-
公开(公告)号：CN106023159B
公开(公告)日：2019-02-26
申请号：CN201610306331.7
申请日：2016-05-10
Applicant: 中国农业大学
Abstract: 本发明提供一种设施蔬菜叶部病斑图像分割方法及系统，包括：将设施现场采集的蔬菜叶部病害图像分为训练组和测试组，对其进行增强处理；提取增强处理后训练组图像的初始颜色分类特征和梯度特征；将增强处理后的训练组图像分类为病斑样本和叶片样本，按照提取的初始颜色分类特征和梯度特征，获取病斑样本和叶片样本的初始颜色分类特征数据和梯度特征数据；采用粗糙集的方法，针对病斑样本和叶片样本的初始颜色分类特征数据，选择颜色分类特征，得到颜色特征子集；根据颜色特征子集以及病斑样本和叶片样本的梯度特征数据，构建条件随机场模型；根据条件随机场模型对增强处理后的测试组图像进行分割，提取病斑图像。本发明提取病斑图像准确且速度快。
-
公开(公告)号：CN106127735B
公开(公告)日：2018-12-04
申请号：CN201610422908.0
申请日：2016-06-14
Applicant: 中国农业大学
Abstract: 本发明提供一种设施蔬菜边缘清晰类叶面病斑分割方法及装置，方法包括去除待处理图像的非绿背景后根据HSI颜色模型获取处理后图像的亮度分量梯度图；用分水岭算法对亮度分量梯度图进行分割后对分割后图像的色调和饱和度分量分割得两个分割图像；按预设规则分别对三个分割图像的分割块合并提取，获取三个待选目标叶片区域；根据获取的待选目标叶片区域及它们的外接最小凸多边形的像素数计算三个叶片完整性参数，选最大值对应的区域为目标叶片区域，获取待处理图像的灰度图像及灰度图像中目标叶片区域中各像素点的灰度值；据灰度值将目标叶片区域的各像素点分成多类，依此获取目标叶片区域的病斑区域。本发明可通过计算机视觉技术分割叶片病斑区域。
-
公开(公告)号：CN106105902A
公开(公告)日：2016-11-16
申请号：CN201610471572.7
申请日：2016-06-24
Applicant: 中国农业大学
IPC: A01G9/24 , G05B19/042
Abstract: 本发明涉及温室设备技术领域，尤其涉及一种温室卷帘装置的控制系统及控制方法。本发明的温室卷帘装置的控制系统包括：卷帘装置的卷帘设置于温室的棚面上，且可自棚面的顶部向下铺开、或者自棚面的底部向上卷收，驱动机构与卷帘连接，棚面的顶部和底部分别设置有限位触断开关；环境因素获取装置，设置于温室的内部，用于获取温室内的环境因素数据；控制平台，用以对环境因素获取装置获取的温室内的环境因素数据进行分析，根据分析的结果控制驱动机构驱动卷帘铺开或卷收。该温室卷帘装置的控制系统及控制方法，能够实现自动控制卷帘的铺开和卷收过程，且能够实时获取温室内部的环境因素数据，有效提高对温室内部的环境因素的监测力度。
-
公开(公告)号：CN106023159A
公开(公告)日：2016-10-12
申请号：CN201610306331.7
申请日：2016-05-10
Applicant: 中国农业大学
IPC: G06T7/00
CPC classification number: G06T2207/10004 , G06T2207/20032 , G06T2207/20081 , G06T2207/30188
Abstract: 本发明提供一种设施蔬菜叶部病斑图像分割方法及系统，包括：将设施现场采集的蔬菜叶部病害图像分为训练组和测试组，对其进行增强处理；提取增强处理后训练组图像的初始颜色分类特征和梯度特征；将增强处理后的训练组图像分类为病斑样本和叶片样本，按照提取的初始颜色分类特征和梯度特征，获取病斑样本和叶片样本的初始颜色分类特征数据和梯度特征数据；采用粗糙集的方法，针对病斑样本和叶片样本的初始颜色分类特征数据，选择颜色分类特征，得到颜色特征子集；根据颜色特征子集以及病斑样本和叶片样本的梯度特征数据，构建条件随机场模型；根据条件随机场模型对增强处理后的测试组图像进行分割，提取病斑图像。本发明提取病斑图像准确且速度快。
-
公开(公告)号：CN104642021B
公开(公告)日：2016-09-14
申请号：CN201510102239.4
申请日：2015-03-09
Applicant: 中国农业大学
Abstract: 本发明涉及蔬菜病害防治技术领域，具体涉及一种设施生菜病害预警方法及装置。本发明提供的一种设施生菜病害预警方法及装置，基于植物病害三角原理，根据生菜易发生病害的环境温湿度阈值以及不同病原在不同环境下完成侵染的时间来确定的，将预警类型分为即时预警、积时预警和短期预警三种，比起单一使用某种预警方法效果更好，能够做到较全面地考虑病原在侵染生菜的接触期、侵入期、潜育期、发病期分别对生菜的影响，预警结果更加可靠。同时便于农户理解和掌握，方便推广和应用。
-
Patent Agency Ranking
公开(公告)号：CN105787802A
公开(公告)日：2016-07-20
申请号：CN201610096539.0
申请日：2016-02-22
Applicant: 中国农业大学
IPC: G06Q50/02
CPC classification number: G06Q50/02
Abstract: 本发明提供一种有机农场选址方法及系统，所述方法包括：在接收到有机农场选址请求时，在数据库中提取未分配的各区域土地资源，并获取所述各区域土地资源的环境质量参数；根据所述环境质量参数对所述各区域土地资源的环境质量进行测评；将测评结果最高的土地资源作为有机农场选址结果输出。所述系统包括：环境质量参数获取单元、环境质量测评单元及选址结果输出单元。本发明的有机农场选址方法及系统，对各区域土地资源进行科学分析，从而有效提高了土地资源及生产资源的利用率。
-
公开(公告)号：CN105739575A
公开(公告)日：2016-07-06
申请号：CN201610065128.5
申请日：2016-01-29
Applicant: 中国农业大学
IPC: G05D27/02
CPC classification number: G05D27/02
Abstract: 本发明提供一种设施蔬菜环境参数的数据融合方法、装置及系统，所述方法包括：获取大棚内各预设位置处不同时刻的设施蔬菜的至少一个环境参数的值；将相同时刻的各环境参数的值分别组成环境参数序列，得到不同时刻的各环境参数序列；对所述各环境参数序列进行加权融合计算，以获得不同时刻的各环境参数序列的融合值。上述设施蔬菜环境参数的数据融合方法、装置及系统解决了现有技术中没有考虑传感器的布置位置对温室大棚整体环境参数的影响，从而造成现有技术对温室大棚整体环境参数监测不准确的技术问题。
-
公开(公告)号：CN105052615A
公开(公告)日：2015-11-18
申请号：CN201510445484.5
申请日：2015-07-27
Applicant: 中国农业大学
CPC classification number: Y02A40/252 , Y02A40/266 , Y02A40/268 , A01G9/14 , A01G9/24
Abstract: 本发明提供了双面温室的阴棚供热方法以及自动蓄放热的双面温室，利用阳棚的光照产生温度高的空气，并贮存在热空气贮存结构内，由热空气贮存结构将温度高的空气输送到阴棚内，能够充分吸收阳棚的太阳辐射热，替代传统燃煤锅炉的供暖系统，有效节省能源，实现温室的低碳节能高效，并且供暖过程不产生任何污染；另外，由于白天阳棚里的蔬菜光合作用产生大量的氧气，经过加热后的热空气进入阴棚，能够为阴棚中的作物带来生长所需要的氧气，有利于提高阴棚作物的产量与品质。
-
公开(公告)号：CN104737858A
公开(公告)日：2015-07-01
申请号：CN201510087860.8
申请日：2015-02-25
Applicant: 中国农业大学
CPC classification number: Y02A40/258
Abstract: 本发明提供了一种菇菜双面温室的阴棚覆盖层及其建造方法，所述菇菜双面温室的阴棚覆盖层为三层结构，所述三层结构包括聚氨酯纤维布、现场发泡形成的硬质聚氨酯层以及刮涂在所述硬质聚氨酯层上的聚合物砂浆层，阴棚的钢结构骨架及电线套管嵌于所述硬质聚氨酯层中。本发明能够减少水汽对温室骨架的侵蚀作用，延长温室结构的使用寿命，减少因为潮湿可能引起的用电短路问题；还可以减少冷桥效应，减少供热、制冷能耗损失，提高阴棚的保温能力，提高冬季食用菌生产的产量，降低食用菌的生产成本。
-
公开(公告)号：CN114399480B
公开(公告)日：2024-12-27
申请号：CN202111659409.0
申请日：2021-12-30
Applicant: 中国农业大学
IPC: G06T7/00 , G06T7/11 , G06T7/194 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种蔬菜叶片病害严重程度检测方法及装置，该蔬菜叶片病害严重程度检测方法包括：获取蔬菜叶片图像；基于所述蔬菜叶片图像，确定病害分割图像；基于所述病害分割图像，确定病斑区域信息和健康区域信息；基于所述病斑区域信息和所述健康区域信息，确定病害严重程度信息。本发明提供的蔬菜叶片病害严重程度检测方法及装置，通过基于真实场景下的蔬菜叶片图像，确定病害分割图像，并根据病害分割图像，确定病斑区域信息和健康区域信息，从而得到病害严重程度信息，这样能够自动完成对复杂背景蔬菜叶片病害严重程度的精准检测，能够节省人力成本，提高检测准确度和检测效率。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.033 seconds)
