基于复杂性测度的柑橘病虫害识别

为进行柑橘病虫害的机器识别,提出了柑橘病虫害为害状特征的复杂性测度表达与病虫害识别方法。首先,对柑橘病虫害为害状主要色调区间[0,120°]进行长度为1°的等分割,形成120个色调子区间;其次,统计各色调子区间像素分布密度,以此作为柑橘病虫害为害状复杂性测度的结构性序列;再次,依据此结构性序列计算病虫害为害状统计复杂性测度,并将其作为病虫害特征值;最后,将Shannon信息熵和统计复杂性测度作为输入变量建立3层前馈神经网络柑橘病虫害识别模型来识别柑橘病虫害。柑橘蓟马、褐圆蚧、柑橘树脂病、糠片蚧各30个测试标本最低正确识别率、最高正确识别率、平均正确识别率分别为93.3%、96.7%、95%。试验结果表明,柑橘病虫害为害状的复杂性测度较充分地表达了柑橘病虫害的典型特征,能用此方法进行柑橘病虫害识别。     

基于叶片纹理特征的棉花蚜害诊断模型研究

【目的】为探究棉花叶片蚜害快速识别的可行性,本研究对健康和受棉蚜为害的棉花叶片的高光谱图像进行识别。【方法】以新陆早45号为研究对象,通过获取健康和受棉蚜为害棉花叶片的高光谱图像,提取不同处理下棉花叶片的感兴趣区域光谱图像信息,并采用3种降维手段获取高光谱特征。利用灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)提取图像的纹理特征,构建棉蚜为害诊断模型。【结果】采用全纹理特征数据结合随机蛙跳-偏最小二乘线性判别分析模型(RF-PLS-LDA)建模得到的预测集识别率为91.49%;以能量(Energy)作为输入,建立主成分载荷-偏最小二乘线性判别分析模型(PCA-Loading-PLS-LDA),对预测集识别率达到92.55%。【结论】以灰度共生矩阵二阶统计量能量建模可有效地简化模型,减少计算量,提高预测的稳定性。基于纹理特征向量能有效地实现蚜害棉花叶片的识别,为虫情的快速识别提供技术支持。     

OTSU最佳阈值法在棉花幼苗识别中的应用研究

 棉花幼苗的识别与分离是实现自动化移栽的关键步骤,本文用视觉图像处理技术对棉花幼苗的识别进行了研究。对于用摄像头获取的棉花幼苗图像,在分析棉花幼苗及背景颜色的基础上,采用了OTSU法将表征在RGB颜色空间内的彩色图像转化为灰度图像,并使用非线性滤波法对灰度图像进行去噪处理,通过最大类间方差法选取了最佳分割阈值,将灰度图像转化为二值化图像。为了更好地提取并识别棉花幼苗特征,又细化处理了二值化图像,设计了去骨刺处理,消除了细化后图像骨刺对特征识别的影响,并且使用了加权模板匹配法,设计了防误判匹配法则。应用这些方法,实现了棉花幼苗的识别,说明用图像处理方法识别棉花幼苗是完全可行的。     

茶叶皂苷复合抑霉唑和咪酰胺处理对采后柑橘属果实绿霉、青霉及酸腐病的控制作用

茶叶皂苷(TS)一般认为是一种安全的化合物,TS能够抑制柑橘青霉(Penicillium italicum)、指状青霉(P.digitatum)和白地霉(Geotrichum candidum)的孢子萌发与菌丝生长,用来控制柑橘属果实采后的腐烂。本文研究了TS单独使用及与抑霉唑和咪酰胺结合使用对柑橘青霉、指状青霉和白地霉的孢子萌发与菌丝生长的影响。结果表明,TS与抑霉唑或咪酰胺结合使用控制柑橘青霉、指状青霉和白地霉生长的最佳配比为8∶2。在此配比下,TS与这些杀菌剂可以很好地融合,可延长TS在果实上的存留时间,并提高它们对已接种病原菌"沙糖橘"的青霉、绿霉及酸腐病的控制效果。TS与这几种杀菌剂复合使用对病害的控制效果要好于这几种杀菌剂的单独使用,TS单独使用或与较低比例的抑霉唑或咪酰胺结合使用能够在不损害果实其他品质性状的情况下显著降低"沙糖橘"果实采后的腐烂率。     

融合马尔可夫随机场与量子粒子群聚类的棉花图像分割算法

【目的】提高采摘机器人棉花图像处理系统中的图像分割准确率。【方法】提出融合马尔可夫随机场与量子粒子群聚类的图像分割算法。步骤:将读入的RGB模式彩色图像转换成灰度图像;利用本算法分割图像;通过对连通区域面积阈值的设定获取目标区域。使用本算法分割不同角度采集的棉花正面图像与棉花侧面图像,并采用分割精度、峰值信噪比,分别与Otsu算法、模糊聚类图像分割算法、量子粒子群图像分割算法和马尔可夫随机场图像分割算法进行效果比较。【结果】本算法分割精度、峰值信噪比平均值分别为98.94%、77.48dB,与Otsu算法、模糊聚类图像分割算法、量子粒子群图像分割算法、马尔科夫随机场图像分割算法相比,分割精度、峰值信噪比分别提高2.47~4.56百分点、9.81~13.11 dB。【结论】本算法处理棉花图像具有更高的分割精度以及峰值信噪比。     

基于高光谱成像技术的核桃黑斑识别研究

利用高光谱成像技术对黑斑核桃进行识别研究,采集80个正常核桃和80个黑斑核桃高光谱图像,并提取感兴趣区域获得样本光谱数据。利用主成分分析(Principal component analysis,PCA)提取光谱数据前5个主成分信息,建立PLS判别模型,结果表明模型判别率均为100%。提取5个主成分图像,分别采用掩膜(Mask)、"Canny"算子、图像填充、区域生长算法(Region grow)提取模板图像和黑斑区域,实现对黑斑的识别。研究表明,采用高光谱图像技术可以实现核桃黑斑的识别,为核桃的黑斑检测提供理论参考。     

基于颜色和纹理特征的花生仁外观品质检测研究

为了提高对花生仁外观缺陷的在线分类准确率及效率。通过对采集完好、破损、霉变的花生仁RGB图像进行均值位移法、灰度处理以及阈值分割等预处理,研究提取了花生仁HSV颜色空间下的H、S、V各分量的一阶矩和二阶矩共6个颜色特征值,再基于灰度共生矩阵法提取能量、熵、对比度、逆差分矩共4个纹理特征值,构建颜色和纹理结合的特征向量,最后分别采用BP神经网络和SVM分类器对花生仁进行分类识别。结果表明：在花生仁的整体识别准确率上,BP神经网络为96.67%,SVM分类器为97.22%,后者优于前者,在识别时间上BP和SVM分别为2.5 s和1.1 s,识别效率上也是SVM更好,综合识别准确率和效率两方面考虑,优先选择SVM分类器模型来对花生仁进行分类识别。     

基于颜色特征和AdaBoost算法的麦穗识别的研究

单位面积麦穗数是小麦产量预测中的一个重要参数。在应用图像处理技术识别麦穗的个数研究中,提出了一种小麦颜色信息和AdaBoost算法相结合的麦穗检测方法。先用麦穗颜色分割法排除非小麦区域的干扰,然后用AdaBoost算法训练的分类器对麦穗区域进行定位识别。该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了小麦检测准确率。试验证明所用方法能有效去除叶片和秆茎的干扰,对于角度倾抖有一定鲁棒性。在随机抽取的100个样本中检测率为88.7%,有很强的识别能力。     

基于深度卷积神经网络的玉米病害识别

为了提高玉米病害的识别率,本文提出了一种在自然环境条件下基于深度卷积神经网络的玉米病害识别方法。该方法以玉米常见的10类病害为研究对象。算法模型是先将图像预处理,应用Triplet loss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通过Softmax对图像进行标签分类。训练集采用正常玉米图像与玉米病害图像相结合的方式,使用深度相似性网络学习正常玉米图像特征表示,再使用迁移学习方法学习玉米病害图像的特征,最后对特征进行分类识别。研究结果表明,该方法可准确识别10种常见玉米病害,正确率可达90%以上,为玉米病害的防治提供了有效的技术支持。     

基于数字图像的玉米叶面积测量方法研究

【研究目的】以数字图像处理技术为基础,采用数码相机获取数字图像,建立使用Visual C++6.0开发的图像处理软件进行玉米叶面积测量的方法。【方法】首先,用数码相机拍摄挂在墙上粘贴着玉米叶片的参照白板来获得数字图像。然后提取图像的蓝色分量,利用中值滤波、膨胀、腐蚀等方法去除图像噪声,最大类间方差法自动阈值分割目标。接着进行区域标记与区域像素数统计,区域像素数结合图像分辨率就可以获得玉米叶片的实际面积。【结果】与直尺法所测结果具有很好的相关性,且比直尺法更精确,【结论】此种拍摄方法避免了几何畸变的产生。蓝色分量图像中目标和背景的灰度差异最大,便于分割。     

Early decay detection in citrus fruit using laser-light backscattering imaging

Early detection of fungal infections in citrus fruit still remains one of the major problems in postharvest technology. The potential of laser-light backscattering imaging was evaluated for detecting decay in citrus fruit after infection with the pathogen Penicillium digitatum, before the appearance of fruiting structures (green mould). Backscattering images of oranges cv. Navelate with and without decay were obtained using diode lasers emitting at five different wavelengths in the visible and near infrared range for addressing the absorption of fruit carotenoids, chlorophylls and water/carbohydrates. The apparent region of backscattered photons captured by a camera had radial symmetry with respect to the incident point of the light, being reduced to a one-dimensional profile after radial averaging. The Gaussian–Lorentzian cross product (GL) distribution function with five independent parameters described radial profiles accurately with average R² values higher or equal to 0.998, pointing to differences in the parameters at the five wavelengths between sound and decaying oranges. The GL parameters at each wavelength were used as input vectors for classifying samples into sound and decaying oranges using a supervised classifier based on linear discriminant analysis. Ranking and combination of the laser wavelengths in terms of their contribution to the detection of decay resulted in the minimum detection average success rate of 80.4%, which was obtained using laser light at 532 nm that addresses differences in scattering properties of the infected tissue and carotenoid contents. However, the best results were achieved using the five laser wavelengths, increasing the classifier average success rate up to 96.1%. The results highlight the potential of laser-light backscattering imaging for advanced citrus grading.     

Nondestructive detection of insect infested chestnuts based on NIR spectroscopy

Insect feeding is a significant postharvest problem for processors of chestnuts (Castanea sativa, Miller). In most cases, damage from insects is ‘hidden’, i.e. not visually detectable on the fruit surface. Consequently, traditional sorting techniques, including manual sorting, are generally inadequate for the detection and removal of chestnuts with hidden damage. For the most part, the only method currently used by processors is a flotation system, in which chestnuts are placed in salt water and those that float are discarded. Flotation is unreliable, and a more effective method for detection of insect damage would benefit industry and consumers alike. In this study, the feasibility of using NIR spectroscopy to detect hidden insect damage is demonstrated. Using a genetic algorithm for feature selection (from 2 to 6 wavelengths) in combination with a linear discriminant analysis routine, classification error rates as low as 16.81% false negative, 0.00% false positive, and 8.41% total error were achieved, with an AUC value of 0.952 and an Wilk's λ of 0.403 (P < 0.001). A Savitzky–Golay first derivative spectral pretreatment with 13 smoothing points was used. The optimal features corresponded to Abs [1582 nm], Abs [1900 nm], and Abs [1964 nm]. These results represent an average of 55.3% improvement over a traditional flotation sorting system.     

采后热处理技术在果蔬贮藏保鲜上的应用

概述了热处理在果蔬贮藏保鲜研究和实践中的应用。研究涉及热处理对果蔬硬度、风味、颜色和失重等贮藏品质的影响，以及对果蔬呼吸强度、乙烯及相关酶、保护酶和蛋白质合成等生理生化的影响，果蔬贮藏保鲜中热处理可以控制果蔬虫害、果蔬采后病害以及减轻果蔬的冷害，提出了热处理在果蔬贮藏保鲜方面的应用前景。     

水稻叶色RGB组分与SPAD的关系研究

为在计算机上实现水稻叶片颜色的虚拟显示,建立水稻叶片颜色R(red) G(green) B(blue)组分随叶片叶绿素相对含量SPAD值动态变化的模拟模型。本研究以生产上推广的‘金优458’和‘中嘉早35’ 2个水稻品种的主茎叶色为研究对象,分别研究了2个水稻品种的叶绿素SPAD值随生育进程的动态变化规律和叶色RGB组分与SPAD值间的关系,并用Microsoft Excel软件进行了曲线拟合。研究结果表明,2个不同的水稻品种在返青至抽穗期内,SPAD值随有效积温的增加而增大,两者近似线性关系;SPAD值在20~50范围内,叶片的RGB组分与SPAD值也呈线性关系,并由拟合的曲线得到了叶色R、G、B与SPAD的水稻叶色模拟模型。通过对模型的检验,其RMSE均方根差值分别为4.56、4.73和3.55,它们之间呈极显著相关性;表明该模型可以用SPAD值的动态变化来描述水稻叶色的变化过程。     

Automatic image analysis and spot classification for detection of fruit fly infestation in hyperspectral images of mangoes

Fruit fly infestation of mangos is a major concern for growers and exporters, leading to requirements for quarantine treatments such as vapor heat treatment or irradiation and subsequent reduction in quality and consumer acceptance. An on-line method for detection and removal of infested fruit would thus benefit producers and consumers. An algorithm has been developed to identify spots generated in hyperspectral images of mangoes infested with fruit fly larvae. The algorithm incorporates background removal, application of a Gaussian blur, thresholding, and particle count analysis to identify locations of infestations. Each of the four algorithm steps involves adjustable parameters which were iteratively tested to find the optimal combination for detection in terms of false positive and false negative results. For algorithm parameters selected to minimize false negative results, a false negative error rate of 1.0% was achieved with 11.1% false positive error and 6.0% overall error in heavily infested samples. For the same sample set, the lowest overall error rate achieved was 2.0%, with 1.0% false positive and 3.0% false negative. For samples with lower infestation rates, the error rates were much higher, the lowest overall error being 12.3%. This therefore demonstrates the feasibility of hyperspectral imaging for fruit fly detection while highlighting the need for technology with improved resolution and signal to noise ratio to allow detection of single larvae.     

富马酸二甲酯对汉中柑橘贮藏品质的影响

为了研究新型防霉剂富马酸二甲酯(DMF)对采后汉中柑橘果实贮藏品质的影响,确定DMF在柑橘防腐保鲜方面的效果。笔者分析测定了DMF处理后在常温贮藏的柑橘果实的失重率、呼吸强度、可溶性总糖和维生素C含量的变化。结果表明,DMF处理的柑橘果实在贮藏156天内呼吸强度、失重率显著低于对照组;可溶性总糖含量和Vc含量均大于对照组。表明DMF处理在柑橘保鲜方面有效,可延缓果实的可溶性总糖和Vc的下降,有效抑制柑橘呼吸强度的上升,提高柑橘的贮藏品质。     

基于最小阈值法的棉花幼苗识别研究

 面对纯机械式分苗机构经常出现的漏分和多分的问题,本文提出使用基于最小阈值法的图像识别技术对棉花幼苗进行识别和分离。使用了HSV颜色空间内与光照条件无关的H值将RGB真彩色图像转化为灰度图像,以提高图像处理的实时性。基于最小值阈值法,提出一种能够有效地将处于复杂背景下的棉花幼苗茎部图像提取的方法,使用棉花幼苗茎部图像的面积和长宽比等几何信息能有效识别棉花幼苗,并得到棉花幼苗茎部的重心坐标。本文的研究证明了用图像处理中的最小阈值法识别棉花幼苗是可行的。