利用高光谱图像检测蜜蜂上的 Varroa destructor
利用计算机视觉和最新技术,本研究开发了一种蜜蜂监测系统,旨在增进我们对群体崩溃障碍、蜜蜂行为、种群下降和整体蜂巢健康的理解。通过我们的监测系统,蜂农可以实时监测蜂巢的活动和健康,无需干扰蜜蜂。该系统利用性价比高的技术进行开发,使得不同规模的养蜂场包括业余爱好者、商业养蜂企业和研究人员都能够使用。
Sep, 2023
利用 YOLOv5m 和低分辨率多光谱图像成功检测和定位了玉米田中自发棉苗的生长状态,进而开发了一种基于自主机系统 (Unmanned Aircraft Systems) 的喷雾应用,用于有效管理棉铃虫害。
Jul, 2022
研究针对农业领域中小麦和高粱田间的蚜虫危害以及植物病毒传播所导致的大量减产问题,提出了研发一种智能自主系统的紧迫性,该系统能够在复杂农作物冠层中定位和喷洒蚜虫,减少农药使用和环境影响。通过收集和标记了大量的蚜虫图像数据集,并提出使用实时语义分割模型来分割蚜虫簇群。生成了一个多尺度数据集,以便在不同尺度上学习这些簇群。通过将四种最新的实时语义分割模型与非实时模型进行比较,对蚜虫簇群数据集的分割速度和准确性进行了评估。研究结果表明了实时解决方案的有效性,可以减少农药的低效使用,增加农作物产量,为自主的害虫检测系统铺平道路。
Jul, 2023
为了解决蚜虫侵袭的问题,该研究开发了一个大规模多尺度数据集,用于蚜虫集群的检测和分割,并进行了四个实时语义分割模型和三个物体检测模型的训练和评估。在准确性和效率之间取得平衡的情况下,Fast-SCNN 提供了最有效的分割结果,实现了 80.46% 的平均精确率,81.21% 的平均召回率和每秒 91.66 帧。在物体检测方面,RT-DETR 表现出了最佳的综合性能,在 NVIDIA V100 GPU 上获得 61.63% 的平均精度、92.6% 的平均召回率和 72.55 的得分。实验证明,相比使用检测模型,蚜虫集群的分割更适合评估蚜虫侵袭。
May, 2024
本文提出了一种检测蚜虫集群的方法,通过使用机器学习模型和对象检测技术对图像进行分析,以准确地评估感染水平,精确定位并应用杀虫剂,以最大程度地提高农作物产量和避免环境污染和成本浪费。
Jul, 2023
本文提出了一种监测害虫自主机器人车和一种识别小菜蛾害虫的方法,通过机器人车搜集自然农场场景下的图像,并利用图像处理技术准确快速地提取出小菜蛾害虫的轮廓,并且通过与对照模板比较,达到了 94.3% 的识别准确率,有望成为农业领域的重要工具。
Mar, 2019
为了提高高光谱成像数据的质量和分析效率,我们应用凸包方法选择关键像素和波长,以去除无用和冗余信息,从而减小计算压力并有效地消除高度混合的像素,从而提供基于证据的分拣决策,进而实现高效的废物管理。
Aug, 2023
通过多传感器、基于人工智能的数据融合方法,本文提出了一种低成本配置的昆虫分类系统,可用于系统性监测昆虫种群、支持生物多样性与农业研究。
Apr, 2024
该研究集中在利用图像重建算法进行高光谱图像的重建,以实现对鸡胚胎死亡的早期预测,从而提高畜禽养殖的健康与效率。同时,该研究认为整合智能传感器和数据分析的成像技术有助于改进自动化、增强生物安全性,并实现可持续农业 4.0 的资源管理优化。
May, 2024