基于计算机视觉的库尔勒香梨脱萼果识别研究

[目的]针对库尔勒香梨的图像,对香梨脱萼果和宿萼果进行分类及识别研究。[方法]利用Matlab软件进行图像数据获取、灰度化、中值滤波,利用动态阀值分割二值化图像;为弥补二值化后图像中出现的孔洞,基于数学形态学算子填充孔洞。设计神经网络参数,然后利用试验样本对BP神经网络进行训练和测试。[结果]所提出的方法能够获得很高的正确识别率,能够有效地将脱萼果识别出来。[结论]用BP神经网络来分类识别香梨脱萼果可以达到较好的效果。     

麦田多列目标图像检测算法

针对麦田图像中多列目标检测问题,提出基于水平线扫描的归类算法。对麦田彩色图像进行绿色强调,利用阈值分割方法提取苗列区域;对二值图像水平扫描,检测目标区域和目标点,根据目标点横坐标值的差值实现归类;利用过已知点的霍夫变换检测多列目标直线。对800幅麦田图像进行多列目标检测结果表明:762幅图像中的多目标列的中心线能够完全正确提取出来;处理640像素×480像素的彩色图像需要0.12 s。该算法在多列目标识别中是一种有效、快速的检测算法。     

自然环境下苹果彩色图像分割研究

[目的]获得自然环境下较好分割苹果图像的方法。[方法]选取苹果被遮挡（主要是叶子）、相互重叠的情况作为试验图片,采用欧几里得距离对彩色图像进行预处理,在预处理中,利用边界盒的相似性准则,提高了处理速度;对预处理的结果进行黑白（苹果和非苹果）编码,产生一副二值分割图像;最后采用数学形态学对二值化图像进行处理。[结果]有效的去除了复杂背景、目标物被遮挡、相互重叠等存在的图像噪声,去噪效果良好。[结论]算法对成熟苹果具有很好的分割效果,但不适合未成熟苹果的分割。     

基于RGB彩色空间的原木端面图像参数测算研究

[目的]根据原木端面图像的彩色特征,提出一种基于RGB颜色空间的彩色图像分割算法。[方法]选取图像中指定区域作为样本,统计样本中像素点的彩色分量,利用其彩色阈值区间,通过逐点匹配法对图像进行分割。[结果]该方法不仅消除了阴影干扰,而且能够准确地对原木端面进行分割。分割结果图像优化处理后,完整地反映出图像中的原木端面。采用目标图像外接矩形的内接椭圆算法对原木端面图像进行参数测算,结果表明,该算法的测算结果相对误差小于0.5%。[结论]基于RGB彩色空间的原木端面图像分隔方法分隔效果较优,参数测算结果较准确。     

基于CenterNet搭配优化DeepSORT算法的断奶仔猪目标跟踪方法研究

[目的]断奶仔猪是生猪养殖业中的重点关注对象,群养环境下的仔猪精准跟踪是分析仔猪个体行为、监测仔猪个体健康的基础。本文提出1种基于深度学习的断奶仔猪目标跟踪方法。[方法]利用基于中心点的CenterNet检测算法设计断奶仔猪目标检测模型,对DeepSORT算法的检测部分进行优化;训练优化跟踪过程中提取仔猪目标外观特征的模型,结合卡尔曼滤波和匈牙利匹配算法,改进重识别环节,实现具有深度关联度量的断奶仔猪目标实时检测与跟踪。[结果]算法测试结果表明,断奶仔猪目标检测模型的平均精度均值和召回率分别为99.0%和78.6%,多目标跟踪精度MOTA和MOTP指标分别为96.8%和81.8%。[结论]本文所提方法改善了因断奶仔猪外表高度相似性以及黏连遮挡情况导致跟踪困难的问题,可在群养环境中精准跟踪断奶仔猪个体,算法为后续仔猪个体行为分析研究提供技术支撑。     

图像分割技术之迭代算法在杂草识别中的应用

计算机图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像分割技术是图像处理之基本技术,图像分割就是在一幅影像中查找同类的区域。图像分割的应用范围涵盖了图像噪声的过滤以及特征的提取和识别。在介绍图像分割的主要特征的基础上,针对农田杂草识别中图像分割特点,提出了应用迭代算法的分割方法,并开发了相应的软件。实验验证该方法用于农田杂草识别前的图像的二值化处理,能够很好地消除图像噪声,得到连续的图像边界,可以有效地实现图像的二值化处理,为后续的杂草识别打下良好的基础。     

基于改进Bernsen 二值化算法的 植物病害叶片病斑检测

针对大区域田间复杂背景下植物病害远程识别中的叶片病斑检测难问题,提出一种基于改进Bernsen二值化算法的植物病害远程检测方法。通过物联网采集不同区域的植物叶片图像,根据在RGB和HIS颜色空间中叶片病斑与正常叶片和背景的色调差异的特点,利用改进Bernsen二值化算法分别在图像的R、G、B、H 4个颜色通道上提取病斑,然后进行病斑图像融合,得到病斑图像。采用该方法对多幅物联网视频植物病害叶片图像进行病斑分割。实验结果表明,该算法在复杂背景环境下能够有效分割植物病斑图像,去除大量复杂背景,得到病斑图像。该方法能够为大区域植物病害远程智能监控系统提供技术指导。     

基于机器视觉的断奶仔猪腹泻自动识别方法

[目的]断奶仔猪腹泻严重影响养猪业的经济效益,本试验基于机器视觉技术提出一种排泄姿态与异常粪便结合的断奶仔猪腹泻检测方法以实现断奶仔猪腹泻的快速、准确检测。[方法]以深层卷积神经网络(convolutional neural networks,CNN)为基础构建腹泻检测分类模型,实现仔猪身份、姿态与异常粪便的一体化识别,对比不同迭代次数对模型效果的影响,选取最优模型;提出时空信息融合判定法,从时间序列先后和空间距离远近两方面,关联最优模型识别出的目标姿态与病便,实现断奶仔猪腹泻的视频检测。[结果]在训练迭代25 000次时接近模型最优值,对姿态、病便等目标识别的平均精度均值和召回率分别为95.75%和89.13%;基于时空信息融合方法的断奶仔猪腹泻视频检测识别准确率和召回率分别为97.92%和95.92%。[结论]深层卷积神经网络分类模型结合时空信息融合判定法为断奶仔猪腹泻自动识别提供了有力的技术支撑。     

基于小麦穗部小穗图像分割的籽粒计数方法

[目的]小麦穗部小穗数及籽粒数能够直接反映小麦产量,也是小麦穗表型研究中2个非常重要的参数。[方法]为了快速测量这2个参数,针对小麦穗部正视图像,提出了一种基于图像处理技术的小麦小穗抛物线分割方法,并实现了小穗数及籽粒数的同步识别计数。首先采用图像预处理算法获得麦穗二值图像,然后将二值图像沿穗轴方向的像素按行求和,根据行像素求和曲线图中波峰波谷确定所需要的小穗3个位置点,由小穗3个位置点在二值图像上确定三点拟合抛物线,最后运用抛物线位置分割出各小穗,同时通过阈值法确定各小穗面积值与其籽粒数之间的关系。[结果]使用3个品种小麦穗图像对小穗数及籽粒数识别方法进行验证,结果表明:采用该方法 3个品种小麦穗部小穗数识别的平均零误差率为68.16%,平均绝对误差为0.46,平均相对误差为2.99%,对比已有文献识别小穗数方法,识别精度显著提高;3个品种小麦穗部籽粒数识别的平均绝对误差为2.11,平均相对误差为5.62%;3个品种单株麦穗平均测量时间为7.99 s。[结论]运用本方法可以快速高精度地对小麦穗部小穗数及籽粒数进行自动计数。     

基于Simulink的大米动态图像检测系统仿真

[目的]建立大米动态图像的仿真检测系统。[方法]以粳米为研究对象,利用Simulink设计大米动态图像仿真处理平台,用Mplay进行系统调试,利用背景差分法分割大米图像,对图像进行检测与跟踪。[结果]实现了大米动态图像的检测及目标跟踪,且对图像的分割、标注效果较好,提取的大米外观形状的特征值与其静态图像特征值的平均相对误差仅为2.26%。[结论]建立了大米动态图像的仿真检测系统,该系统检测精确度高,算法验证及修改简单、方便,编写代码所需时间较短。     

基于机器学习的奶牛颈环ID自动定位与识别方法

[目的]奶牛个体信息的实时感知和行为分析是现代化奶牛精细养殖的必然要求,奶牛个体身份的有效识别是上述目标的前提和基础。基于奶牛生物特征(牛脸、体斑等)图像的无接触识别方法易受外界干扰、算法复杂度高,可识别的样本规模受到限制。因此,本文提出1种基于机器学习的奶牛颈环ID自动定位与识别方法。[方法]针对奶牛运动造成的颈环ID偏转问题,采用基于梯度方向直方图(HOG)特征的级联检测器结合多角度检测方法实现奶牛标牌的定位;对标牌图像进行图像增强和二值化分割等处理,得到单个字符图像;设计卷积神经网络的结构和参数,训练字符识别模型,从而完成标牌字符的识别。试验数据包括80头奶牛的1 414幅侧视图像,随机选取其中58头奶牛的图像作为训练集,其余22头奶牛的图像作为测试集。[结果]标牌定位的准确率为96.98%,召回率为80.23%,字符识别模型的准确率为93.35%,连续图像序列中奶牛个体的识别率为95.45%。[结论]识别模型对光线变化、污渍沾染、旋转角度等具有良好的鲁棒性,具有代替传统动物个体身份识别方法的潜力。     

基于图像处理的植物叶面面积计算算法研究

[目的]探讨采用数字图像处理法快速计算植物叶片面积的方法。[方法]以杨树叶片为试材,先将叶片样本进行灰度化、二值化和开运算等预处理,得到叶片外部的参考框图像,之后将样本图像进行几何校正,去除叶柄求出叶片面积,最终编写MATLAB程序。[结果]通过研究叶柄处存在凸出的叶片的去叶柄算法,得到比较精确的纯叶片图像。在对畸变灰度图像二值化过程中采用局部阈值分割和直方图分割相结合的方法,人机交互处理后得到了清晰的边框;在对校正后的灰度图像进行处理的过程中运用了最佳阈值分割方法也能得到满意的叶片图像。由此可见,目的和需要不同所采取的方法有很大差别。[结论]采用对精确的数字图像处理方法能快速计算植物叶片面积。     

超免仔猪猪瘟抗体的消长规律研究

[目的]探索猪瘟疫苗首次和二次免疫的最佳时间。[方法]通过猪瘟正向间接血凝试验,对绿兴种猪场5头母猪及其哺乳的25头仔猪的猪瘟抗体水平进行检测。[结果]试验母猪和仔猪的猪瘟抗体水平均较高。当母猪的母源抗体进行1∶64稀释和凝集价为++++时,可不进行超免,首次免疫在产后30 d左右最佳。这说明该猪场制定的猪瘟免疫程序比较合理,能够发挥较好的保护作用。[结论]该研究可为猪场免疫程序的制订提供参考。     

日粮添加姜黄素对IUGR猪肝脏抗氧化功能和脂代谢的影响

[目的]本试验旨在探讨日粮添加姜黄素对宫内发育迟缓(IUGR)猪肝脏抗氧化功能及脂代谢的影响.[方法]择取分娩时间与遗传背景相似的妊娠母猪12头,分娩当日,从每窝新生仔猪(杜长大)分别选择1头正常出生重(NBW,约1.51 kg)和2头IUGR(约0.75 kg)仔猪,26日龄断奶后将所有仔猪分为NBW、IUGR和IU...     

散养户猪只饲养常见问题及解决方案

正一、没有保温措施在乡村走访时,看到很多养殖户家养殖的母猪分娩后仔猪没有保温措施。细谈时几乎所有养猪户都不知道哺乳期乳猪的温度需求(新生仔猪一周内28℃-32℃)。在冬季母猪分娩仔猪保温还好些。但在春、秋季节新生仔猪晚间很少有保温措施。这就导致了哺乳仔猪死亡率高、多发腹泻、断奶体重低的结果。解决方法:根据天气情况母猪分娩时及时上保温箱,电热板或紫外线灯。二、哺乳仔猪腹泻严重。     

基于诱虫板图像的温室番茄作物害虫识别与监测方法

[目的]本文旨在探索实时监测温室虫情和精准防控虫害的方法。[方法]设计了一种基于诱虫板图像背景均匀化的自适应分割方法,结合基于随机森林(random forest, RF)的图像识别算法识别4类温室番茄害虫(烟粉虱、潜叶蝇、果蝇和蚜虫)并计数。该方法首先提取诱虫板图像RGB(red-green-blue)颜色模型B分量和HSV(hue-saturation-value)颜色模型V分量,然后分别对2张图像分段调整背景灰度值得到均匀背景诱虫板灰度图像,再利用最大类间方差法确定阈值分割图像,经形态学处理后融合2张诱虫板二值图像,最后提取害虫区域的6个颜色特征、8个形状特征和6个纹理特征,训练随机森林以识别害虫并计数。[结果]对比分析Sauvola局部阈值法、Prewitt边缘分割法、k-means聚类法以及本文设计的自适应分割方法,结果表明基于背景均匀化的自适应分割方法效果最好,平均分割准确率为95.34%。对比分析7种特征向量组合下随机森林、C-SVC(C-support vector classification)和BP(back propagation)神经网络3种分类方法,结果表明综合颜色特征向量、形状特征向量和纹理特征向量作为输入的随机森林算法识别效果更好,对烟粉虱、潜叶蝇、果蝇和蚜虫的识别准确率分别为93.89%、90.71%、91.54%和90.40%。[结论]本文设计的方法能够实现诱虫板上4类害虫的识别和计数,可以为温室虫情监测与预警提供参考。     

遗传算法改进的KSW熵法计算黄瓜叶部角斑病密度

[目的]去除复杂背景影响,提高角斑病病斑分割精度和速度。[方法]首先对预处理后的b*通道图像采用大津法进行初分割,去除大部分背景和噪声。再对目标部位的灰度图,用基于遗传算法改进的KSW熵阈值分割法进行二次分割,得到病斑的二值图像,并计算病斑面积,最后与叶片面积做比得到病斑密度。[结果]该方法计算的病斑密度与方格板手动计算的结果的绝对误差约为0.02,而病斑的分割速度提高了45%以上。[结论]该方法为黄瓜角斑病病害程度自动诊断提供技术依据。     

基于控制标记符分水岭的医学图像分割

提出了一种适合医学图像分割的改进分水岭算法,针对分水岭算法存在的过分割问题,采用数学形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正。最后,使用分水岭算法对修正的梯度图像进行分割。该方法能有效抑制过分割现象,而且计算复杂程度较低、分割效果较好。     

木材表面缺陷特征轮廓提取算法研究

虫眼、活节和死节是最常见的木材表面缺陷,是木材分选过程主要的识别目标,精确提取木材表面缺陷轮廓特征能大幅提高木材分选的准确率。本研究提出一种针对木材表面虫眼、活节、死节缺陷轮廓提取方法。针对木材表面常见黑点和纹理等非线性噪声,使用中值滤波方法平滑图像。然后分别应用OTSU算法与全局阈值分割算法分离图像背景与目标,对结果二值图像使用数学形态学方法进行滤除和填充,最终用sobel算子提取缺陷边缘。结果表明,采用OTSU算法分割和数学形态学相结合的方法可以很好地提取木材表面缺陷特征,用sobel算子能够提取到比较完整、准确、连续的木材表面缺陷边缘轮廓,提高了目标图像的可视性和精准性。     

基于大津算法连通域的松果多目标识别定位

松果识别对其产量评估、智能采摘等具有非常重要的意义.提出一种基于二值图像连通域的松果图像识别方法,首先研究松果图像RGB颜色特征规律,进行RGB颜色分量色差运算;然后选取合适的阈值对松果R-G图像进行二值化处理,初步分割果实和背景;再在图像分割时采用小面积连通域面积阈值法去除噪声的影响;最后采用连通域外接矩形法进行松果识别与统计,并计算出松果质心位置.结果表明,采用OTSU二值化分割+连通域噪音去除方法,可以清晰地分离出松果果实,松果识别平均准确率为89.6％.基于二值图像连通域的松果多目标果实识别与定位,为以后实现松果的自动化采摘提供了技术基础.