株数

摘要： 园林企业在园林工程建设多个环节中常遇到绿化工程量计算,其最重要的工作就是统计苗木数量,当采用手工统计计算时,其结果精度差、易出错、常漏项,校企深入挖掘AutoCAD软件计算功能,充分利用AutoCAD特有的查询、计算及统计等工具或命令可迅速准确地得到苗木的栽植面积、长度、株数等数据,顺利完成苗木数量统计和计算工作。

摘要： 杉木是我国重要的用材树种之一,开展杉木单木位置和株数密度提取研究对调控其林分空间结构和功能、提高林分质量具有重要作用。基于无人机遥感影像,以浙江龙泉市杉木纯林为研究对象,采用改进的局部最大值法提取杉木单木位置和株数,并与参考株数进行对比分析。改进的局部最大值方法的采样间隔参数对单木位置和株数提取精度起到重要影响。在合适的采样间隔参数下:密和疏两种郁闭度样地单木位置提取总体精度分别为82.10%和80.17%、错分误差分别为24.12%和18.18%、漏分误差分别为17.90%和19.83%;密和疏两种郁闭度样地的监测株数和参考株数都十分相近,相对精度分别为93.77%和98.35%;林分株数密度与总体精度和错分误差呈负相关,与漏分误差呈正相关。改进的局部最大值方法能够较准确地提取不同郁闭度的杉木单木位置和株数,为智能、快速、准确地提取杉木单木位置和株数提供了一种可行的方法。

摘要： 为快速准确获取玉米幼苗株数、评估播种质量、进行查缺补苗等管理,对YOLO算法进行改进,提出了一种基于特征增强机制的幼苗获取检测模型(FE-YOLO),实现了对玉米幼苗株数的快速获取.该方法根据玉米幼苗目标尺寸和空间纹理特征,构建了基于动态激活的轻量特征提取网络,融合了多感受野和空间注意力机制.实验表明:FE-YOLO模型增强了幼苗空间特征、降低了网络复杂度,使模型的mAP和召回率分别达到87.22％和91.54％,每秒浮点运算次数和检测推理时间仅为YOLO v3的7.91％和33.76％.FE-YOLO能够实现无人机正射影像的玉米幼苗株数获取和种植密度估算,该模型复杂度低、识别精度高,能够为玉米苗期管理提供技术支持.

摘要： 为快速、准确提取火龙果种植株数,以大疆Matrice 600 Pro六旋翼无人机搭载高光谱成像仪,获取关岭县上官镇乐安村火龙果种植基地的高光谱影像,通过影像处理,借助ENVI遥感影像处理软件结合ArcGIS空间分析软件,采用波谱角分类方法实现火龙果植株的提取.结果 表明:基于无人机高光谱遥感技术对研究区火龙果植株数的提取精度为92.94％,利用该技术可实现快速、准确地提取火龙果种植株数,可为火龙果园精准管理提供一定的技术支撑.

摘要： 准确、快速、无损地获取剑麻株数信息对于剑麻产量估测至关重要.研究以广西壮族自治区钦州市东方农场为试验区,探讨面向对象多尺度分割算法提取剑麻株数信息的可行性.首先基于无人机遥感系统获取的剑麻冠层可见光谱影像,使用Pix4Dmapper拼接重建试验区的全幅正射影像;然后利用面向对象多尺度分割算法分割剑麻中心区域和其他区域,通过采样定义类别特征空间实现株数识别;将基于算法提取的株数与目视解译统计的株数进行对比分析,评估识别精度;最后,基于面对对象分类结果,利用主成分分析法提取表征剑麻主要性状信息的主成分,为剑麻冠层图像特征研究提供参考.结果 表明:采用面向对象多尺度分割算法提取剑麻株数的精度在87.1％左右,该方法用于作物株数估测是可行的.

摘要： 准确、快速地获取玉米苗期株数对于育种早期决策起着至关重要的作用.该文利用2017年6月于北京市小汤山镇采集的无人机影像,首先对比分析RGB、HSV、YCbCr及L*A*B 4种色彩空间,变换优选HSV颜色模型对无人机影像前景(作物)与后景(土壤背景)进行分割,得到分类二值图.然后利用骨架提取算法及多次去毛刺处理等数学形态学流程提取玉米苗形态,得到高精度作物形态骨架,结合影像尺度变换剔除噪声影像,将影像分为多叶、少叶2类,经Harris、Moravec和Fast角点检测识别结果对比,Harris角点检测算法可以较好地提取玉米苗期影像的株数信息.结果表明,少叶类型识别率达到96.3％,多叶类型识别率达到99％,总体识别率为97.8％,将目前传统影像识别精度提高了约3％.同时在多个植株叶片交叉重叠覆盖的情况下,该文的研究方法有良好的适用性.通过无人机影像提取玉米苗期作物准确数目是可行的.该文采用了数学形态学的原理,通过HSV色彩空间变换得到的二值图,从无人机影像中识别提取玉米苗期形态信息,利用影像尺度缩放变换去除噪点,优化骨架识别算法使得识别精度大大提高,最后采用角点检测从无人机影像中直接读取玉米材料小区内的具体数目,该方法节省了人力物力,为田间大面积测定出苗率及最终估产提供了参考.

摘要： 采用新草种润草2号在长江中下游地区暖季型基础草坪上进行了秋季交播试验,设定润草2号交播播种量为5、6、7、8、9、10 g/m2等6个不同水平,用多年生黑麦草播种量为25 g/m2作对照,在4月初至7月初,分别测定了冷季型交播草坪草与暖季型基础草坪草的单位面积株数、鲜质量等指标,分析交播草坪上不同处理的返青演替过程.试验结果表明,润草2号比常用的多年生黑麦草的消退时间发生早45 d左右,消退基本结束时间早50～55 d,并且消退彻底,同时,暖季型草坪草恢复早而快,均一性好,利于夏季草坪整齐一致,达到良好的景观效果.

摘要： 本文采用不同时期对互花米草进行齐地面刈割的方法，通过株高及株数的测定得出有效控制互花米草扩张的最佳刈割时期。通过株高、株数的动态测量，结果表明4月22日刈割处理显著促进互花米草株数的上升，但对最终平均株高未产生影响。5月22日刈割处理虽然在株高上略高于对照处理，但处理后株数大大降低，与对照相比已达到显著差异水平。6月21日、7月21日刈割处理不仅使互花米草株高王降，也使株数降低，尤其是7月21日刈割处理，和对照相比株数、株高均形成极显著差异。8月20日、9月19日刈割处理的数据显示，这两个时期极大促进了互花米草的再萌发和再生长。

摘要： 本发明为肿瘤细胞检测提供一个可靠的内控质量控制方法，在精确的知道检测技术上限的同时准确的计算出细胞的回收率而得出整体循环肿瘤细胞的数目，极大的提升检测的可信度。本发明所述的方法，包括以下步骤：1)外周血样本的获得，2)向外周血样本注入已知数目的肿瘤细胞株及仿真人工合成荧光圆珠，3)采用以下技术对外周血肿瘤细胞进行富集，4)显微镜下辨认及计数余下的肿瘤细胞株及荧光圆珠，得出细胞株及荧光圆珠的富集率。

摘要： 本发明公开了一种基于无人机遥感和模式识别的苎麻株数识别方法，在苎麻株数识别的过程中建立目标监测机制，对预处理得到的图像进行分割取样，使神经网络有侧重地学习目标区域的特征信息；其次，基于获得的目标样本建立基于RGB和HOG的多特征模型；最后，利用SVM分类算法对样本集进行训练优化处理。本发明可以满足种植密度大、重叠率高的作物的株数识别，且识别精度高。

摘要： 本发明属于分子生物学领域，公开了一种与苎麻分株数关联的SNP分子标记及苎麻分株数相关基因与应用。本发明所述与苎麻分株数关联的SNP分子标记，所述SNP分子标记为Marker20170；所述的SNP等位基因位点为C。通过本发明公布的分子标记进行分子标记辅助选择，可在苎麻生育早期鉴定出符合育种目标的分株数多寡，对苎麻分株数早期预测和筛选，提高株型育种的效率，加快育种进程。本发明用该SNP分子标记序列扫描苎麻基因组寻找其上下游的基因，并经q‑PCR验证后获得6个与苎麻分株数相关的基因。本发明所获得的分株数相关基因丰富了苎麻育种可利用的新基因资源，为苎麻新品种选育、苎麻分株数分子遗传改良奠定基础。

摘要： 本发明属于电通信技术领域，公开了一种基于物联网的植株数据精准传输方法及系统，当主机设备行进到农田检测盒子前方，检测到彼此距离小于一定值，双方开始进行对码；目标检测盒子向主机设备发送自己的序号信息，主机设备向检测盒子发送验证信号，当检测盒子接收到信号后，目标检测盒子向主机设备发送回馈信号，主机设备接收到信号后，双方完成对码，即开始传输检测数据；当双方检测到距离大于一定值时，数据接收完毕，检测盒子停止发送数据，同时主机设备也停止接收数据，直到主机设备行进到下一检测盒子前重复上述步骤。本发明可对不同植株内的环境检测数据进行分组管理及根据环境状况进行调控，同时可辅助巡检装置巡检路线的确定。

摘要： 本发明公开了一种作物株数的确定方法、确定装置。其中，该方法包括：获取目标区域的作物图像；确定作物图像中各个种植行区域中的作物连通域集合；将作物连通域集合中各个作物连通域的特征信息输入至连通域分级模型进行分析，得到作物连通域集合中各个作物连通域所属的级别，其中，不同的级别对应不同的植株数，连通域分级模型是通过多组数据训练得到的，每组数据均包括：样本连通域图像以及用于标记样本连通域所属级别的标签；基于级别确定各个种植行区域中的植株数；基于各个种植行区域中的植株数确定目标区域内的植株总数。本发明解决了人工进行计数造成的计数不准确、效率低下的技术问题。

摘要： 本发明涉及农田防护林林带结构遥感信息提取技术领域，且公开了一种农田防护林带林木株数遥感识别方法，实现了农田防护林林带结构和林木株数的遥感识别，能够从区域范围更为快速、准确的获取农田防护林林带结构状态和林木株数，更有助于进行农田防护林精准经营和管理；通过分析林带结构参数和林带波形特征建立林带结构参数(林带行数、列数、保存率)的识别方法，并进而实现林带林木株数的遥感识别；农田防护林信息提取方法也可通过计算机自动分类方法获取；林带覆盖度参数也可通过其他定量反演模型获取；利用该方法也可同时反映其他林带信息，如林带连续性等，并用于求算林带疏透度、林带碳储量等指标。

摘要： 本发明属于电通信技术领域，公开了一种基于物联网的植株数据精准传输方法及系统，当主机设备行进到农田检测盒子前方，检测到彼此距离小于一定值，双方开始进行对码；目标检测盒子向主机设备发送自己的序号信息，主机设备向检测盒子发送验证信号，当检测盒子接收到信号后，目标检测盒子向主机设备发送回馈信号，主机设备接收到信号后，双方完成对码，即开始传输检测数据；当双方检测到距离大于一定值时，数据接收完毕，检测盒子停止发送数据，同时主机设备也停止接收数据，直到主机设备行进到下一检测盒子前重复上述步骤。本发明可对不同植株内的环境检测数据进行分组管理及根据环境状况进行调控，同时可辅助巡检装置巡检路线的确定。

摘要： 本发明公开一种基于3D点云的作物株数及茎宽自动提取方法，包括以下步骤：S1、采集作物的3D点云数据；S2、对3D点云数据进行预处理；S3、基于预处理后的3D点云数据，进行地面分割，获得作物3D点云和地面3D点云；S4、基于作物3D点云和地面3D点云，设置茎段截取高度，提取固定高度的作物茎段点云；S5、基于提取固定高度的作物茎段点云，对作物茎进行分离，获得单株茎段，并计算茎数；S6、计算单株茎段的茎径。本发明利用田间作物3D点云数据进行计算，采用抽样的方式进行地面搜索和茎径拟合，能够良好适应田间环境，自动化的提取表型数据，为作物的育种和管理提供相关信息，节省人力物力，方便快捷。

摘要： 本申请涉及一种植株数据处理方法、装置、计算机设备和存储介质。所述方法包括：获取包含植株茎秆的图像；输入图像至预设茎秆识别模型，通过预设茎秆识别模型提取图像中的茎秆特征，根据茎秆特征输出至少一个茎秆的识别信息，识别信息包括茎秆类型和茎秆高度，茎秆类型包括主茎和侧茎；统计各个主茎对应的侧茎的数量；当主茎的高度大于预设高度，且主茎对应的侧茎的数量大于预设数量时，将主茎对应的植株标记为目标植株。通过预设茎秆识别模型自动识别图像中的植株的茎秆和茎秆高度，自动统计植株的高度和植株的侧枝的数据，根据自动识别得到的数据，标记满足预设标记条件的植株，避免了人工测量带来的人力物力的耗费，提高了处理效率。

摘要： 本实用新型公开了一种烟叶生产处理技术领域的移栽定距计株数的装置，包括固定杆、定距盘和计数器，计数器包括计数轮组、主轴、副轴和回零机构，计数轮组套接在主轴和副轴上，主轴上还套接有涡轮，涡轮上啮合有蜗杆，定距盘为圆盘，定距盘的边缘均匀设有四个定距齿，计数器为机械式滚轮计数器，计数器的壳体固定在固定杆上，定距盘的中心轴穿接在计数器的蜗杆内；所述蜗杆是横截面呈矩形的中空管，所述蜗杆的端头通过限位螺母固定；本实用新型相较于现有技术的有益效果为使用本实用新型开设烟苗移栽孔更加的整齐，并且能够在打烟苗孔的时候计算烟苗的株数，并且结构简单，使用方便。