-
公开(公告)号：CN109254583A
公开(公告)日：2019-01-22
申请号：CN201811060112.0
申请日：2018-09-08
Applicant: 华中农业大学
IPC: G05D1/02 , B62D55/065 , H02J7/35
CPC classification number: G05D1/021 , B62D55/065 , G05D1/0231 , G05D1/0246 , G05D1/0263 , H02J7/35
Abstract: 本发明涉及一种履带式小车田间信息自动采集装置与方法，该装置包含有履带式底盘、挂载支架、自动循迹单元、作物图像采集单元、太阳能供电、计算机系统等6个功能模块组成。利用磁导引传感技术引导小车沿农作物行自动行走，利用可见光相机全自动采集农作物的图片，利用太阳能电池板24小时为小车提供电能，利用图像处理技术提取农作物的表型信息的无损测量装置和方法，同时该履带式小车采用装有4个功率80W直流电机底盘，使小车负载可达100Kg履带式结构也克服了田间地理环境凹凸不平的问题。在作物遗传改良方面的研究中采用本发明，可以方便快捷无干预无损伤地采集农作物的生长图像。
-
Patent Agency Ranking
公开(公告)号：CN107316289B
公开(公告)日：2020-05-08
申请号：CN201710446444.1
申请日：2017-06-08
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于深度学习和超像素分割的大田稻穗分割方法。该方法利用超像素分割技术中的简单线性迭代聚类方法，将具有相似特征的相邻像素构成图像块即超像素，在大规模训练样本自动标注和选择的基础上，由深度学习技术中的卷积神经网络判别超像素类别实现稻穗的初步分割，并由基于熵率的超像素分割方法对初步分割结果进行优化。该方法能克服不同品种及不同生育期的水稻稻穗颜色、形状、大小、姿态、纹理的巨大差异、稻穗边缘严重不规则、穗叶颜色混叠及田间不均匀且变化的光照、遮挡、刮风因素的影响，实现对不同品种及不同生育期大田稻穗的准确分割，并能适用于盆栽环境稻穗的分割。相比现有技术而言，具备精度高、适用性强的技术优势。
-
公开(公告)号：CN110853044A
公开(公告)日：2020-02-28
申请号：CN201910374602.6
申请日：2019-04-25
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于条件欧式聚类的盆栽玉米点云快速分割方法。该方法编写了基于条件欧式聚类的盆栽玉米点云快速分割方法的算法。首先多盆盆栽玉米顶视图经过运动恢复结构(SFM)三维重建生成三维点云数据，然后进行相关点云预处理，将多盆盆栽玉米植株点云过分割成若干部分后，根据盆栽玉米植株点云之间的距离差异，用Point Cloud Library(PCL)设置条件距离阈值将单株玉米快速聚类分割出来。该方法能够在三维空间下，自动快速的聚类分割出目标植株，为后续研究提取相关目标植株性状做好了前提准备，相比传统点云分割技术而言，具备分割效果好、适用性强的技术优势。
-
公开(公告)号：CN109859099A
公开(公告)日：2019-06-07
申请号：CN201910094708.0
申请日：2019-01-22
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于SFM点云深度的盆栽玉米杂草快速去除方法。该方法编写了基于SFM点云深度的盆栽玉米杂草快速去除方法的算法。待分割的混有杂草盆栽玉米图像首先经过运动恢复结构(SFM)三维重建生成三维点云数据，然后进行相关点云预处理，根据盆栽玉米植株和杂草三维点云深度方向的差异，用Point Cloud Library(PCL)设置深度阈值将杂草去除，最后将去除杂草后的三维点云数据进行投影，得到二维去除杂草后的玉米植株图片。该方法能克服目标植株与其它背景因颜色差别不大或者有连通的传统图像处理方法不好分割或者分割效果不好的缺点。可推广运用于所有具有深度差异的前景与背景的分割，相比传统图像处理技术而言，具备分割效果好、适用性强的技术优势。
-
公开(公告)号：CN110866975A
公开(公告)日：2020-03-06
申请号：CN201910374603.0
申请日：2019-04-25
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于多目视觉的油菜图像获取装置及三维特征提取方法。本装置包括轮式小车底盘、手摇升降杆、电动升降卷帘、LED光源、笔记本电脑、四个RGB相机以及相机旋转台等；本方法包括用运动恢复结构(SfM)重建油菜三维点云结构，提取株高、叶片面积等相关表型性状。本发明由多目视觉小车装置获取油菜的二维图像，经VisualSFM软件重建三维结构，通过Visual Studio 2013和PCL(point cloud library)等平台进行三维点云处理快速获取油菜的株高、叶片面积等表型性状。该发明能为表型工作者动态、无损研究三维植株表型性状提供更好更方便的条件。
-
公开(公告)号：CN107316289A
公开(公告)日：2017-11-03
申请号：CN201710446444.1
申请日：2017-06-08
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于深度学习和超像素分割的大田稻穗分割方法。该方法利用超像素分割技术中的简单线性迭代聚类方法，将具有相似特征的相邻像素构成图像块即超像素，在大规模训练样本自动标注和选择的基础上，由深度学习技术中的卷积神经网络判别超像素类别实现稻穗的初步分割，并由基于熵率的超像素分割方法对初步分割结果进行优化。该方法能克服不同品种及不同生育期的水稻稻穗颜色、形状、大小、姿态、纹理的巨大差异、稻穗边缘严重不规则、穗叶颜色混叠及田间不均匀且变化的光照、遮挡、刮风因素的影响，实现对不同品种及不同生育期大田稻穗的准确分割，并能适用于盆栽环境稻穗的分割。相比现有技术而言，具备精度高、适用性强的技术优势。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
