Apr, 2023

番茄植株非破坏性叶片检测和尺寸估计，用于三维生长监测

PDF
TL;DR本文介绍了一种基于图像的非破坏性自动测量系统，利用 2D 和 3D 数据创造了番茄植物的 3D 虚拟表示，并将叶子检测到相应的 2D RGB 图像上，通过平面配合算法提取出叶子大小提供生长监测数据。该测量系统的性能已得到实测，并开源了数据集。提出的叶片大小估算方法表现出 4.47mm 的 RMSE 值和 0.87 的 R ^ 2 值。
smart farmingplant growth monitoringnon-destructive measurementautomated measuring systemtomato plants
发现论文，激发创造
  • 基于视觉的番茄尺寸测量系统在室内大棚种植环境中的应用

    本文提出了一种结合机器学习模型和三个低成本 RGBD 相机捕捉深度图像的大小测量方法，以便检测和测量西红柿的高度和宽度，以解决现有视觉系统在农业环境中的遮挡和可扩展性问题。在实验室环境的测试中，该系统能够实现 0.9114 的高度测量精度和 0.9443 的宽度精度以提高测量准确度。

    Apr, 2023

  • 将图像处理、植物发育特性和匈牙利算法相结合的一种新技术，以改善玉米叶片检测

    该文章通过自动图像分析的方法，借助凸包、骨架化和匈牙利算法等技术，准确地检测出玉米的叶片数目和位置，并成功预测了部分被遮挡的叶片，取得了 90.8% 的召回率和 99.0% 的精确率。

    May, 2020

  • 通过自适应数据采集和基于 NeREF 的反射校正生成高质量的三维植物表型数据以促进高效植物表型研究

    该研究提出了一种使用多传感器机器人平台的高质量 3D 多光谱点云（3D-MPC）的方法，其中包括自适应数据采集和反射率校正，以便在自然光条件下为植物进行表型分析。

    May, 2023

  • 使用深度关键点检测和点云进行番茄果梗节点的三维姿态估计

    通过使用 RGB-D 相机数据，本文提出了一种基于关键点检测的方法，用于估计植物叶梗节点的三维姿态，为收获番茄束提供了必要的信息。该方法在商业温室中进行了全面评估，结果表明在物体检测、关键点检测和三维姿态估计方面具有高准确性。此外，该方法对视角变化具有鲁棒性，适用于番茄等其他温室作物。

    Nov, 2023

  • 利用 TomFormer 早期和准确地检测番茄叶子疾病

    该论文介绍了一种基于 Transformer 的模型 TomFormer 用于番茄叶病检测，并通过与其他模型的比较验证了其在番茄叶病检测中的优越表现，展示了其鲁棒性、准确性、效率和可扩展性以及其在农业领域中的潜在影响。

    Dec, 2023

  • 语义感知主动视觉有效搜索和检测相关植物部位

    提出了一种基于语义信息的主动视觉策略，可用于自动收割和除叶番茄作物中的植物部件识别，该策略具有优异的准确性和鲁棒性。

    Jun, 2023

  • 利用图像处理技术检测番茄叶上晚疫病

    本文介绍了使用图像处理技术对番茄晚疫病进行早期检测的方法，采用分割和多类支持向量机分类技术对番茄晚疫病进行有效的检测和诊断，并提供了研究趋势、问题和前景以及未来研究方向的建议。

    May, 2023

  • 一种基于智能手机的番茄营养评估方法：通过毛状物密度测量

    通过开发一种简单且经济的基于智能手机的方法来测量毛刺密度，本研究有效地反映了番茄植物的肥料应激。

    Apr, 2024

  • 无监督预训练用于 3D 叶片实例分割

    通过自主训练的方法，该论文提出了一个新的用于植物表型分析的网络骨干初始化方法，并引入了一种针对叶片实例分割的新型自动后处理方法，实验证明我们的方法在所有调研场景中均提升了性能。

    Jan, 2024

  • 植物医生：一种混合机器学习和图像分割软件，用于量化视频中的植物损伤

    基于人工智能的系统能通过视频监控自动诊断城市街道植物的健康状况，结合 YOLOv8 和 DeepSORT 等机器视觉算法进行叶子定位和跟踪，再使用 DeepLabV3Plus 卷积神经网络进行叶片损伤分割与量化分析。该系统可作为非侵入性、高效可伸缩的解决方案，用于城市树木健康管理，支持可持续的城市生态系统。

    Jul, 2024