基于随机森林算法的黄瓜种子腔图像分割方法

针对黄瓜表型测量中图像识别问题,为解决黄瓜种子腔与果肉图像灰度差别不大情况下的分割难题,提出了基于随机森林算法(Random Forest,RF)的黄瓜种子腔图像分割方法。首先,通过颜色空间变换,提取样本在RGB、HSV、YCb Cr模型下的9个颜色分量;接着,基于灰度共生矩阵提取样本的能量、熵、对比度、相关性的均值与标准差等8个纹理特征。结合纹理与颜色特征,运用随机森林算法构建像素分类器,实现了种子腔的粗分割。为了提高分割质量,对粗分割的图像进行形态学处理得到最终分割图像。最后,与K-均值聚类(Kmeans)算法、支持向量机(Support Vector Machine,SVM)算法做对比。实验表明:随机森林分割算法正确识别率高达95%,错误识别率在10%之内,处理时间1.6 s左右,分割质量上优于其它两种算法。     

自然场景下低分辨率苹果果实病害智能识别方法

为实现自然场景下低分辨率苹果果实病害的智能识别,对获取图像进行预处理,采用改进的水平集交互式分割方法提取病斑。根据病斑特点,提取H,S,V等3个通道的2个低阶颜色矩作为颜色特征,基于灰度共生矩阵提取8个特征参数作为纹理特征,提取病斑的Hu不变矩作为形状特征。在对特征进行优选的基础上,构建支持向量机病害识别模型。实验结果表明,用优选的15个特征和支持向量机识别模型,对3种病害的平均正确识别率达到90%,可以有效识别苹果果实病害。     

基于计算机视觉的香蕉贮藏过程中颜色和纹理监测

利用计算机视觉技术对香蕉在贮藏过程中颜色和纹理的变化进行研究。以第1阶段的青香蕉为研究对象,在贮藏过程中每天获取其图像,并将图像二值化,以其为模板分别与灰度、R、G和B分量图像点乘进行背景分割,提取彩色分量的均值作为颜色指标;预处理后灰度图像的共生矩阵由不规则的生成方式提取,并获取其纹理二阶矩、对比度和均匀度3个纹理指标。实验结果表明,结合R和G均值的变化曲线可对香蕉在第6阶段之前的表面状况进行描述,采用基于灰度共生矩阵的对比度和均匀度的变化曲线对香蕉在第6阶段之后的表面状况进行描述。     

基于机器视觉的田间小麦开花期判定方法

针对大量小麦育种材料花期难以精准、快速检测的问题,提出了一种基于综合颜色特征和超像素分割算法的小麦开花期判定方法.首先,根据光照强度及图像清晰度对综合颜色特征的过红颜色分量、HSV颜色空间的S分量和红绿归一化颜色分量自适应调节,增强小花和小穗的差异性.其次,基于中心距离函数和灰度变化函数改进超像素分割算法的聚类规则,获...     

基于颜色特征的牧草图像分割方法研究

针对自然光照条件下牧草图像的分割问题,分别研究了在RGB颜色空间和HSI颜色空间中牧草颜色特征的提取。在RGB颜色空间中,利用2G-B色差特征得到牧草和背景差值最大的色差灰度图像,使用最大类间方差图像分割法对色差灰度图像进行了图像分割。在HSI颜色空间中,根据牧草H分量的分布特点,使用模糊C-均值(FCM)的彩色图像分割方法对牧草的彩色图像进行了有效分割。实验表明,基于HIS彩色空间H色调的FCM方法对牧草的分割能够取得比较理想的效果,经二值化处理后得到的牧草轮廓要比基于2G-B色差特征的最大类间方差分割方法得到的牧草轮廓更加完整。     

无核白葡萄干机器视觉色泽分级研究

采用机器视觉技术,针对新疆无核白葡萄干的颜色特征进行分级研究,提取HIS颜色图像,采用中值滤波法滤波,采用最大类间方差法分割图像,采用形态学开运算去除二值图像中的伪目标区域,获得最佳二值图像。同时,分析色调灰度直方图和颜色矩均值直方图,确定采用H、S、I分量颜色的一阶矩、二阶矩、三阶矩作为特征值建立BP神经网络的色泽分级模型,分级准确率最高为96.42%。     

基于多特征降维的植物叶片识别方法

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。     

基于批次式包衣机的智能化专家系统设计

设计一种以专家系统为核心,包括批次式种子包衣机和包衣质量图像检测系统的智能化控制系统。以种子包衣品质和合格率为目标,通过构建基于神经网络的包衣参数自学习和智能混合参数优化策略系统,根据经验知识库和实时反馈值,对包衣机的加工参数实现在线优化。采用Lab Windows/CVI开发平台编制系统软件,实现参数设置、加工参数推荐和优化、数据通讯、设备控制、运行参数和画面显示、手动调校、数据存储查询等功能。系统与批次式包衣机配套应用,结果表明整机的智能化水平明显提升。专家系统能够针对不同种子自动优化组合加工参数,在满足包衣品质和合格率的前提下,提高效率,节省包衣剂用量,效果显著。     

基于纹理和颜色特征的甜瓜缺陷识别

为了提高硬皮甜瓜缺陷分类的正确率,提取基于纹理和颜色的综合特征,采用支持向量机分类器构造了甜瓜缺陷的自动检测系统。对甜瓜图像可疑区进行了纹理分析,提取灰度共生矩阵的4个特征参数,经过比较实验得出,对比度和角二阶矩2个参数对甜瓜瓜蒂、花萼、擦伤和霉变有明显的可区分性。在可疑区域上提取了由R、G、B分量及其算术运算组成的12种颜色特征,通过实验筛选出4种具有较好区分性的颜色特征。实验结果表明,由这些优选出的纹理与颜色特征组成的综合特征及支持向量机分类器对甜瓜缺陷的识别正确率达到92.2%。     

变量喷雾中果树图像不同分割方法

变量喷雾是现代农药精确喷施技术之一.为了实现果树变量喷雾,需要检测果树的形态结构参数.图像处理技术是获取果树形态结构参数的重要方法.本文根据果树图像的特征,分别基于灰度模型、RGB模型和HSV模型对果树图像进行图像分割试验.试验结果表明,有效的果树图像分割方法是基于灰度模型的图像分割与基于RGB模型的(R+G+B)、2R、2G等分量的图像分割.其中,基于灰度模型的图像分割采用固定阈值128,基于RGB模型的图像分割采用Otsu算法.比较各种有效图像分割方法的准确率和耗时,结果表明采用基于RGB模型的2R分量、Otsu算法可以满足果树图像分割处理的要求,该方法分割准确率为79.67％.     

种子包衣剂对小麦种子萌发及幼苗生长的影响

以百农207为试验材料,选用35%咯菌腈·精甲霜、31.9％戊唑·吡虫啉、12%吡唑·灭菌唑和12％噻·咯菌腈·苯醚4种种子包衣剂,以清水为对照,通过室内发芽试验和田间试验,研究小麦种子发芽特性和幼苗生长变化特征。室内发芽试验结果表明,种子包衣能够提高种子发芽率,但是降低了发芽势和发芽指数,显著提高了种子贮藏物质的转运量和转运速率。田间试验表明,包衣剂处理的小麦幼苗根系健壮,根长、表面积、体积和根尖数优于对照,幼苗质量较好,干物质积累量较多,叶色浓绿,光合特性较好。整体来看,12％噻·咯菌腈·苯醚悬浮种衣剂处理效果最佳。      

马铃薯典型病害图像自适应特征融合与快速识别

针对自然条件下马铃薯典型病害区域定位和识别难的问题,提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法。该方法利用K-means、Hough变换与超像素算法定位叶片,结合二维Otsu与形态学法分割病斑区域,通过病斑图像颜色、形状、纹理的自适应主成分分析(PCA)特征加权融合,进行支持向量机(SVM)病害识别。对3类马铃薯典型病害图像进行识别试验,结果表明:SVM识别模型下,自适应特征融合方法相比PCA降维、特征排序选择等传统自适应方法,平均识别率至少提高了1.8个百分点;13个自适应融合特征下,识别方法平均识别率为95.2%,比人工神经网络、贝叶斯分类器提高了3.8个百分点和8.5个百分点,运行时间为0.600 s,比人工神经网络缩短3 s,可有效保证识别精度,大大加快了识别速度。     

基于优化DBSCAN算法的玉米种子纯度识别

为快速有效地识别玉米种子纯度,针对玉米种子图像特征,对玉米种子的图像处理方法和聚类算法进行研究,提出一种基于最远优先遍历的DBSCAN玉米种子纯度识别算法。该方法首先提取玉米种子冠部核心区域的RGB、HIS和Lab种颜色模型特征参数,选取H、S、B作为识别向量;其次通过最远优先遍历算法剔除密度差异特征向量边缘异常散点;最后采用DBSCAN算法进行密度聚类。实验结果表明,该方法玉米纯度识别正确率达93.3%。     

叶菜溯源系统设计与实现

为有效提升叶菜产业的信息化和智能化水平，保证土地生产效率和产品质量安全，规范叶菜供应产业链。该文在叶菜生产精量化装备智能物联监控技术的基础上，确定面向消费者与面向专业人员的溯源信息。构建基于物联网的叶菜生产监测溯源系统，实现从种子处理、播种、收获、包装到销售的全程溯源追踪。      

基于栈式自编码神经网络的包衣单籽粒玉米品种识别

常规近红外定性识别研究中，玉米籽粒为表皮裸露状态，未经种衣剂覆盖处理，但是在实际农业生产中，为抵御病虫害侵袭，提高玉米种子发芽率，达到保产增产的功效，玉米种子常需经种衣剂包裹处理。玉米种衣剂的类型多样，对近红外光谱具有一定的吸收，因此种衣剂对近红外定性识别具有干扰作用。本文针对种衣剂对玉米品种识别准确性影响的问题，提出了一种基于栈式自编码神经网络（SAE）的近红外光谱定性建模方法。首先采用无种衣剂玉米籽粒光谱作为训练集，通过栈式自编码无监督学习算法与softmax分类器构建栈式自编码网络定性分析模型，再利用所建模型对有种衣剂玉米籽粒进行品种识别。实验结果表明，基于SAE的建模方法能够将种衣剂对玉米籽粒识别率的影响降低至3%以内。     

小粒种子电动播种机作业质量监测系统设计与试验

为了实现蔬菜小粒种子电动播种机作业过程的实时监测,提高小粒种子播种机智能化水平,基于多传感器检测技术和可视化技术,设计了小粒种子电动播种机作业质量监测系统,并进行了播种试验。试验表明:作业质量监测系统可实现对粒径0. 5～1. 5 mm蔬菜小粒种子播种过程的实时监测,其播种量监测精度达96%,种子漏播监测精度达92. 3%,实时落种影像采集精度达95%,解决了由于蔬菜小粒种子粒径小、质量轻不便于实时监测的问题,提高了播种机播种精度和作业质量。     

种子包衣机的研制

针对国内种子包衣机在结构设计、计量控制、制造质量与喷头堵塞等方面存在的不足，研制开发出了一种新型种子包衣机。该机采用计量泵供给药液，外槽轮定量供给种子，实现泵和外槽轮同步转动，达到精确、稳定的种药配比，减小种药变异系数。通过对种子定量供给装置、种衣剂超纫雾化装置、种子抛撤装置和再搅拌装置的设计与应用，既解决了雾化喷头堵塞问题，又提高了种子包衣合格率指标。试验结果表明，种药比调节范围20—120，种衣合格率参95％，种药变异系数≤2．5％，种子破碎率＜0．1％，可满足作物种子包衣的技术要求。     

基于CHG-LDA的鱼类新鲜度无损检测方法

Quick and accurate assessment of fish freshness is of great significance for intelligent quality monitoring and ensuring the safety of consumers. In the current fish freshness evaluation method based on visual images, the study of fish gills needs to remove the gill cover, which is invasive to the fish body, and the analysis of other parts has a low evaluation accuracy. To solve the above problems, a fish freshness classification method based on color histogram & grey-level co-occurrence matrix-linear discriminant analysis (CHG-LDA) was proposed. Firstly, preprocessing operations such as labeling, image zooming and color space conversion were performed on the collected fish images. Secondly, the extracted color histogram features and grey-level co-occurrence matrix (GLCM) features were fused to constitute the features, and the feature dimension was reduced by LDA. Finally, K-nearest neighbor (KNN) algorithm was used to classify fish freshness. The CHG-LDA method proposed solved the problem of poor classification performance caused by the low quality of the extracted fish image features. The experiment was carried out on a real crucian data set, and the index values of precision, recall, F1-score and accuracy were all 1. Compared with color histogram features, color moment, GLCM features, etc., this method improved the performance of each evaluation index on KNN, RF, ANN, and LightGBM classifiers. Among them, the evaluation time of KNN was the best, which was 0.01s. Experimental results showed that this method can achieve accurate and non-destructive evaluation of fish freshness, and it was feasible for actual production monitoring.     

基于模糊聚类的玉米大斑病害图像的分割技术

通过颜色空间的转换,将RGB颜色空间转化为HSI颜色空间,在色度H空间对玉米大斑病图像进行分割。应用模糊聚类分析的方法,确定了图像分割的阈值。对186幅玉米大斑病图像进行分割试验,分割的准确率为97．8％。分析表明,准确的病害图像分割可以为病害的特征值提取和病害的模式识别做好准备。