«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第43卷

期数:

2015年08期

页码:

403-405

栏目:

农业工程与信息技术

出版日期:

2015-08-25

文章信息/Info

Title:

Visual inspection method of rapeseed maturity level based on neural networks

作者:

梁帆;  杨莉莉;  崔世钢;  吴兴利;  田立国

天津职业技术师范大学/天津市信息传感与智能控制重点实验室，天津 300222

Author(s):

Liang Fan; et al

关键词:

图像处理; BP神经网络; 油菜; 株高; 叶冠投影; 成熟度; 等级测定

Keywords:

-

分类号:

TP335⁺.1；S126

DOI:

-

文献标志码:

A

摘要:

蔬菜的成熟度可以通过作物的形态特征直观地体现出来，其标准可用积温比值来衡量。对LED智能植物生长柜中采集的油菜图像进行处理和分析，分割出叶冠投影图像和植株侧面图像轮廓，从而提取叶冠投影面积、株高等形态特征数据，然后根据BP神经网络的建模原理对采集的样本数据进行训练，实现了基于BP神经网络模型的蔬菜成熟度等级测定。结果表明，该方法能够在不破坏植株的情况下检测油菜的成熟度，准确率达到95%。

Abstract:

-

参考文献/References:

［1］郭孝玉，孙玉军，王轶夫，等. 基于改进人工神经网络的植物叶面积测定［J］. 农业机械学报，2013，44(2)：200-204，199.
［2］吴春胤，张文昭，欧阳庆，等. 基于BP神经网络模型的荔枝树叶面积测定方法［J］. 农业工程学报，2007，23(7)：166-169.
［3］尹建军，毛罕平，王新忠，等. 自然条件下番茄成熟度机器人判别模型［J］. 农业机械学报，2009，40(10)：146-150，168.
［4］张长利，房俊龙，潘伟. 用遗传算法训练的多层前馈神经网络对番茄成熟度进行自动检测的研究［J］. 农业工程学报，2001，17(3)：153-156.
［5］闫润，王新忠，张莹莹. 基于神经网络及近红外光谱的草莓成熟度快速识别方法［J］. 安徽农业科学，2012，40(10)：6292-6294.
［6］王慧慧，孙永海，张贵林，等. 基于压力和图像的鲜玉米果穗成熟度分级方法［J］. 农业工程学报，2010，26(7)：369-373.
［7］吕琛，李锋霞，马本学，等. 甜瓜成熟度检测技术研究进展［J］. 江苏农业科学，2014，42(1)：244-246.
［8］张德丰. MATLAB神经网络编程［M］. 北京：化学工业出版社，2011.
［9］周开利，康耀红. 神经网络模型及其MATLAB仿真程序设计［M］. 北京：清华大学出版社，2005.

相似文献/References:

[1]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383.
　Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(08):383.
[2]赵艳玲,何厅厅,侯占东,等.基于BFA-BP神经网络的土壤肥力评价[J].江苏农业科学,2013,41(08):340.
　Zhao Yanling,et al.Soil fertility evaluation based on BFA-BP neural network[J].Jiangsu Agricultural Sciences,2013,41(08):340.
[3]王红君,张梦,赵辉,等.基于BP神经网络的温室黄瓜灌溉预测模型[J].江苏农业科学,2013,41(11):407.
　Wang Hongjun,et al.Irrigation forecast model of cucumber in greenhouse based on BP neural networks[J].Jiangsu Agricultural Sciences,2013,41(08):407.
[4]田昊,王维新,毕新胜,等.基于图像处理的机采棉杂质提取算法[J].江苏农业科学,2014,42(01):366.
　Tian Hao,et al.Study on impurities extraction algorithm of machine-harvested cotton based on image processing[J].Jiangsu Agricultural Sciences,2014,42(08):366.
[5]田孟祥,张时龙,何友勋,等.1种快速高效的水稻谷粒自动计数方法[J].江苏农业科学,2014,42(02):64.
　Tian Mengxiang,et al.A quick and efficient automatic counting method for rice grains[J].Jiangsu Agricultural Sciences,2014,42(08):64.
[6]李子艺,王振锡,岳俊,等.基于BP神经网络的高光谱果树树种识别研究[J].江苏农业科学,2016,44(05):410.
　Li Ziyi,et al.Study on recognition of fruit tree with hyperspectral data based on BP neural network[J].Jiangsu Agricultural Sciences,2016,44(08):410.
[7]关强,薛河儒,姜新华.基于二维OTSU的田间植物图像分割方法[J].江苏农业科学,2015,43(12):437.
　Guan Qiang,et al.Segmentation of field plant image based on two-dimensional OTSU[J].Jiangsu Agricultural Sciences,2015,43(08):437.
[8]马海姣,崔晨风.基于可见-近红外光谱和神经网络的土壤类型鉴别[J].江苏农业科学,2014,42(04):284.
　Ma Haijiao,et al.Identification of soil types based on visible-near infrared spectroscopy and neural networks[J].Jiangsu Agricultural Sciences,2014,42(08):284.
[9]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(08):320.
[10]夏永泉,李耀斌,曾莎.基于HSI颜色空间的植物叶片病斑提取方法[J].江苏农业科学,2015,43(08):406.
　Xia Yongquan,et al.Disease spot extraction method of plant leaf based on HSI color space[J].Jiangsu Agricultural Sciences,2015,43(08):406.

备注/Memo

备注/Memo:

收稿日期：2014-09-02
基金项目：国家自然科学基金(编号：61178048)；国家社会科学基金(编号：BFA110049)；国家“863”计划(编号：SS2013AA03120)；天津市自然科学基金(编号：14JCQNJC04300)；天津职业技术师范大学校级基金(编号：KYQD13022、KJY11-10)。
作者简介：梁帆(1981—)，男，天津人，博士，讲师，主要从事现代农业、医疗机器人、人工智能等研究。E-mail：bachelormd10@gmail.com。

常用功能

更新日期/Last Update: 2015-08-25