龙满生
- 作品数：27 被引量：437H指数：9
- 供职机构：井冈山大学电子与信息工程学院更多>>
- 发文基金：国家自然科学基金江西省教育厅科技计划项目江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学文化科学电气工程更多>>
- 精确杂草控制技术的研究现状被引量：8
- 2004年
- 农田杂草不仅与作物争光、争水、争肥、争空间,导致作物品质受损及产量下降,而且妨碍收获作业,增加生产成本,给农业生产造成了巨大危害。为此,阐述了精确杂草控制的意义;综述了国内外在该领域的研究进展;探讨了计算机杂草识别的方法;并指出了该技术在我国的应用前景和发展方向。
- 龙满生何东健耿楠宁纪锋
- 关键词：控制技术农田杂草作物品质农业生产杂草控制杂草识别
- 网络评论观点挖掘研究被引量：1
- 2018年
- 本文基于网络评论观点挖掘相关理论分析,对观点挖掘的实现过程进行设计和分析,以期通过网络评论观点的挖掘,了解网络用户行为与观点倾向,掌握网络用户观点表达规律。
- 曾寰胡运全李金忠戴贞明龙满生
- 关键词：网络
- 基于图像形态学的球形果实品质检测研究被引量：21
- 2001年
- 图像形态学是近年来新兴的、以形态为基础的、对图像进行分析的数学工具。分析了图像形态学在图像处理中的优点，对图像形态学的基本运算及其作用做了简要的介绍。以苹果为例，探讨了应用图像形态学运算实现球形果实缺陷和形状的检测技术，最后对实验结果进行了分析。
- 宁纪锋何东健张海亮龙满生
- 关键词：计算机视觉
- 农业自动化领域中计算机视觉技术的应用被引量：73
- 2002年
- 计算机视觉技术的应用已扩展到农业自动化领域。该文介绍了计算机视觉系统的组成 ,概述了国内外计算机视觉技术在农业生产自动化中的应用状况 。
- 何东健张海亮宁纪锋龙满生
- 关键词：计算机视觉技术图像处理农业自动化
- 基于深度学习的蜜柚果树航拍图像检测被引量：8
- 2021年
- 精细化、智慧化是果园管理的必然发展趋势,其中果树位置信息是果园管理的重要数据。为了快速获取井冈蜜柚果树的位置,利用无人机航拍获取蜜柚果园的正射影像,提出了一种用于检测蜜柚果树目标的SSD改进算法。该算法将原SSD算法的主干网络VGG替换为VoVNet,提高了特征提取能力。对样本数据进行了裁剪处理,有效提高了算法检测小目标的能力。实验结果表明,蜜柚果树目标的平均检测精度达到92.6%。
- 叶青龙满生曾劲涛吴泽奇游伟坤张传河
- 关键词：果园管理无人机遥感
- 坡面水蚀与细沟发育过程模拟研究被引量：2
- 2010年
- 为了分析次降雨过程中的细沟发育规律,提出从二维浅水方程和泥沙输移方程出发建立坡面水蚀模型,利用有限体积法模拟坡面径流与侵蚀产沙的时空分布及微地貌发育过程的方法。模型由二维浅水方程、Green-Ampt入渗模型、Gash林冠截留模型以及经验侵蚀与沉积公式组成,具有易于实现的优点。通过对摩阻源项进行点隐式处理,提高了数值稳定性,可处理干床面和微小水深。结果表明,模型能够模拟复杂坡面在次降雨过程中的径流侵蚀及细沟发育规律。
- 龙满生何东健
- 关键词：坡面径流土壤侵蚀浅水方程有限体积法
- 玉米苗期杂草的计算机识别技术研究被引量：61
- 2007年
- 利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标。研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms。
- 龙满生何东健
- 关键词：杂草识别计算机视觉人工神经网络玉米幼苗
- 基于内容的小麦害虫图像检索系统研究与实现被引量：7
- 2007年
- 以小麦害虫图像为研究对象,研究并开发了基于内容的害虫图像检索系统。重点研究了基于内容的图像检索中的图像特征提取、图像相似性度量和用户相关反馈技术。提出一种重叠四分块颜色矩和一种基于BP神经网络的图像相似性度量方法,并引入灰色相关反馈算法实现了基于语义的图像检索。应用排序评价方法、查准率与查全率对系统的检索性能进行测试,结果表明,系统具有一定的实用性,为快速准确地诊断、识别农作物害虫和害虫图像资源共享提供了技术依据。
- 李峥嵘刘月娥何东健龙满生刘全中
- 关键词：BP神经网络
- 颜色空间转换耦合特征图的显著性检测算法被引量：2
- 2019年
- 为解决当前视觉显著性检测技术忽略图像的全局与局部特征的联系,使其对复杂图像的检测准确度不佳的问题,设计颜色空间转换图耦合Ripplet变换的视觉显著性检测算法。将图像转换到RGBYI空间,并计算R与G、B与Y分量的颜色差异;引入Ripplet变换,对图像进行分解,获取相应的变换系数;借助逆Ripplet变换,形成特征图;基于概率密度函数,联合特征图,计算全局显著图;利用逐像素相似度估算像素的信息熵,获取图像的局部显著图;通过组合局部与全局显著图,形成最终的显著图,完成目标检测。实验结果表明,与当前显著性检测技术相比,所提技术具有更好的检测效果,呈现出更为理想的接收机工作特性曲线。
- 曾寰龙满生
- 农业领域中的计算机视觉研究被引量：26
- 2001年
- 计算机视觉技术在农业各领域中的应用研究发展非常迅速，本文回顾了计算机视觉技术近年来在国内外农业中的发展情况，从四个方面进行综述。最后概述我国现阶段计算机视觉技术在农业中的应用主要存在的问题及发展前景。
- 宁纪锋龙满生何东健高梦祥
- 关键词：计算机视觉农业
