基于对数相似度约束Otsu的自然场景病害果实图像分割

针对自然场景下,由于复杂背景以及多变环境,水果病害果实图像分割难的问题,提出了一种基于对数相似度约束Otsu和水平集活动轮廓的近椭圆形病害果实图像分割方法。考虑背景的复杂多变,提出对数相似度约束Otsu分割来区分病害果实与背景;由于水平集活动轮廓模型的局部最优性,提出采用自适应膨胀系数的改进距离规则水平集活动轮廓模型来精确演化轮廓。先对病害果实区域样本的颜色进行混合高斯建模,获得整个病害果实图像与样本模型的对数相似度;对对数相似度进行约束Otsu阈值分割以及形态学滤波;采用最小二乘法对滤波后的曲线轮廓进行椭圆拟合,对拟合后的椭圆采用自适应膨胀系数的距离规则水平集活动轮廓演化,得到病害果实完整轮廓。对18个不同场景的病害果实进行分割,平均误判率和漏判率分别为1.77%和1.6%,实验结果表明,该方法可以从复杂自然场景图像中分割出病害果实。     

基于PCA和高斯混合模型的小麦病害彩色图像分割

为了提高高斯混合模型对小麦病叶的分割精度,减少分割时间,提出了一种基于PCA和高斯混合模型的分割方法。首先充分利用图像的颜色信息,将图像多个颜色通道进行主成分分析计算,获得3个主要颜色通道;在此基础上,将图像分成多个分块,根据其像素平均值排序,各取前后多个分块组成新的像素集合进行高斯混合模型运算;最后遍历整个图像,将每个像素归类到已求出的高斯模型上得出分割结果。通过对小麦锈病图像的分割试验表明,该方法的错分像素率分别比高斯混合模型、K-means等传统分割方法低5.46和13.44个百分点。     

基于小波分解的纹理分割的农机化应用研究

农业机械自动导航是农业自动化的重要标志之一,其中图像分割技术已成为农业机械导航的重要环节.为此,根据已收割和未收割的农作物图像具有不同纹理特征的性质,采用小波分解方法,对农作物图像的自动分割进行了大量实验研究,并且与纹理分割常用的Laws能量特征法进行了实验效果和运行效率对比.理论分析和实验结果均表明:基于小波分解的纹理分割方法,完全适用于农业机械导航中的农作物图像自动分割.     

农业病虫害智能视频监控系统的构建和应用

为建立一个农业病虫害无线智能视频监控系统,首先提出系统构建的逻辑模型以及在整个病虫害监控、诊断与防治专家系统中的位置,然后给出网络组网的拓扑结构。通过整合智能分析处理模块和数据库设计模块,开发系统集成软件管理平台。通过该系统可以实现农作物病虫害的远程数据采集、自动监控、智能检测和远程管理,从而可以精准分割出农作物生长过程中的病害和虫害,为后续的病虫害特征提取与识别打下良好的基础。     

基于CNN-RF模型的广州地区土壤质地识别方法

不同土壤质地直接影响土壤水分渗透程度和农作物养分吸收，进而影响农作物的产量及质量，针对土壤质地难以开展高效、精准识别等问题，基于卷积神经网络-随机森林(CNN-RF)模型算法用于实现土壤质地高效、精准识别。首先用比重法测定土壤样本中砂粒、粉粒和黏粒的百分比，然后采用自主研制的便携图像采集装置，对广州地区的土壤进行1 000个样本采集并对土壤研磨、筛选、拍摄，建立土壤样本质地和图像的数据库，提取图像中的颜色特征和纹理特征，利用CNN-RF模型并结合3种组合(颜色、纹理、颜色+纹理)方法对土壤样本中的黏粒、粉粒和砂粒百分含量进行回归预测。采用平均绝对误差(MAE)、均方根误差(RMSE)和判定系数(R²)进行模型回归性能评估。从混淆矩阵进行模型分类结果可知，预测砂粒的MAE、RMSE、R²值分别为3.37、3.71和0.99；粉粒的MAE、RMSE、R2值分别为3.48、3.79和0.98；黏粒的MAE、RMSE和R²值分别为3.38,3.76,0.99。与RF、KNN、VGG6-RF模型相比，这种CNN-RF模型得到的MA...     

考虑温度影响时具有表面纹理唇形油封的密封性能研究

基于弹流润滑理论和旋转轴密封的泵送机理,综合考虑密封唇表面粗糙度和表面纹理的影响,建立了油封密封区域的混合润滑数值模型.模型耦合了流体力学、变形分析、接触力学、温度能量守恒方程和黏温方程, 通过迭代求解数值方程,得到不同表面纹理(圆形、正方形、等边三角形)油封唇口的温度分布、不同转速下油封唇口的最高温度,对比分析了表面纹理对油封接触面温度的影响以及温度升高对油封泵吸率、油膜厚度、摩擦扭矩等密封性能的影响.结果表明:随着转速的增大,唇口最高温度线性递增,表面纹理明显提高了油封的唇部温度;油封工作时,摩擦面的温度从两侧向中间急剧递增,纹理区域温度明显升高,但3种纹理油封之间差异不具有统计学意义.温度升高导致3种纹理油封的泵吸率、油膜厚度、唇口密封压力下降,明显降低了油封的密封性能.     

基于形色筛选的苹果园羽化害虫粘连图像分割方法

针对苹果园害虫识别过程中的粘连问题,提出了一种基于形色筛选的害虫粘连图像分割方法。首先,采集苹果园害虫图像,聚焦于羽化害虫。害虫在羽化过程中已完成大部分生长发育,其外部形态、颜色、纹理更为稳定显著。因此,基于不同种类害虫的形色特征信息分析,来获取害虫HSV分割阈值和模板轮廓。其次,利用形状因子判定分割粘连区域,通过颜色分割法和轮廓定位分割法来实现非种间与种间粘连害虫的分割。最后,对采集的苹果园害虫图像进行了试验分析,采用基于形色筛选的分割法对单个害虫进行分割,结果表明,本文方法的平均分割率、平均分割错误率和平均分割有效率分别为101%、3.14%和96.86%,分割效果优于传统图像分割方法。此外,通过预定义的颜色阈值,本文方法实现了棉铃虫、桃蛀螟与玉米螟的精准分类,平均分类准确率分别为97.77%、96.75%与96.83%。同时,以Mask R-CNN模型作为识别模型,平均识别精度作为评价指标,分别对已用本文方法和未用本文方法分割的害虫图像进行识别试验。结果表明,已用本文方法分割的棉铃虫、桃蛀螟和玉米螟害虫图像平均识别精度分别为96.55%、94.80%与95.51%,平均识别精度分别提高16.42、16.59、16.46个百分点。这表明该方法可为果园害虫精准识别提供理论和方法基础。     

基于非下采样Shearlet变换的磁瓦表面裂纹检测

针对磁瓦表面裂纹缺陷图像背景不均匀、对比度低和存在纹理干扰等特点,提出了一种基于非下采样Shearlet变换(Nonsubsampled Shearlet transform,NSST)的裂纹检测方法。首先对原始图像进行多尺度、多方向NSST分解,得到一个低频子带和多个高频子带,然后利用各向异性扩散和改进的γ增强方法对高频子带进行滤波和增强;同时利用二维高斯函数对低频子带进行卷积操作来构造高斯多尺度空间,估计出图像的主要背景,并通过背景差法得到均匀的低频目标图像。最后通过重构NSST系数得到去噪和增强后的均匀目标图像,利用自适应阈值分割和区域连通法提取裂纹缺陷。实验结果表明,所提方法检测准确率达92.5%,优于基于形态学滤波方法、基于Curvelet变换方法和基于Shearlet变换方法等现有磁瓦表面裂纹检测方法。     

基于深度学习的农作物病虫害检测算法综述

农作物病虫害对农业产量和品质影响巨大。数字图像处理技术在农作物病虫害识别中发挥重要作用。深度学习在该领域取得显著突破,效果优于传统方法。深度学习方法的特征提取能力更强,能准确捕捉细微特征,提高检测精度和可靠性。深度学习为农业提供了有力支持。本研究综述了基于深度学习的农作物病虫害检测研究,从分类网络、检测网络和分割网络3方面进行了概述,并对每种方法的优缺点进行了总结,同时比较了现有研究的性能。在此基础上,进一步探讨了基于深度学习的农作物病虫害检测算法在实际应用中面临的难题,并提出了相应的解决方案和研究思路。最后,对基于深度学习的农作物病虫害检测技术的未来趋势进行了分析和展望。     

基于机器视觉的母猪分娩检测方法研究

检测母猪分娩需对分娩限位栏内的仔猪进行目标识别,分析了母猪分娩视频图像特征,提出首先利用半圆匹配算法进行母猪目标分割,排除母猪运动干扰,基于改进的单高斯模型的背景减除法进行运动目标检测,根据运动区域的颜色和面积特征,对仔猪进行目标识别。试验表明:基于半圆匹配算法的母猪目标识别方法能够有效分割出母猪目标,基于改进单高斯模型的运动目标检测方法,对面积较大、运动缓慢的仔猪目标检测较为完整,适用于母猪分娩检测场景。     

喷雾模型的发展及其在内燃机CFD中的应用

喷雾模型是内燃机CFD软件中重要的组成部分,而喷雾模型是由多种子模型组成的。正确设定喷嘴出口的边界条件和选择恰当的喷雾子模型成为成功分析和优化柴油机和汽油机高压喷雾的先决条件。本文主要讨论了喷嘴流动模型、液膜雾化模型和喷雾碰壁模型在CFD软件中的应用现状。     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

陕西关中冬油菜生长发育不同模型模拟精度研究

在陕西关中地区进行了连续6年(2009年9月—2015年5月)的冬油菜非充分灌溉试验,利用STICS、DSSAT和APSIM 3种不同模型对冬油菜物候期和产量等进行模拟,比较了3种不同模型的模拟精度。结果表明,3种模型中STICS模拟精度最高,平均RARE为3. 24%,APSIM模型次之,平均RARE为8. 79%,DSSAT模型最差,平均RARE为11. 38%。其中STICS模型对物候期和产量的模拟精度均为最高,DSSAT模型对物候期的模拟精度高于APSIM模型,而APSIM模型对产量相关指标的模拟精度高于DSSAT模型。由于2012—2013年生育期内降水量较低,3种模型的模拟精度均较低,说明3个模型对干旱胁迫条件下的作物生长模拟均存在一定不足。综合比较,STICS模型的模拟精度高于DSSAT和APSIM模型,因此推荐STICS模型为关中地区冬油菜生长发育和产量形成模拟的适宜模型。     

农业模型发展分析及应用案例

农业模型、农业人工智能及数据分析等技术贯穿于智慧农业的信息感知、信息传输、信息处理与控制全过程，是智慧农业的核心技术。为进一步明晰农业模型的内涵和作用，促进农业模型进一步研究及应用，推动智慧农业健康、稳定和可持续发展，本研究采用系统分析、比较及关系框图等方法，分析了农业模型的内涵，阐述了农业模型和智慧农业要素与过程的关系，明确了农业模型的作用并附以应用案例，比较了农业模型的国内外重要发展动态与趋势。国内外农业模型研究与应用重要进展比较表明，农业模型研究应用需要考虑农业生物要素的4个水平、农业环境要素的6个尺度、农业技术与农业经济要素的6个层次并采用相应方法进行，农业模型环境要素空间多尺度研究应用有较大发展潜力；农业模型与分子遗传学、感知技术及人工智能技术结合，农业模型研究应用的公私有组织协作，粮食安全挑战将成为农业模型进一步发展的重要推动力，且需更注重将各种农业系统模拟、数据库、和谐性与开放数据及决策支持系统相连接。中国农业模型研究与应用已形成具有中国特色的作物模型系列，也融入农业模型的互比较与改进、智慧农业等世界潮流，需要抢抓机遇，加快发展。农业模型是农业系统要素内及要素间关系的定量化表达，是农业科学定量与综合的重要方法，具有认识论价值，它与感知技术的结合可以在智慧农业数据获取与处理中发挥不可或缺的作用，成为信息农业技术落地应用的重要桥梁和纽带。     

Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析

在生态脆弱的陕北黄土丘陵区,林地耗水是生态学者长期关注的热点问题,准确测算植物耗水量是环境水分研究的关键。根据陕北山地枣林的立地条件和蒸散过程特点,结合2012年的实测资料,确定了相关模型参数,实现了Shuttleworth-Wallace(SW)和Penman-Monteith(PM)模型对枣林蒸散量的模拟,并利用2013年茎流计监测的蒸腾量和水量平衡原理推求的蒸散量,对这2个模型进行了比较和检验。结果表明:就整个枣树生育期10 d尺度蒸散量而言,SW模型模拟精度优于PM模型。此外,2模型精度随枣树生育期变化而变化,且萌芽展叶期精度均最低。SW模型日蒸腾量模拟精度满足要求,但易受到天气状况影响,晴天模型精度优于雨天。SW模型精度在陕北山地枣林里得到验证,是半干旱区山地枣林耗水规律研究的有效工具。     

基于格子玻尔兹曼法的TOPMODEL建模与应用

依据Freeze和Harlan的水文模型蓝图思想改进TOPMODEL,在模型构建过程中利用格子玻尔兹曼法(LBM)建立汇流过程的数值模型,采用达西公式数值模型求解饱和区土壤水运动方程,运用LBM法五速模型求解非饱和区理查兹运动方程,进而构建基于栅格的分布式LBMGTOPMODEL。模型的产流方法融合了蓄满产流理论和超渗产流理论,考虑了土壤水分剖面、土壤各向异性和地形坡度等对流域产流的影响;模型的汇流方法利用地貌水文学理论,寻求水文过程与流域地形地貌的相互作用及定量关系,此模型在汇流过程中将地貌因素与水动力扩散相结合以描述坡面水流运动,解决了坡面水流的流量分配问题。以中汤流域为对象进行水文模拟应用研究,验证得到确定性系数在0.547~0.883之间,平均值为0.725,结果良好,说明模型较为可靠。     

作物水分与产量关系的综合模型

对描述作物耗水量与产量关系的二次函数关系模型和詹森模型 ,通过水量的当量变换 ,把描述同一生产过程的二个模型统一到一个模型内 ,这个模型具有二者的优点。该模型可以把对水量的优化转化为对土壤含水率的优化 ,而土壤含水率是一个可以随时监测和控制的因素 ,所以在应用上具有现实指导意义。     

三种作物水分生产函数模型的适用性比较

通过幂级数展开等代数变换发现,3种作物水分生产函数Jensen模型、Rao模型和Stewart模型可以近似相互转化,其各自水分敏感指数近似等价。通过在各阶段均匀受旱的特殊情况下对模型模拟的相对产量随相对蒸散发量变化过程的对比,从理论上分析了3个模型的适用性。研究发现,当作物受旱较轻微时,Rao模型和Stewart模型与Jensen模型统一具有较好模拟效果,但是当作物受旱较严重时,Rao模型和Stewart模型的模拟效果不好。通过不同气候区域不同作物田间试验的数据进行了验证计算,由于水分亏缺不十分严重,参数优化后3个模型都具有较好模拟效果,而Jensen模型模拟效果更好一些,优化得到的3种模型水分敏感指数近似相同,而采用Jensen模型水分敏感指数后,Rao模型和Stewart模型的模拟效果稍有降低。     

物理模型构建在教学中的重要性探讨

物理是研究自然界物质的基本结构、基本运动形式及相互规律的学科.现在物理试题已结合生产实践活动,学生在解决这类题目时需要把一个复杂的实际问题转化为物理过程,即物理模型的构建.物理模型能使复杂问题得到简化处理,还可利用模型训练学生发散的逻辑思维、帮助学生建立正确的求解思路. 可见,教学过程中物理模型构建的重要性.     

Field installation of a model for transient simulation of canal flow

A computerized hydraulic model developed at Utah State University was installed at a large-scale irrigation project in Northeast Thailand with the objective of improving water management in the supply and distribution system. The model was calibrated for measured field conditions by determining discharge coefficients for flow control structures, measuring seepage loss rates, and calculating hydraulic roughness coefficients. The logistical and technical problems associated with the model installation, and the respective solutions, are presented in this paper.