農(nóng)業(yè)信息文摘

1、農(nóng)業(yè)信息文摘一種用于自然光草莓葉片圖像邊緣提取的新型多尺度分析算法王建侖*,韓？，趙霜霜，鄭鴻續(xù)，何燦，崔曉瑩，徐云，陳建樹(shù)，王淑婷（中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京100083）摘要：該研究提由了一種新的基于4個(gè)級(jí)別的“db5”小波分解的圖像的自然光中溫室草莓葉邊緣圖像提取算法。該算法采用不同尺度的重建圖像和不同的分割算法來(lái)排除外部和內(nèi)部的背景和葉脈干擾。本算法有兩個(gè)優(yōu)勢(shì)，其中之一是，它可以表示相同的圖像在不同的空間的抽象概念；另一種是，莫些圖像特征是很難在一些尺度空間被獲取，而很容易在其他尺度空間來(lái)獲得。在圖像處理方法中，使用閾值分割獲得二進(jìn)制圖象區(qū)域，使用Canny分割獲得精確的梯度

2、邊緣，而利用形態(tài)方法和邏輯運(yùn)算是為了避免葉區(qū)內(nèi)片段和葉面積外的粘連。由于草莓葉圖像各不相同，溫室的光輻射可能會(huì)導(dǎo)致葉片和反射圖像的局部照明不均勻，葉片圖像的偽Canny邊緣被分為三類(lèi)：第一類(lèi)是在第一層的小波重構(gòu)圖像中的葉片目標(biāo)外部的Canny偽邊緣的；第二類(lèi)是第三層的小波重構(gòu)圖像中的葉片內(nèi)部高光區(qū)域的Canny偽邊緣；第三類(lèi)是第三層的小波重構(gòu)圖像中的葉片內(nèi)部灰度顯著差異區(qū)域的偽Canny算子的邊緣。利用基于多尺度重構(gòu)的圖像和不同的算法處理過(guò)程來(lái)分別處理這三種不同的紋理特征，結(jié)果可以獲得完整準(zhǔn)確的無(wú)干擾葉片邊緣。該文的多尺度分割方法是一種對(duì)自然光下的溫室草莓葉片的簡(jiǎn)單和非常有效的分割算法，并且通

3、過(guò)略去多尺度運(yùn)算的相同的分割運(yùn)算過(guò)程簡(jiǎn)化了該方法。關(guān)鍵詞：多尺度分析，邊緣提取，草莓葉片圖像，canny邊緣，Otsu分割DOI:10.3965/j.ijabe.20160901.1310文獻(xiàn)來(lái)源：WangJianlun,HanYu,ZhaoShuangshuang,ZhengHongxuHeCanCuiXiaoying，XuYunChenJianshuWangShuting.Anewmulti-scaleanalyticalgorithmforedgeextractionofstrawberryleafimagesinnaturallight.IntJAgric&BiolEng(國(guó)際

4、農(nóng)業(yè)與生物工程學(xué)報(bào))，2016;9(1):99-108.溫室環(huán)境中植物生長(zhǎng)對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)連通性的影響研究陳洋1,3,師玉玲1,3,王忠義1,2,3,黃嵐1,2,3派(1.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京100083;2.教育部現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究重點(diǎn)實(shí)驗(yàn)室，北京100083;3.農(nóng)業(yè)部農(nóng)業(yè)信息獲取技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京100083;)摘要：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(WSN,wirelesssensornetwork)現(xiàn)已應(yīng)用于農(nóng)田和溫室中。但是較差的網(wǎng)絡(luò)連通性會(huì)造成很多節(jié)點(diǎn)成為孤立節(jié)點(diǎn)，尤其是隨著農(nóng)作物植株的生長(zhǎng)和雜草等障礙物的增加，會(huì)直接影響網(wǎng)絡(luò)連通性，導(dǎo)致莫些節(jié)點(diǎn)采集的信息無(wú)法傳輸?shù)綌?shù)據(jù)中心

5、，因此需要研究網(wǎng)絡(luò)連通性以改善連通質(zhì)量。如何降低障礙物對(duì)網(wǎng)絡(luò)連通的影響，從而使傳感器數(shù)據(jù)能夠可靠傳輸是當(dāng)前要解決的問(wèn)題。針對(duì)此問(wèn)題，提由了一種隨著植株生長(zhǎng)使得網(wǎng)絡(luò)連通性退化時(shí)，通過(guò)向WSN加入長(zhǎng)距離路由節(jié)點(diǎn)，改善網(wǎng)絡(luò)連通性的方法。為了驗(yàn)證效果，采用可達(dá)矩陣的秩表示網(wǎng)絡(luò)節(jié)點(diǎn)的連通性，完全連通的網(wǎng)絡(luò)的秩為1,可達(dá)矩陣的秩越小表示連通性越好；另外，通過(guò)NS2仿真驗(yàn)證了長(zhǎng)距離路由節(jié)點(diǎn)的加入能夠緩解網(wǎng)絡(luò)連通性變差的情況；最后，通過(guò)在溫室中運(yùn)行的一個(gè)基于ZigBee的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)遠(yuǎn)程監(jiān)控系統(tǒng)，在作物生長(zhǎng)過(guò)程中動(dòng)態(tài)獲取環(huán)境信息如溫度、濕度、光照強(qiáng)度等環(huán)境參數(shù)，以及網(wǎng)絡(luò)中節(jié)點(diǎn)的接收信號(hào)強(qiáng)度；通過(guò)系統(tǒng)試驗(yàn)證明

6、，當(dāng)莫個(gè)區(qū)域內(nèi)的接收信號(hào)強(qiáng)度指示(RSSI較差時(shí)，長(zhǎng)路由節(jié)點(diǎn)的加入可以保證網(wǎng)絡(luò)的連通性，即當(dāng)節(jié)點(diǎn)RSSI小于-100dBm時(shí)應(yīng)開(kāi)啟長(zhǎng)距離路由節(jié)點(diǎn)，以滿(mǎn)足應(yīng)用要求。所以，該文提由的方法可以用于改善WSN的連通性，而進(jìn)一步的優(yōu)化方法仍然需要深入研究。關(guān)鍵詞：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)；網(wǎng)絡(luò)連通性；長(zhǎng)距離路由節(jié)點(diǎn)；接收信號(hào)強(qiáng)度指示（RSSJ;溫室DOI:10.3965/j.ijabe.201606901.1314文獻(xiàn)來(lái)源：ChenYangShiYuling,WangZhongyi,HuangLan.Connectivityofwirelesssensornetworksforplantgrowthingreen

7、house.IntJAgric&BiolEng（國(guó)際農(nóng)業(yè)與生物工程學(xué)報(bào)），2016;9（1）:89-98.基于面向?qū)ο蠓诸?lèi)和Landsat8遙感數(shù)據(jù)溫室大棚提取吳超凡，鄧勁松，王珂*,馬利剛，AmirRezaShahTahmassebi（浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研究所，杭州310058）摘要：近年來(lái)，農(nóng)業(yè)生產(chǎn)活動(dòng)的發(fā)展使中國(guó)城郊溫室大棚的數(shù)量快速增長(zhǎng)，日漸改變城市蔬菜供應(yīng)并影響人們的日常飲食。而溫室大棚中使用的化肥與殺蟲(chóng)劑等化學(xué)成分易改變區(qū)域的土壤質(zhì)量，進(jìn)而構(gòu)成環(huán)境隱患。因此，準(zhǔn)確實(shí)時(shí)地獲取溫室大棚的數(shù)量與分布將有利于區(qū)域的農(nóng)業(yè)管理和土壤保護(hù)。該研究通過(guò)應(yīng)用Landsat8遙感數(shù)

8、據(jù)結(jié)合面向?qū)ο蠓诸?lèi)方法，系統(tǒng)地呈現(xiàn)了城郊溫室大棚的提取過(guò)程。研究中引入分層分類(lèi)的概念，提取紋理信息及對(duì)象相鄰信息等特征，豐富了參與分類(lèi)的光譜特征，并運(yùn)用隨機(jī)森林作為特征選擇的方法，最終使用優(yōu)化的特征實(shí)現(xiàn)支持向量機(jī)的面向?qū)ο蠓诸?lèi)。結(jié)果表明，加入非光譜特征的面向?qū)ο蠓诸?lèi)方法與傳統(tǒng)的基于像元的分類(lèi)方法相比，可以獲得更高的精度，生產(chǎn)者精度和使用者精度均大于85%。盡管完全準(zhǔn)確區(qū)分溫室大棚與稀疏植被仍然存在挑戰(zhàn)，但該文的分類(lèi)結(jié)果顯示，結(jié)合多特征選擇與多尺度分析可以為分類(lèi)提供更有意義的信息，使用Landsat8數(shù)據(jù)作為L(zhǎng)andsat數(shù)據(jù)系列的延伸在溫室大棚提取方面具有更廣闊的應(yīng)用價(jià)值。關(guān)鍵詞：溫室大棚；制

9、圖；Landsat8;面向?qū)ο蠓诸?lèi)；特征選擇；多尺度DOI:10.3965/j.ijabe.20160901.1414文獻(xiàn)來(lái)源：WuChaofan,DengJinsong,WangKe,MaLigang,AmirRezaShahTahmassebi.Object-basedclassificationapproachforgreenhousemappingusingLandsat-8imagery.IntJAgric&BiolEng（國(guó)際農(nóng)業(yè)與生物工程學(xué)報(bào)），2016;9（1）:79-88.基于計(jì)算機(jī)視覺(jué)和神經(jīng)網(wǎng)絡(luò)辣椒種子分類(lèi)FerhatKurtulmu?1*,?lknurAliba?

10、1,IsmailKavdir2（1.生物系統(tǒng)工程系，農(nóng)學(xué)院，烏魯達(dá)大學(xué)，布爾薩16059,土耳其；2.農(nóng)業(yè)機(jī)械系，農(nóng)學(xué)院，恰納卡萊翁塞基茲馬特大學(xué)，恰納卡萊17100,土耳其）翻譯：王元杰審校：王應(yīng)寬摘要：作為新鮮蔬菜和香料，辣椒在全世界廣泛種植和使用。辣椒的遺傳和形態(tài)學(xué)信息通過(guò)種子儲(chǔ)存。種子品種的確定對(duì)正確識(shí)別遺傳物質(zhì)至關(guān)重要。由于辣椒種子非常小而且具有視覺(jué)相似性，即使是專(zhuān)家靠肉眼也很難準(zhǔn)確識(shí)別其品種，因此，其品種識(shí)別需要依靠更先進(jìn)的技術(shù)。本研究提由了一種基于計(jì)算機(jī)視覺(jué)和神經(jīng)網(wǎng)絡(luò)和辨別辣椒種子的方法：圖像采集使用辦公用掃描儀，分辨率1200dpi;提取顏色、形狀和紋理等圖像特征用于辣椒種子分

11、類(lèi)；通過(guò)計(jì)算不同顏色組分的特性，構(gòu)建一個(gè)功能數(shù)據(jù)庫(kù)；使用具備不同函數(shù)準(zhǔn)則的貫序特征選擇方法來(lái)進(jìn)行特征選擇。特征選擇的結(jié)果為：圖像特征的數(shù)目顯著減少，從257個(gè)降至10個(gè)。應(yīng)用交叉驗(yàn)證規(guī)則建立可靠的分類(lèi)模型來(lái)防止過(guò)度擬合。研究了隱藏層神經(jīng)元的數(shù)量和訓(xùn)練算法來(lái)確定最佳多層感知模型，在隱藏層使用30個(gè)神經(jīng)元能得到最佳分類(lèi)性能。在此神經(jīng)網(wǎng)絡(luò)下，利用貫序特征選擇和彈性反向傳播訓(xùn)練算法實(shí)現(xiàn)了8種辣椒種子84.94%的分類(lèi)準(zhǔn)確率。關(guān)鍵詞：辣椒籽，神經(jīng)網(wǎng)絡(luò)，品種分類(lèi)，計(jì)算機(jī)視覺(jué)DOI:10.3965/j.ijabe.20160901.1790文獻(xiàn)來(lái)源：FerhatKurtulmu?,?lknurAliba?,

12、IsmailKavdir.Classificationofpepperseedsusingmachinevisionbasedonneuralnetwork.IntJAgric&BiolEng(國(guó)際農(nóng)業(yè)與生物工程學(xué)報(bào))，2016;9(1):51-62.基于粒子群算法的倉(cāng)儲(chǔ)糧食體積在線(xiàn)檢測(cè)點(diǎn)云數(shù)據(jù)精簡(jiǎn)方法邵晴1,徐濤1,YoshinoTatsuol,趙玉潔1,楊文婷2,朱航1*（1,吉林大學(xué)機(jī)械科學(xué)與工程學(xué)院，長(zhǎng)春130022,中國(guó)；2,吉林省農(nóng)機(jī)研究院，長(zhǎng)春130000,中國(guó)）摘要：針對(duì)倉(cāng)儲(chǔ)糧食體積在線(xiàn)檢測(cè)方法以及三維激光掃描糧食表面重建的問(wèn)題，基于三維激光掃描的糧食表面的點(diǎn)云數(shù)據(jù)精簡(jiǎn)

13、處理是該問(wèn)題的關(guān)鍵技術(shù)。本文提由了一種基于粒子群算法的自適應(yīng)精簡(jiǎn)方法，該方法將粒子群算法引入到平均距離精簡(jiǎn)方法中，根據(jù)原始點(diǎn)云數(shù)據(jù)的密度自適應(yīng)地確定最優(yōu)的精簡(jiǎn)閾值。應(yīng)用本文提由的精簡(jiǎn)算法和平均距離精簡(jiǎn)算法分別對(duì)實(shí)驗(yàn)采集的三維倉(cāng)儲(chǔ)散糧點(diǎn)云數(shù)據(jù)進(jìn)行了精簡(jiǎn)處理。結(jié)果表明，應(yīng)用本文提由的精簡(jiǎn)算法可以得到點(diǎn)云數(shù)據(jù)分布更加均勻的精簡(jiǎn)結(jié)果，且相比于平均距離精簡(jiǎn)法減少了更多點(diǎn)云數(shù)據(jù)冗余，同時(shí)獲得了更高的重建模型體積計(jì)算精度（體積相對(duì)誤差小于3%。）o本研究所采用的三維激光掃描儀（中國(guó)，杭州，GSLS003可以一次性?huà)呙杓Z倉(cāng)中的散糧表面，無(wú)需進(jìn)行點(diǎn)云數(shù)據(jù)的拼接。因此本研究所提由的點(diǎn)云數(shù)據(jù)精簡(jiǎn)算法和三維激光掃描技

14、術(shù)可以用來(lái)實(shí)現(xiàn)倉(cāng)儲(chǔ)糧食體積的實(shí)時(shí)在線(xiàn)測(cè)量。關(guān)鍵詞：點(diǎn)云數(shù)據(jù)，精簡(jiǎn)算法，粒子群算法，三維激光掃描儀，大型掃描對(duì)象，倉(cāng)儲(chǔ)糧DOI:10.3965/j.ijabe.20160901.1805文獻(xiàn)來(lái)源：ShaoQing,XuTao,YoshinoTatsuo,ZhaoYujie,YangWenting,ZhuHang.Pointcloudsimplificationalgorithmbasedonparticleswarmoptimizationforonlinemeasurementofstoredbulkgrain.IntJAgric&BiolEng（國(guó)際農(nóng)業(yè)與生物工程學(xué)報(bào)），2016;9

15、（1）:71-78.基于空氣耦合超聲波的蟲(chóng)蛀玉米種子識(shí)別甘艷云1,高萬(wàn)林1*,張哈2,安冬1,郭思寒1,SaeedIftikharAhmed1,劉云玲1（1.信息與電氣工程學(xué)院，中國(guó)農(nóng)業(yè)大學(xué)，北京100083,中國(guó)；2.聲學(xué)研究所，中國(guó)科學(xué)院，北京100190,中國(guó)）摘要：玉米是世界上多個(gè)國(guó)家的主要糧食，蟲(chóng)蛀顆粒的存在會(huì)降低整批種子的發(fā)芽率。空氣耦合超聲波技術(shù)是一種快速無(wú)損且應(yīng)用廣泛的檢測(cè)技術(shù)，可用于檢測(cè)蟲(chóng)蛀顆粒種子。本研究對(duì)采用空氣耦合超聲波技術(shù)識(shí)別玉米種子蟲(chóng)蛀顆粒的有效性和應(yīng)用前景進(jìn)行了探討。首先采集了810粒玉米種子的超聲波數(shù)據(jù)，包括400粒完好顆粒、10粒蟲(chóng)蛀孔洞顆粒、400粒手工鉆孔

16、孔洞顆粒；然后用主成分分析方法提取了超聲波信號(hào)數(shù)據(jù)的前10維特征；最后，用MATLAB軟件建立了K近鄰、決策樹(shù)、簇類(lèi)獨(dú)立軟模式、Fisher線(xiàn)性判別4種分類(lèi)識(shí)別模型。用K近鄰方法建立的識(shí)別模型正確識(shí)別率最高,模型對(duì)完好顆粒的正面和背面數(shù)據(jù)正確識(shí)別率分別為98%和100%,對(duì)手工鉆孔孔洞顆粒的正面和背面數(shù)據(jù)正確識(shí)別率為99%和97%。結(jié)果表明，空氣耦合超聲波數(shù)據(jù)建立的識(shí)別模型可以實(shí)現(xiàn)對(duì)玉米種子孔洞顆粒和完好顆粒的分類(lèi)識(shí)別，這為玉米種子篩選系統(tǒng)的構(gòu)建提供了基礎(chǔ)，對(duì)于提高種子凈度和發(fā)芽率有重要的意義。關(guān)鍵詞：溫蟲(chóng)蛀玉米種子識(shí)別，空氣耦合超聲，主成分分析，K近鄰DOI:10.3965/j.ijabe.

17、20160901.1880文獻(xiàn)來(lái)源：JinYanyun,GaoWanlin,ZhangHan,AnDong,GuoSihan,SaeedIftikharAhmed1,LiuYunling.Identificationofdamagedcornseedsusingair-coupledultrasound.IntJAgric&BiolEng(國(guó)際農(nóng)業(yè)與生物工程學(xué)報(bào))，2016;9(1):63-70.基于計(jì)算機(jī)視覺(jué)的“全黃”品種芒果表皮顏色測(cè)定MarcusNagle1*,KiatkamjonIntani1,GiuseppeRomano1，BusarakornMahayothee2，Vich

18、aSardsud3JoachimMuller1翻譯：王元杰審校：王應(yīng)寬(1.霍恩海姆大學(xué)農(nóng)業(yè)工程學(xué)院熱帶和亞熱帶組，斯圖加特70599,德國(guó)；2.泰國(guó)藝術(shù)大學(xué)工程和工業(yè)技術(shù)學(xué)院食品科技系，佛統(tǒng)府73000,泰國(guó)；3.皇太后大學(xué)農(nóng)-工學(xué)院，清萊57100,泰摘要：圖像處理技術(shù)正被越來(lái)越多地應(yīng)用于農(nóng)產(chǎn)品分類(lèi)中。該研究評(píng)估了應(yīng)用圖像處理技術(shù)檢測(cè)兩種泰國(guó)芒果表面顏色的效果，開(kāi)發(fā)了一套計(jì)算機(jī)視覺(jué)系統(tǒng)（CVS并進(jìn)行了芒果成熟過(guò)程中表皮顏色變化的監(jiān)測(cè)試驗(yàn)。通過(guò)圖像處理技術(shù)將圖像RGB格式轉(zhuǎn)換為CIE-LAB#式并且建立了預(yù)測(cè)模型來(lái)使用CVS獲取的數(shù)據(jù)評(píng)估顏色。評(píng)估結(jié)果顯示：模型對(duì)L值的預(yù)測(cè)效果不佳，但對(duì)A和B的值預(yù)測(cè)效果較好（R2分別為0.90-0.9