枝条遮挡下单个苹果目标识别与重建的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的Kmeans聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的Kmeans聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40 s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

枝条遮挡下单个苹果目标识别与重建方法的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的K-means聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的K-means聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

基于深度学习的苹果树侧视图果实识别

【目的】传统果树侧面果实识别方法精度难以满足实际果实识别的需求,研究深度学习方法对提高苹果树侧面果实识别精度、增强模型对苹果复杂生长环境的适应性和泛化性具有重要意义。【方法】文章提出基于深度卷积神经网络对广域复杂背景环境下的侧面苹果特征进行学习的方法,完成苹果树侧面果实多目标识别任务。【结果】在广域复杂场景下,基于VGG16为特征提取网络的Faster-RCNN多目标检测模型在果实多目标检测任务中,识别精度达到91%,单幅影像识别时间约为1.4 s,相较于ResNet50作为特征提取层的目标检测模型识别精度提高4%;在相同影像数据下,模型识别精度的主要影响因素是遮挡,导致模型漏判果实数量较多,VGG16在不同程度遮挡区域的漏判率比ResNet低6%。【结论】基于VGG16卷积神经网络果树侧视图果实识别算法对广域复杂场景下的果实提取效果较好,特别是在具有遮挡情况下的识别结果更优,能够为果园产量估算提供一定的借鉴。     

小波变换在脐橙维生素C含量近红外光谱预测中的应用

 【目的】探索快速检测柑橘Vc含量的方法。【方法】利用不同分解水平的Daubechies3小波变换，对100个脐橙整果样品的近红外光谱信号进行了消噪处理，并利用消噪后的重构光谱对脐橙Vc含量进行了偏最小二乘法交叉验证。【结果】小波分解尺度水平不同，偏最小二乘法交叉验证效果各不相同，在分解水平为4时效果最好，其预测值与标准值的相关系数R达到0.9574，交叉验证预测均方差RMSECV仅为3.9 mg/100g。比较了11种光谱预处理方法，其中，小波消噪后的偏最小二乘法交叉验证模型预测效果最好，预测值与真值的相关系性最好。【结论】小波消噪后建立的近红外光谱模型能准确地对脐橙Vc含量进行无损快速的定量分析。     

基于边缘设备的轻量化小目标果实检测模型

【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型,设计并实现一种轻量化小目标果实检测模型RegNet-Yolov3,能够在边缘设备上实时运行并实现高精度果实检测。【方法】该模型通过构建轻量化特征提取网络,有效降低模型参数计算量,满足在边缘设备上实时运行要求;并针对柑橘果实小尺度特点,通过添加浅层网络检测分支优化模型小目标检测性能,提升检测精度。【结果】将模型部署在边缘设备Jetson TX2 nano上进行测试,模型m AP值和网络推理速度分别为96.0%和122 ms,均优于原先Yolov3网络测试结果。【结论】实验结果表明,该研究模型能够实现在保持较高检测精度下,在边缘设备Jetson TX2 nano上实时运行,满足果园作业平台果实检测工作。     

1种螺旋榨油机榨膛内表面温度预估方法

【目的】预估榨油机榨膛内表面的温度.【方法】运用有限元分析技术对榨油机榨膛结构进行了热学分析;通过构造榨膛外表面温度分布的目标函数,提出了1种根据榨膛外表面温度反求榨膛内表面温度的计算方法.【结果和结论】算例验证了该预估方法的有效性.此方法可为榨油机榨膛结构的研发提供理论依据,为高性能榨油机设计提供参考.     

HEC-RAS模型在汉江上游洪水演进和流量重建中的应用

【目的】研究HEC-RAS模型在汉江上游洪水演进和流量重建中的应用效果。【方法】通过对汉江上游安康至白河段的实地考察,基于数字流域平台及HEC-RAS模型对2010年"7·18"、2011年"9·19"2场洪水进行了演进模拟,并结合ArcGIS重现了2场洪水的淹没范围和水深。运用HEC-RAS模型对考察发现的5次洪痕进行洪峰流量的重建,与利用比降面积法的重建结果进行比对,并利用实测数据对重建结果进行了验证。【结果】模型的率定、2场洪水水位与流量等指标的模拟系列和实测系列的纳什效率系数(NSE)及确定性系数(R2)均大于0.91;此外,基于HEC-RAS模型重现的淹没区域与实地调查所得结果吻合度较好,且根据洪痕重建的洪峰流量误差为0.12%~2.88%,重建精度较高,优于比降面积法。【结论】HEC-RAS模型可用于汉江上游洪水的演进模拟和洪峰流量的重建,可视化的淹没范围、水深等成果可为安康市洪灾风险评价提供基础数据。     

基于激光点云数据的复杂植物叶片重建方法

植物叶片是植物最重要的器官之一,重建高精度的复杂叶片模型对于后续研究具有重要意义。但由于现实中复杂叶片的点云数据存在噪声、孔洞等问题,所以不易重建出高精度的叶片模型。基于激光点云数据的复杂植物叶片重建方法,该方法首先对原始点云数据进行去噪处理,然后采用三角剖分方法生成网格,再对网格进行优化处理,最后对存在孔洞的地方进行修补。结果表明,本方法能够根据激光点云数据快速重建出复杂植物叶片的高精度模型。     

苹果品质评价模型的建立与验证

【目的】建立苹果品质的评价模型,为苹果新品种的引进和筛选提供评价依据.【方法】对甘肃庆阳地区果园栽植的23个着色苹果品种的果实品质指标进行了测定,测定指标有果皮着色指数、可溶性固形物、糖酸比、可滴定酸、花青素、果实硬度、单果质量、维生素C、果形指数.采用层次分析法建立苹果品质的数学评价模型,并结合感官评价进行验证分析.【结果】层次分析法构建的苹果品质评价模型为:Y(综合得分)=0.244 7×果皮着色指数+0.207 5×可溶性固形物+0.172 0×糖酸比+0.102 5×可滴定酸+0.102 5×花青素+0.067 6×果实硬度+0.044 2×单果质量+0.029 4×维生素C+0.029 4×果形指数.【结论】综合评价模型的果实品质得分与感官评审结果有较高的拟合度,证明本模型进行苹果品质评价是可行的.     

基于计算机视觉的水稻三维重建方法

利用多幅多角度的拍摄方法对二维图像进行采集,通过数字化处理得到单株水稻各视角侧面投影及轮廓图像。然后使用基于计算机视觉的三维重建方法,构造单株水稻的可视立体包络,从而得到单株水稻的三维立体像素模型。使用移动立方体算法对单株水稻立体像素模型进行外围表面重建,最后得到单株水稻三维重建模型。     

基于SFS的土壤三维结构恢复及孔隙度计算

【目的】为了快速、准确地计算土体结构和孔隙度等特征,提出一种基于SFS算法（shape from shading）的土壤三维结构重构方法。【方法】首先获取土壤的灰度显微图像,根据朗伯表面漫反射模型建立土壤的光照方程;然后利用泰勒展开法和雅克比迭代法求解光照方程,计算出像素点高度值并实现土壤的三维重建;最后根据正态分布校正高度值计算土壤孔隙度。【结果】实验结果证明,该方法计算得出的孔隙度与环刀烘干法测得的结果相差0.81%,误差率1.75%。【结论】利用显微图像中土壤结构的三维信息,可以客观准确地计算出土壤孔隙度等物理特征。     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

黄土坡耕地地表糙度的空间异质性研究

【目的】探讨微尺度下（2 cm×2 cm）地表糙度在侵蚀过程中的空间异质性规律,为进一步理解和定量化描述地表糙度与土壤侵蚀的相互耦合关系奠定基础,并为黄土高原坡耕地水土流失的治理提供一定的理论依据。【方法】以黄土高原不同耕作措施条件下（4种常见的农业耕作措施：人工锄耕、人工掏挖、等高耕作、直线坡（对照）的坡耕地为研究对象,通过室内人工模拟降雨实验,利用激光扫描仪获取地表糙度数据,运用地统计学和分形维数方法对地表糙度的空间分布特征及变异性进行研究。【结果】基本统计特征分析表明,黄土坡耕地地表糙度在整体上的分布较均匀,具有较弱的空间变异特征。半方差函数分析表明,黄土坡耕地地表糙度均表现出中等以上的空间自相关性,其空间自相关尺度范围为2.02-3.82 m。由空间结构特征引起的异质性占总异质性的比例较大。分形维数分析表明,黄土坡耕地地表糙度具有良好的分形性质,其分形维数介于1.59和1.91之间;随坡度的增大,各坡面地表糙度的空间分布趋向复杂,空间异质性增强;人工锄耕、人工掏挖、等高耕作坡面的空间异质性在小尺度范围内依次增强,具有良好的水土保持作用。【结论】造成地表糙度空间异质性差异的主要原因是由人为耕作和坡度所形成的空间结构特征。地表糙度的空间配置格局在小尺度范围上由人为耕作和坡度、在大尺度范围上由降雨及其侵蚀过程所控制。该研究结果可为进一步理解地表糙度与侵蚀的相互耦合关系奠定基础,并为黄土坡耕地的水土流失防治提供一定的科学依据。     

基于数字图像的棉田复杂背景下棉蚜统计方法

【目的】实现棉田复杂背景下棉蚜快速准确计数,提出一种先彩色分割,后自适应构元素及阈值的棉蚜计数方法。【方法】该方法基于大量棉蚜图像RGB数据进行K-means聚类建模,利用结构元素完成腐蚀去噪,针对黏连区域像素个数进行求模运算。【结果】根据图像颜色特征将噪音分为13类,蚜虫分为7类,得到其RGB值后再次分类,并分析数据建立模型实现蚜虫和噪音的彩色分割;根据统计学原理建立结构元素,对不同噪音的图像自动选择最优结构元素进行腐蚀去噪;计算黏连区域像素个数与单头蚜虫期望大小像素个数的模,实现黏连区域蚜虫计数。【结论】基于结构元素的棉蚜计数方法能有效的对棉田复杂背景下棉蚜快速准确计数,计数平均准确率为86.47%,在图像处理过程中极大降低了算法对阈值的依赖性,有效地解决了棉蚜图像黏连分割的问题,完成基于数字图像的复杂背景下棉蚜计数。     

烟草地上部植株三维重构与可视化

【目的】实现烟草的数字化与可视化。【方法】本文采用模板技术对烟草植株进行三维重构,首先通过三维数字化仪对烟草器官进行测量和形态特征提取,然后基于形态结构特征分别建立了烟草叶片、花朵、果实和茎节等器官的参数化几何模型,保存为模板文件,最后调用相应的模板文件,结合图形变换方法拼接成完整植株几何模型。【结果】利用本文方法可方便构造烟草各主要时期的三维模型。【结论】所建立的烟草植株几何模型具有较高的真实感,为其三维形态交互设计和可视化模拟提供了技术支撑。     

基于遗传标记的亲缘关系估测方法的建立

 【目的】利用分子标记重构动物之间的亲缘关系。【方法】利用分子标记的同源相同特性,通过对一个随机交配的大群体中任意两个个体在某个标记位点4个等位基因的比较,建立估测群体中任意两个个体之间的亲缘关系的方法（记为Liu模型）。【结果】用蒙特卡罗模拟法（Monte Carlo Simulation）随机模拟4种特殊亲缘关系的群体对Liu模型进行了研究,在4种特定的亲缘关系下,与其它几种模型相比较,Liu模型对个体之间亲缘关系的估测最接近模拟群体的真实值,且估测结果稳定。【结论】建立了估测两个个体之间亲缘关系的Liu模型,通过比较分析证明了Liu模型是目前估测效果最好的模型。     

农产品监测预警模型集群构建理论方法与应用

【目的】农产品供给与需求的准确分析测定,是农业监测预警能力提升的重要表现。构建产品多品种多环节模型集群理论方法,可高效解决单一环节或单一模型难以解决的分析技术难题。【方法】在农产品供需的重要要素即生产量、消费量、贸易量、价格等分析预测过程中,针对农产品品种间关联性强,自然、社会、经济诸多影响因素纠缠,模型多变量强耦合、非线性、参数时变的特点,提出多品种农产品“因素分类解耦、参数转用适配”方法,以构建多时空维度的监测预警模型集群。【结果】利用“因素分类解耦、参数转用适配”技术方法,研究构建了不同农产品的生产类、消费类、贸易类、价格类的模型集群。这些模型集群可用于对不同时空维度的水稻、玉米、小麦、肉类等主要农产品供需的长中短期的分析预测,支撑形成了农业展望中的主要农产品平衡表,其中主要农产品全国年度生产量6年平均预测精度高于97%。【结论】研究提出的农产品监测预警模型集群构建理论及其方法,有效提升了农产品多品种模型集群的求解效率和准确率,增强了农产品供需分析预测的系统性与智能性,为系统揭示农产品复杂的时空供需变化特征、促进农产品市场调控科学性和可预见性,提供了新技术方法。     

改进区域增长算法的植株多视图几何重建

【目的】通过研究3种不同复杂程度植株冠层的三维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过三维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和三维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,三维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数（R ²）均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数（R ²）均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。 【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株三维重建,为育种研究获取植株表型提供一定的参考。     

基于个体优势遗传算法的水稻生育期模型参数优化

【目的】快速并准确估算作物生育期模型参数。【方法】本文提出了一种新的改进型遗传算法——个体优势遗传算法（individual advantages genetic algorithm,IAGA）,并应用于水稻生育期模型参数估算。在遗传算法的基础上引入个体优势算子,并改进了变异算子及种群更新策略。以完全嵌入方式耦合RiceGrow和ORYZA2000水稻生育期模型,实现了模型参数的自动率定。利用汕优63等5个水稻品种在徐州、高要等地的多年田间试验资料,对IAGA算法的有效性进行对比试验。【结果】（1）试验验证结果的RMSE<3.05 d,NRMSE<3.19%,MDA<2.41 d,R2>0.9885,表明利用IAGA获得的模型参数准确性较高。（2）调参的实测数据量大小对调参结果影响不大。由3年数据增加到6年数据,试验拟合结果最大NRMSE值由2.58%增大到3.08%,增加了0.5%。选择隔年并包含全生育期天数最大值与最小值的调参数据,可以获得较准确的模型参数值。（3）IAGA与复合形混合演化算法、遗传模拟退火算法以及标准粒子群算法相比,可获得更准确的模型参数值。【结论】IAGA算法可以实现水稻生育期模型参数的自动率定,为作物生长模型参数的快速准确估算提供了一种有效新方法。     

台湾桤木林草复合生态系统土壤碳氮特征

【目的】了解不同台湾桤木林草复合生态系统土壤碳氮特征,探讨林草复合模式对土壤碳氮库的影响。【方法】以四川省丹棱县退耕还林地台湾桤木+扁穗牛鞭草(Hemarthria compressa)、台湾桤木+黑麦草(Lolium mul-tiflorum)和台湾桤木+自然草(林下自然生长的杂草)3种模式为研究对象,采用土钻法分土层采集各模式下土样,研究其土壤有机碳和全氮特征。【结果】不同林草模式对土壤有机碳和全氮的影响程度并不一致。3种模式土壤有机碳和全氮含量表明:台湾桤木+牛鞭草>台湾桤木+黑麦草>台湾桤木+自然草,全氮含量差异显著(P<0.05)。各模式有机碳和全氮含量均随土层增加而显著降低(P<0.05)。3种模式土壤剖面平均C/N表现出:台湾桤木+牛鞭草>台湾桤木+自然草>台湾桤木+黑麦草,各模式间C/N差异显著(P<0.05)。【结论】林草复合模式能较好地改善土壤肥力,这为区域退耕还林林草模式水肥管理提供了理论依据。