科技文摘

20200501 利用Laws紋理掩膜鑒別作物與雜草// DOI：10.25165/j.ijabe.20201301.4920

計算機已成為人類生活的一個組成部分。每一個領(lǐng)域都在使用計算機，農(nóng)業(yè)領(lǐng)域也是如此。計算機基于視覺的模式識別等技術(shù)已被用來檢測疾病和害蟲，例如影響作物的雜草等。雜草是生長在作物中間的那些不需要的植物，它們與作物爭奪營養(yǎng)、水和陽光。它們會顯著降低作物的質(zhì)量和產(chǎn)量，給農(nóng)民帶來巨大的損失。該文研究了在數(shù)字圖像中，利用Laws紋理掩膜中提取的紋理特征，對胡蘿卜作物和雜草進行區(qū)分。Laws紋理法是醫(yī)學(xué)圖像處理中提取紋理特征的常用方法之一，盡管在植物圖像或農(nóng)業(yè)圖像中應(yīng)用不多。該實驗分別對胡蘿卜作物和胡蘿卜雜草的兩類基準(zhǔn)數(shù)字圖像數(shù)據(jù)集進行了測試，這些數(shù)據(jù)集都是公開獲取的，共提取了70個紋理特征。采用降維技術(shù)獲取了最優(yōu)特征值，然后將這些特征值用于訓(xùn)練隨機森林分類算法。試驗結(jié)果和觀測結(jié)果表明，算法的準(zhǔn)確率超過94%。

[編譯自：Kamath R，Balachandra M，Prabhu S. Crop and weed discrimination using Laws’texture masks.Int J Agric & BiolEng，2020，13（1）：191-197.]

20200502 基于標(biāo)定球和Kinect V2的農(nóng)林作物點云配準(zhǔn)方法// DOI：10.25165/j.ijabe.20201301.5077

針對點云配準(zhǔn)過程中，由于特征點對應(yīng)錯誤導(dǎo)致配準(zhǔn)不精確的問題，該文以樹干、樹枝和樹冠為試驗對象，提出了一種基于標(biāo)定球的配準(zhǔn)方法，將三個標(biāo)定球任意放置于試驗對象周圍，保證球心連線距離兩兩不同。利用Kinect V2深度相機從四個不同視角采集試驗場景的點云數(shù)據(jù)，采集的點云數(shù)據(jù)經(jīng)Passthrough Filter算法濾波后，利用Euclidean Cluster Extraction算法進行聚類分割，提取出試驗對象和所有標(biāo)定球；然后，利用Random Sample Consensus（RANSAC）算法對球體點云進行擬合并計算出球心坐標(biāo)，由此得出不同視角下球心兩兩之間的距離。對比不同視角下球心間距大小來確定各視角下的球心對應(yīng)關(guān)系。采用Singular Value Decomposition（SVD）算法，求出初始配準(zhǔn)矩陣，再使用IterativeClosestPoint（ICP）及其改進算法進行精確配準(zhǔn)。試驗結(jié)果表明，這種基于標(biāo)定球的點云配準(zhǔn)方法解決了特征點對應(yīng)錯誤的問題，可有效配準(zhǔn)同一物體不同視角下的點云數(shù)據(jù)。利用配準(zhǔn)運行時間和歐式適合度對配準(zhǔn)方法進行評價，所有試驗對象最終配準(zhǔn)的運行時間均不超過6.5 s，樹干、樹枝和樹冠的最小歐式適合度分別為0.0001、0.0001、0.0006。

[編譯自：Zhou S Z，Kang F，Li W B，Kan J M，Zheng Y J.Point cloudregistration for agriculture and forestry crops based on calibration balls using Kinect V2. Int JAgric & Biol Eng，2020，13（1）：198-205..]

20200503 用于估算復(fù)墾地鹽分的電容傳感器性能評估與標(biāo)定// DOI：10.25165/j.ijabe.20201301.3905

復(fù)墾土地的土壤水分和鹽分監(jiān)測通常是利用土壤介電傳感器（如時域反射測量、頻域反射測量和電容）進行測量。土壤介電傳感器測量表觀介電常數(shù)。然而，表觀介電常數(shù)受土壤濕度、鹽分和質(zhì)地的影響。該研究對監(jiān)測土壤鹽分的介電傳感器（美國華盛頓州鉑爾曼METER Group公司的5TE）進行了性能評價和標(biāo)定。實驗室標(biāo)定測試包括不同級別的干密度、含水率和鹽分測試。土壤鹽分由電導(dǎo)率（EC1：5）的方式?jīng)Q定。傳感器測量的體積含水率受干密度和含水量的影響。一般來說，隨著干密度和含水量的增加，它呈線性增加。然而，當(dāng)干密度或含水量高時，傳感器的測量值呈非線性增加。傳感器測量的體積EC與EC1：5沒有特定相關(guān)性。EC1：5測量值與斜率θ和θs有線性關(guān)系。因此，可以使用土壤測試的θ和電容傳感器的θs通過簡單的線性方程進行估算。EC1：5估算方程的 R2值為0.98。該文提出的方程需要獲得重量分析樣本的θ和傳感器的θs。因此，在使用傳感器監(jiān)測鹽分的情況下，建議使用張力計測量含水率。

[編譯自：Kim D，Son Y，Park J，Kim T，Jeon J. Performance evaluation and calibrationof capacitance sensor for estimatingthe salinity of reclaimed land.IntJ Agric & Biol Eng，2020，13（1）：206-210.]