原创《农业信息文摘》：关于免费农业信息文摘论文范文在这里免费下载与阅读,为您的农业信息文摘相关论文写作提供资料。
一种用于自然光草莓叶片图像边缘提取的新型多尺度分析算法
王建仑*,韩 彧,赵霜霜,郑鸿续,何 灿,崔晓莹,徐 云,陈建树,王淑婷
（中国农业大学信息和电气工程学院,北京 100083）
摘 要：该研究提出了一种新的基于4个级别的“db5”小波分解的图像的自然光中温室草莓叶边缘图像提取算法.该算法采用不同尺度的重建图像和不同的分割算法来排除外部和内部的背景和叶脉干扰.本算法有两个优势,其中之一是,它可以表示相同的图像在不同的空间的抽象概念；另一种是,某些图像特征是很难在一些尺度空间被获取,而很容易在其他尺度空间来获得.在图像处理方法中,使用阈值分割获得二进制图象区域,使用Canny分割获得精确的梯度边缘,而利用形态方法和逻辑运算是为了避免叶区内片段和叶面积外的粘连.由于草莓叶图像各不相同,温室的光辐射可能会导致叶片和反射图像的局部照明不均匀,叶片图像的伪Canny边缘被分为三类：第一类是在第一层的小波重构图像中的叶片目标外部的Canny伪边缘的；第二类是第三层的小波重构图像中的叶片内部高光区域的Canny伪边缘；第三类是第三层的小波重构图像中的叶片内部灰度显著差异区域的伪Canny算子的边缘.利用基于多尺度重构的图像和不同的算法处理过程来分别处理这三种不同的纹理特征,结果可以获得完整准确的无干扰叶片边缘.该文的多尺度分割方法是一种对自然光下的温室草莓叶片的简单和非常有效的分割算法,并且通过略去多尺度运算的相同的分割运算过程简化了该方法.
关键词：多尺度分析,边缘提取,草莓叶片图像,canny边缘,Otsu分割
DOI： 10.3965/j.ijabe.20160901.1310
文献来源：Wang Jianlun, Han Yu, Zhao Shuangshuang, Zheng Hongxu, He Can, Cui Xiaoying, Xu Yun, Chen Jianshu, Wang Shuting. A new multi-scale analytic algorithm for edge extraction of strawberry leaf images in natural light. Int J Agric & Biol Eng（《国际农业和生物工程学报》）, 2016； 9（1）： 99-108.
温室环境中植物生长对无线传感器网络连通性的影响研究
陈 洋1,3,师玉玲1,3,王忠义1,2,3,黄 岚1,2,3※
（1.中国农业大学信息和电气工程学院,北京 100083；2.教育部现代精细农业系统集成研究重点实验室,北京 100083；
3.农业部农业信息获取技术重点实验室,北京 100083；）
摘 要：无线传感器网络（WSN,wireless sensor network）现已应用于农田和温室中.但是较差的网络连通性会造成很多节点成为孤立节点,尤其是随着农作物植株的生长和杂草等障碍物的增加,会直接影响网络连通性,导致某些节点采集的信息无法传输到数据中心,因此需要研究网络连通性以改善连通质量.如何降低障碍物对网络连通的影响,从而使传感器数据能够可靠传输是当前要解决的问题.针对此问题,提出了一种随着植株生长使得网络连通性退化时,通过向WSN加入长距离路由节点,改善网络连通性的方法.为了验证效果,采用可达矩阵的秩表示网络节点的连通性,完全连通的网络的秩为1,可达矩阵的秩越小表示连通性越好；另外,通过NS2仿真验证了长距离路由节点的加入能够缓解网络连通性变差的情况；最后,通过在温室中运行的一个基于ZigBee的无线传感器网络远程监控系统,在作物生长过程中动态获取环境信息如温度、湿度、光照强度等环境参数,以及网络中节点的接收信号强度；通过系统试验证明,当某个区域内的接收信号强度指示（RSSI）较差时,长路由节点的加入可以保证网络的连通性,即当节点RSSI小于-100dBm时应开启长距离路由节点,以满足应用要求.所以,该文提出的方法可以用于改善WSN的连通性,而进一步的优化方法仍然需要深入研究.
关键词：无线传感器网络；网络连通性；长距离路由节点；接收信号强度指示（RSSI）；温室
DOI： 10.3965/j.ijabe.201606901.1314
文献来源：Chen Yang, Shi Yuling, Wang Zhongyi, Huang Lan. Connectivity of wireless sensor networks for plant growth in greenhouse. Int J Agric & Biol Eng（《国际农业和生物工程学报》）, 2016； 9（1）： 89-98.
基于面向对象分类和Landsat8遥感数据温室大棚提取
吴超凡,邓劲松,王 珂*,马利刚,Amir Reza Shah Tahmassebi
（浙江大学农业遥感和信息技术应用研究所,杭州 310058）
摘 要：近年来,农业生产活动的发展使中国城郊温室大棚的数量快速增长,日渐改变城市蔬菜供应并影响人们的日常饮食.而温室大棚中使用的化肥和杀虫剂等化学成分易改变区域的土壤质量,进而构成环境隐患.因此,准确实时地获取温室大棚的数量和分布将有利于区域的农业管理和土壤保护.该研究通过应用Landsat 8遥感数据结合面向对象分类方法,系统地呈现了城郊温室大棚的提取过程.研究中引入分层分类的概念,提取纹理信息及对象相邻信息等特征,丰富了参和分类的光谱特征,并运用随机森林作为特征选择的方法,最终使用优化的特征实现支持向量机的面向对象分类.结果表明,加入非光谱特征的面向对象分类方法和传统的基于像元的分类方法相比,可以获得更高的精度,生产者精度和使用者精度均大于85%.尽管完全准确区分温室大棚和稀疏植被仍然存在挑战,但该文的分类结果显示,结合多特征选择和多尺度分析可以为分类提供更有意义的信息,使用Landsat 8数据作为Landsat数据系列的延伸在温室大棚提取方面具有更广阔的应用价值.
农业信息文摘论文参考资料：
结论：农业信息文摘为关于农业信息文摘方面的的相关大学硕士和相关本科毕业论文以及相关最新医学信息文摘论文开题报告范文和职称论文写作参考文献资料下载。
