智慧农业工程案例

目录

序

前言

案例一 温室蔬菜病害信息智能感知与检测系统 1

1.1 案例简介 1

1.2 基础知识 1

1.2.1 遗传算法 1

1.2.2 SIFT特征 1

1.2.3 词袋模型 2

1.2.4 服务系统开发 2

1.3 实施过程及其结果 3

1.3.1 遗传算法改进的KSW熵法进行黄瓜叶部角斑病密度计算 3

1.3.2 词袋特征PCA多子空间自适应融合的黄瓜病害识别 6

1.3.3 蔬菜病害多源数据管理及在线服务系统 8

1.4 拓展与思考 14

1.4.1 应用拓展 14

1.4.2 思考 15

参考文献 15

案例二 基于视觉感知与智能算法的奶牛跛行检测 17

2.1 案例简介 17

2.2 基础知识 17

2.3 实施过程及其结果 17

2.3.1 基于双正态分布背景统计模型的奶牛跛行检测过程及结果 17

2.3.2 基于YOLOv3相对步长特征向量的奶牛跛行检测过程及结果 21

2.3.3 基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法研究 26

2.4 拓展与思考 32

2.4.1 应用拓展 32

2.4.2 思考 33

参考文献 33

案例三 基于YOLOv5s的深度学习在自然场景苹果花朵检测中的应用 34

3.1 案例简介 34

3.2 基础知识 34

3.2.1 基于深度学习的目标检测算法 34

3.2.2 目标检测算法常用数据集格式 35

3.2.3 目标检测算法性能评价指标 35

3.3 实施过程及其结果 36

3.3.1 数据集制备 36

3.3.2 基于深度学习的苹果花朵检测网络训练 39

3.3.3 复杂背景下苹果花朵检测结果 45

3.3.4 苹果花朵误检和漏检分析 47

3.3.5 结论 48

3.4 拓展与思考 48

3.4.1 应用拓展 48

3.4.2 思考 49

参考文献 49

案例四 基于深度学习的非接触式白羽肉种鸡体重智能估测方法 50

4.1 案例简介 50

4.2 基础知识 50

4.3 实施过程及其结果 50

4.3.1 鸡背部图像分割 50

4.3.2 基于背部像素投影椭圆拟合的体重估计 52

4.3.3 单鸡体重估测 57

4.3.4 群鸡体重估测 61

4.4 拓展与思考 62

4.4.1 应用拓展 62

4.4.2 思考 62

参考文献 62

案例五 基于Django的水产养殖模型智能管理系统 64

5.1 案例简介 64

5.2 基础知识 64

5.3 实施过程及其结果 64

5.3.1 水产养殖模型及数据集规范与模型构建研究过程及结果 64

5.3.2 水产养殖模型部署应用开发 70

5.3.3 基于B/S架构的水产养殖模型智能管理系统设计与实现 73

5.4 拓展与思考 80

5.4.1 应用拓展 80

5.4.2 思考 80

参考文献 80

案例六 林区无人机航拍病虫害监测系统 82

6.1 案例简介 82

6.2 基础知识 82

6.2.1 飞行器平台 82

6.2.2 卷积神经网络 83

6.2.3 迁移学习 83

6.2.4 识别精度评价指标 83

6.3 实施过程及其结果 84

6.3.1 林区虫害检测飞行器平台搭建 84

6.3.2 监测图像采集与标记 85

6.3.3 基于复合梯度分水岭算法的图像分割方法 88

6.3.4 基于全卷积神经网络的林区航拍图像虫害区域识别方法 89

6.3.5 虫害图像分割及其效果 93

6.3.6 算法性能评价与分析 93

6.3.7 小结 96

6.4 拓展与思考 97

6.4.1 应用拓展 97

6.4.2 思考 97

参考文献 97

案例七 果园果树靶标信息感知与对靶排肥控制系统 99

7.1 案例简介 99

7.2 基础知识 99

7.2.1 果树靶标探测技术 99

7.2.2 果园精准施肥技术 100

7.3 实施过程及其结果 100

7.3.1 对靶排肥控制系统需求 100

7.3.2 实验室试验平台搭建 101

7.3.3 排肥流速高速摄影试验 101

7.3.4 排肥故障监测装置性能试验 102

7.3.5 速度测量精度试验 103

7.3.6 穴排肥精度试验 103

7.3.7 树干探测模式实验室试验 104

7.3.8 果园试验 108

7.3.9 小结 110

7.4 拓展与思考 110

7.4.1 应用拓展 110

7.4.2 思考 110

参考文献 110

案例八 高分一号卫星遥感数据定量诊断不同覆盖度下的土壤含盐量方法 112

8.1 案例简介 112

8.2 基础知识 112

8.2.1 建模方法 112

8.2.2 精度评价公式 113

8.3 实施过程及其结果 114

8.3.1 遥感图像的获取与预处理 114

8.3.2 光谱指数计算与筛选 114

8.3.3 植被覆盖度的计算 115

8.3.4 植被覆盖度的划分 116

8.3.5 土壤特征的描述性统计 116

8.3.6 不同植被覆盖度光谱协变量分析与筛选 117

8.3.7 不同植被覆盖度下土壤含盐量*佳反演深度 120

8.3.8 不同植被覆盖度条件下土壤含盐量*佳反演模型 121

8.3.9 基于Cubist 模型划分植被覆盖度的土壤含盐量反演图 122

8.4 拓展与思考 124

8.4.1 应用拓展 124

8.4.2 思考 124

参考文献 124

案例九 果园灌溉物联网智能监测和管控系统 125

9.1 案例简介 125

9.2 基础知识 125

9.3 实施过程及其结果 125

9.3.1 系统硬件设计 125

9.3.2 系统上位机软件设计 131

9.4 拓展与思考 137

9.4.1 应用拓展 137

9.4.2 思考 137

参考文献 138

案例十 基于近红外光谱技术的水果品质动态在线检测 139

10.1 案例简介 139

10.2 基础知识 139

10.2.1 马家柚糖度在线检测模型 139

10.2.2 套网丰水梨糖度在线检测模型 139

10.2.3 鸭梨黑心病在线检测模型 140

10.3 实施过程及其结果 140

10.3.1 马家柚糖度在线检测模型建立及应用 140

10.3.2 套网丰水梨糖度在线检测模型建立及应用 144

10.3.3 鸭梨黑心病在线检测模型建立及应用 147

10.4 拓展与思考 151

10.4.1 应用拓展 151

10.4.2 思考 151

参考文献 151

案例十一 基于“端-边-云”智慧协同的森林防火监测预警系统 153

11.1 案例简介 153

11.2 基础知识 153

11.2.1 域适应 153

11.2.2 有监督学习与无监督学习 154

11.2.3 特征融合网络 154

11.2.4 注意力原型网络 155

11.2.5 哈达玛积 155

11.3 实施过程及其结果 155

11.3.1 基于域对抗特征融合网络的林火烟雾自动检测 155

11.3.2 基于特征学习的森林火灾烟雾检测方法 159

11.3.3 基于“端-边-云”智慧协同的森林防火监测预警系统开发 163

11.3.4 小结 167

11.4 拓展与思考 167

11.4.1 应用拓展 167

11.4.2 思考 167

参考文献 168

案例十二 基于互联网＋和人工智能的野生动物智能监测识别系统 169

12.1 案例简介 169

12.2 基础知识 169

12.2.1 无线传感器网络概述 169

12.2.2 图像增强概述 171

12.2.3 目标检测概述 172

12.2.4 数据库概述 173

12.3 实施过程及其结果 174

12.3.1 无线图像传感器网络监测 174

12.3.2 基于Retinex理论的图像自适应增强算法 176

12.3.3 基于改进Faster R-CNN的野生动物目标检测识别算法 182

12.3.4 构建远程动物数据信息库 190

12.3.5 小结 193

12.4 拓展与思考 194

12.4.1 应用拓展 194

12.4.2 思考 195

参考文献 195