未来机器视觉在农业应用的发展方向进行展望,认为基于嵌入式处理模块和多技术融合的机器视觉系统将成为未来主要发展趋势,以卷积神经网络为代表的深度学习模型也将成为未来图像识别的核心技术,并将极大改善目前机器视觉在农业应用存在的诸多问题。     

基于机器视觉技术的分拣机器人研究综述

随着机器视觉技术和人工智能的高速发展,当代机器人正朝着协作化、自动化、网络化以及智能化方向发展。为保障机器人作用的精准高效,机器视觉技术受到了极大的关注并被广泛应用于各领域。传统的分拣过程受物件特征的影响较大,而机器视觉技术具有速度快、信息量大、功能多的特点,并且能避免工人疲劳带来的误差,因而机器视觉技术在分拣领域表现出了良好的应用前景。基于此,详细分析和探讨了基于机器视觉技术的分拣机器人的组成、关键技术以及在各个行业的应用现状,具体阐述了相应的优势、存在的问题及可行性解决方案。最后,展望了分拣机器人结合机器视觉技术在人工智能大数据时代的发展趋势。     

基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

基于机器视觉的钨矿初选系统设计

针对目前我国钨产业开发中存在的人力资源耗费大，产品纯度和生产效率低，矿产资源浪费等原因。见于目前机器视觉技术在行业检测中的广泛应用，提出将机器视觉技术应用到我国钨产业开发中来。本文从系统的设计，系统开发过程中用到的图像分割、定位、边缘检测等技术方面v做简单介绍。     

机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

机器视觉心理与分辨率锥体的应用

通过目标识别问题提出了机器视觉心理的概念，以及由此理论进行指导的工程实践应用，对于其典型应用之一的分辨率锥体技术用于目标识别进行了详尽的讨论，并对机器视觉心理理论的发展进行了预测     

机器视觉及其应用

介绍了机器视觉的研究内容 ,比较了机器视觉与人类视觉的差异 ,分析了机器视觉研究状况 ,并对机器视觉今后的发展方向做了展望 ,最后阐述了机器视觉的应用     

机器视觉技术及其在机械制造自动化中的应用

随着视频技术和红外成像技术在机械制造业中的广泛应用,一些应用场合优先利用计算机视觉技术,由计算机替代监控人员进行图像理解。文中简要介绍了机器视觉系统的基本组成,在已有的或设想的一些应用实例的基础上,详细分析了机器视觉技术在机械制造及其自动化中应用,重点阐述了在检测和测量方面的典型应用,并探讨了机器视觉广阔的应用前景。     

风云气象卫星在农业遥感中的应用

 总结了农业定量遥感、作物分类与种植面积估算、作物长势监测与产量预报、农业灾害监测等几方面的技术现状，介绍了风云气象卫星与农业相关的定量监测产品，展示了利用风云气象卫星数据开展的冬小麦面积提取、作物长势监测、物候监测及农业干旱等方面的业务应用，提出了今后风云卫星农业遥感应用发展的思路。     

机器视觉在精密测量中的应用

机器视觉技术正广泛地应用于各个方面,从工业检测到文件处理,从医学图象到遥感图象,从毫微米技术到多媒体数据库,不胜枚举,可以说,需要人类视觉的场合几科都需要机器视觉。文章围绕自行研制的二维显微摄象精密检测系统,描述了机器视觉的基本原理、基本组成以及制造业中精神测量的现状和发展趋势;展示了机器视觉技术在机械制造微尺寸精密测量中的成功应用,以及其在精确定量感知等方面特有的优越性。     

提高作物图象处理与分析效果的途径与方法研究

分析和总结了提高作物图象处理和分析效果的途径与方法及目前国际上主要图象分析系统的设计思想和功能，并研究了其在作物科研中的具体使用技术，提出图象技术进一步应用于作物研究的领域。     

一种去除二值图像椒盐噪声算法及其应用

在进行作物形态测量的研究中需要对二值化后的作物图像进行细化操作 ,然而由于作物照片上反光和以往的图像分割算法缺陷等原因使得图像上的目标产生很多椒盐噪声 ,它们的存在对后面的细化操作将会产生不良影响 ,从而影响最后的作物形态测量工作 .常用的线性低通滤波器和邻域平均的方法对图像有模糊的负作用 ;中值滤波的方法效果不好 ;利用标号法去除椒盐噪声算法复杂 ,实现起来有一定困难 .本文提出了一种可以快速去除在二值图像中的椒盐噪声算法 ,该算法具有简单、快速、高效等特点 ,实现起来也比较容易 ,是一种较有前途的算法 .     

中国、澳大利亚小麦、蔬菜以及棉花根部土传病害生物防治研究进展

土传病害是作物产量的经常性限制因素。在禾谷类生产中，某些病害在少耕制度下异常严重。因此，有利于保护土壤侵蚀的管理措施(例如减少耕作、保留农作物残体等)能导致病害发生更为严重，从而造成作物减产，这要求研究新的病害防治措施，而不能依靠农业耕作措施或轮作进行防治。生物防治是病害防治措施的一种，在中国和澳大利亚都已进行了研究。蔬菜和棉花的苗期病害一般是利用化学杀菌剂进行防治，或者病害严重发生导致毁种后重新播种。在这些病害防治方面，人们探索了生物防治措施，旨在发展安全、无残留的防治方法，本文介绍的合作研究，主要是在田间和盆栽条件下筛选、评价一系列澳大利亚和中国的土壤细菌和真菌在中国和澳大利亚东南部对土传病害的防治作用，从而建立有效可靠的作物病害生物防治方法。在两国进行的实验研究中，对象作物为小麦、蔬菜(番茄、黄瓜和辣椒)以及棉花。另外，还对枯草芽孢杆菌的作用机理以及重要植物病原菌如腐霉菌的生态学进行了研究。     

Envisat ASAR在水稻识别中的应用

合成孔径雷达(SAR)具有全天时全天候工作的能力,是南方多云地区水稻识别监测的有利手段.该文利用目前世界上最先进的EnvisatASAR数据,在长乐市进行水稻提取.在常规预处理的基础上对多时相数据进行自动配准和主成分变换,并采用面向对象法进行水稻的提取,精度为89.1%.结果表明:利用多时相双极化ASAR数据进行水稻信息的提取在南方多云地区具有一定实用意义.     

长春市农作物虚拟水量时空分异特征研究

通过对长春市1998—2008年农作物虚拟水量的计算与分析,探讨了其时空分异规律.结果表明:11年来长春市农作物虚拟水量呈现不断波动趋势,与粮食作物的变化趋势相一致.粮食作物的虚拟水量在2000年、2004年和2007年出现高峰值,经济作物、蔬菜和瓜果的虚拟水量变化不大.对比分析1998年、2004年和2008年长春市所辖5县市区农作物虚拟水量的空间分布,1998年5县市区虚拟水量只分为3个等级,没有达到第四等级;2004年榆树市和农安县达到第四等级,位居首位,德惠市上升到第三等级,排名第2,九台市和市区均由第一等级上升到第二等级,但排名最末;到2008年德惠市由第三等级降到第二等级,九台市、市区由第二等级降低到第一等级,而榆树市、农安县仍为第四等级.     

分子标记及其在作物育种上的应用

分子标记是随着遗传学的发展而诞生的一种基于DNA多态性的遗传标记.主要综述了几种分子标记的基本原理及其在作物育种上的应用,实践证明,分子标记技术为作物育种提供了一种新的研究手段,必将在作物育种领域开拓广阔的应用前景.     

深度学习技术在影像密集匹配方面的进展与应用

在计算机视觉及摄影测量领域中，影像的密集匹配一直是研究的重点与难点之一。它在影像三维重建、数字表面模型生产中都具有不可或缺的作用。近几年来，随着深度学习的快速发展，基于深度学习的影像密集匹配算法也是层出不穷。本文通过对目前具有代表性的技术方法进行回顾，按照基于图像块的相似性度量学习和端对端生成视差图两类研究思路，叙述了深度学习在影像密集匹配中的研究进展与趋势，总结了现有方法的优点与不足，以期为影像匹配的研究提供具有参考价值的文献综述。     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

基于轮廓查找与线扫描的作物行检测算法

针对传统作物行直线检测算法存在的检测时间长、检测误差大的问题,提出一种基于轮廓查找与线扫描的作物行检测算法。首先,在农田图像下端一定宽度条形图上进行轮廓查找,求取轮廓的外接矩形,得到作物直线下端定位点;其次,对每一个下端定位点在图像顶端一定区域内进行线扫描,上下两端点形成一条候选作物行直线,记录直线上的绿色像素数量最大时上端顶点的位置,此直线即为最佳作物行直线。仿真实验表明,研究结果可以准确地检测出主要作物行直线,准确率为90. 0%,平均检测时间为30 ms。