【摘 要】
：
植物表型参数是作物品种选育中判断品种优劣的重要依据。随着计算机技术的发展,机器视觉在农业中的应用越来越广泛,基于二维图像的表型测量虽具有低成本、易操作和无损伤测量等特点,但植物形态复杂,叶片互相遮挡,通过二维图像容易造成植物部分信息缺失,产生误差。相对于二维图像测量,基于三维数据的表型测量可以很好地模拟植物的生长过程,是全面、精确测量植物表型参数的重要方式。枸杞是宁夏的特产之一,具有较高的营养价值
论文部分内容阅读
植物表型参数是作物品种选育中判断品种优劣的重要依据。随着计算机技术的发展,机器视觉在农业中的应用越来越广泛,基于二维图像的表型测量虽具有低成本、易操作和无损伤测量等特点,但植物形态复杂,叶片互相遮挡,通过二维图像容易造成植物部分信息缺失,产生误差。相对于二维图像测量,基于三维数据的表型测量可以很好地模拟植物的生长过程,是全面、精确测量植物表型参数的重要方式。枸杞是宁夏的特产之一,具有较高的营养价值和经济价值,准确获得枸杞植株表型性状参数对于了解枸杞的生长状况,产量预测等具有重要意义。本文以如何高效、完整地获取枸杞三维信息,提高枸杞三维重建的质量,进而更加准确地测量枸杞的表型信息作为主要研究目标,分析了目前基于三维数据的植物表型参数测量中的常见技术手段和存在的问题,针对枸杞的点云数据获取、点云补全、表型参数测量等关键技术进行研究,提出了基于三维重建的枸杞植株表型测量的研究框架和可行方法。本文主要工作如下:（1）针对枸杞植株三维重建造成枸杞叶片缺失的问题,本文提出了一种基于深度学习的点云补全算法,将几何感知模块与Transformer结合,采用几何敏感的Transformer编码器-解码器结构完成点云补全任务,精确恢复了枸杞叶片的缺失信息。（2）为了改善传统枸杞植株表型测量方法主观性强、效率低的问题,本文提出了一种基于三维点云的枸杞植株表型参数提取方法,采用点云特征分割方法完成枸杞茎叶分割,利用基于距离最值遍历、贪婪投影化和最小包围盒等处理,实现枸杞株高、茎粗、叶面积等参数的快速、准确测量,提高了枸杞植株表型测量的效率。（3）设计了一个枸杞植株表型测量系统,获取精确的枸杞植株三维信息后,自动处理枸杞的三维点云包括点云特征提取、点云下采样、点云滤波以及枸杞植株表型参数的提取,以此来监测枸杞植株的动态生长过程,对监测枸杞植株生长状况及指导育种等具有重要意义。
其他文献
随着医学成像技术和计算机技术的不断发展,计算机辅助诊断逐渐成为临床上辅助医生的主要工具。近年来,全球脑肿瘤病人持续增加,产生大量MRI图像,使得影像科医生不得不高负荷工作。因此,迫切需要精准的脑肿瘤图像自动分割技术辅助医生工作。基于深度学习的方法已经快速发展为医学图像分割领域的研究热点,它可以在医疗图像大数据分析中自动学习隐含的疾病特性信息。脑肿瘤图像具有语义简单、三维结构等特点。而深度学习中的V
知识图谱是现代人工智能的核心基础设施,随着人工智能的迅速发展,各种知识图谱被构建出来。与此同时,由于存在着难以去除的噪声与错误等不确定因素,使得知识表达难以完备化,知识图谱中出现了不确定信息。传统的知识图谱表示学习方法不能满足不确定知识图谱的表示及应用需求。因此,带有不确定信息的知识表示学习成为一项紧迫又富有挑战的任务。论文从不确定性知识图谱表示学习模型入手,通过对不确定知识图谱表示学习模型中的得
随着遥感卫星技术的发展,遥感影像空间分辨率可达亚米级。与中低空间分辨率卫星影像相比,高空间分辨率卫星影像具有更丰富的空间细节信息,能够精细呈现出地物的颜色、形状、边缘等。基于像素级或目标级的遥感影像解译方法不能有效提取遥感影像的高层语义信息,场景分类方法能够建模并解译以语义目标构成下复杂空间分布的高层语义信息,可解决遥感影像解译中的“语义鸿沟”问题。目前场景分类方法主要是基于深度学习技术,通过数据
水稻是我国重要的粮食作物,其产量一直受到病害的制约,对水稻病害的类型进行快速、准确的识别尤为重要。传统的识别以肉眼观察为主,具有一定的主观性,且需要深入到稻田实地观察,耗时、耗力,不能满足水稻病害识别实时性的需求。近年来,深度学习技术发展迅速,如何将深度学习应用于农作物病害识别领域已经成为了 一个研究热点。本文以目标检测算法为基础,从实际的水稻病害检测的需要出发,引入深度学习技术和方法开展研究。针
社交媒体网络的崛起,使得交流可以跨越时空和地域,但也加快了谣言在社交网络中的传播,容易引发社会信任危机。因此,研究社交网络下的谣言检测方法,是净化社交网络空间的重要举措,对于解决现实社会问题具有理论价值和实践意义。相比传统的线下谣言,谣言在社交网络上传播会包含更多的附加信息,如用户特征信息、内容特征信息、评论信息等。社交网络谣言特征维度丰富（如用户特征、内容特征、传播特征等）,是社交网络谣言检测的
随着基础建设行业的快速发展,工程车的需求量逐年增加。由于发动机电控单元（Engine Electronic Control Unit,EECU）长期处于震荡剧烈、高温及电磁干扰等恶劣工作环境中,导致其故障频发。激励信号是保障EECU正常启动和运行的关键,其具有种类繁多、特征复杂的特性,从而导致其识别困难,降低了 EECU故障诊断效率。由于曲轴、凸轮轴所产生的激励信号特征最为复杂多样并且在电控系统中
目前,分布式光伏电站发展迅速,装机量已超过集中式光伏电站,这对电网提前制定计划提出了更高的挑战。准确的中长期发电量预测不仅能为电网提前制定相应计划提供决策支持,也能为未装机地区提供参考,同时对电网的稳定、有效运行至关重要。与短期发电量预测相比,中长期发电量预测难度更大。首先,中长期时间跨度大,需大量数据作为支撑;其次,实际数据中电站特征和气象特征较少且相关性较低;最后,分布式光伏电站中长期发电量预
目标检测是计算机视觉领域的一个重要研究内容,引起国内外学者的广泛关注。一阶段检测器因其比两阶段检测器具有更高的效率和更低的部署成本而在目标检测领域具有较高的研究意义。在实际应用中,影响一阶段目标检测器性能的主要原因是特征不平衡和类别不平衡。特征金字塔中高层和低层特征信息具有不一致性,且在特征融合过程中会出现信息衰减和通道衰减问题;softmax损失函数善于优化类间距离,但优化类内距离能力比较弱,不
唐卡作为我国的非物质文化遗产,记载了藏民族的历史、医学等题材,具有独一无二的历史研究价值。然而,受到自然或者人为因素的影响,唐卡在保护上受到了多方面威胁,因此尚且现存的唐卡亟待去保护。由于唐卡图像存在破损形状不规则、缺失面积较大等问题,传统的图像修复算法难以对唐卡进行理想的修复。随着深度学习技术在数字图像处理领域的快速发展与应用,这为唐卡图像修复带来了新方法,结合深度学习的图像修复算法可以充分挖掘
深度学习是目前应用最广泛的人工智能技术。近年来,许多研究已经将深度学习的概念引入到基于视觉输入来重建、跟踪和分析人脸的任务中。其中,高保真三维人脸重建任务旨在从图像中建模一个真实的三维人脸,这在相关的计算机视觉领域中起着重要的作用。使用监督深度学习技术进行高保真三维人脸重建通常是一项对数据规模和质量要求都很高的任务,因为监督学习的训练过程需要大量带标签的数据,而在实际情况中,收集和注释此类数据的成