基于分形维数的垩白米图像检测方法

提出了一种基于分形维数的垩白米检测算法，并与基于垩白大小的检测算法进行了试验对比分析。分形维数包含了大米垩白区域的累计和空间分布特征，更能客观反映垩白区域的信息。试验结果表明，该算法的识别正确率为95.1％，可以有效识别垩白米，而且识别效果好于基于垩白大小的检测算法。     

基于机器视觉的石榴品质自动分级方法

采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题，提出一种基于机器视觉的石榴品质分级方法。首先，采用机器视觉系统采集石榴样本图像，进行去噪处理与获取掩模图像；其次，提取去噪图像的红、绿、蓝分量，用蓝色分量减去红、绿色分量得到色差图像，并对色差图像进行阈值分割；然后，对分割图像采用数学形态学处理获得连通的疑似缺陷区域的边界，提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域；最后，将缺陷面积与总面积之比和缺陷数目作为划分等级的依据，对石榴品质等级进行划分。试验结果表明：本方法总体分级准确率达到92.9%，能够高效、准确地识别石榴表面缺陷并进行品质分级，为实现自动分级的产业化提供思路。     

膜下滴灌旱种下寒地水稻诸品质性状间的相互关系研究

以94份寒地早粳稻为材料,采用随机区组试验设计,研究膜下滴灌旱种下寒地水稻品质诸性状间的相互关系。主要研究结果如下:膜下滴灌旱种下精米粒宽较大、精米长宽比较小、精米垩白粒率较低、精米垩白度比较小、精米白度较低的水稻种质具有相对较高的整精米率;精米白度对膜下滴灌旱种反应较敏感的材料,一般其整精米率对膜下滴灌旱种的反应较迟钝。膜下滴灌旱种下精米垩白率和精米垩白度较高的水稻种质具有相对较低的直链淀粉含量;精米粒宽、精米粒宽、精米垩白粒率、精米垩白度对膜下滴灌旱种反应较敏感的材料,一般其直链淀粉含量对膜下滴灌旱种的反应较迟钝;精米粒宽和直链淀粉含量对膜下滴灌旱种反应敏感的材料,其直链淀粉含量较低、精米粒宽较小。膜下滴灌旱种下精米率较高、精米粒宽较大、精米长宽比较低、蛋白质含量较低、粗脂肪含量较低的水稻种质具有相对较高的米饭食味评分值;精米粒长和精米白度对膜下滴灌旱种反应较敏感的材料、粗脂肪含量和蛋白质含量对膜下滴灌旱种反应较迟钝的材料,一般其米饭食味对膜下滴灌旱种的反应较敏感。     

基于计算机视觉的鸡蛋裂纹检测方法研究

为了提高鸡蛋壳裂纹检测的准确性和效率,综合应用了计算机视觉技术,实现对鸡蛋表面裂纹的检测。在利用计算机视觉系统获取鸡蛋表面图像后,采用同态滤波、BET算法、fisher等改进型图像处理技术,提取裂纹特征并判决。试验结果表明,模型对裂纹鸡蛋的识别准确率达到了98%。     

家蚕微粒子病的图像识别技术研究

用计算机图像识别技术来检测微粒子病，以替代人工镜检，对拍摄的原始图像用直方图均衡化法进行对比度增强的处理，用快速二维Ostu阈值化法进行二值化，实现了微粒子与背景的分离，用形态筛选法去掉了大量噪声及小杂质，实现了微粒子与杂质的初步分离，提取了周长，面积，圆度，凹度，内角极值，形状规则度6个特征，对微粒子进行分层识别，对43幅含微粒子的图像进行识别试验，识别完全正确率为72．09％，识别有效率为86．05％，漏判率为13．95％。     

基于颜色特征的稻种霉变检测算法

根据机器视觉检测杂交水稻种子质量的要求，对单粒、静态稻种图像进行霉变分析识别。比较了提取颜色特征的3种方法，研究了基于颜色特征的稻种霉变检测算法，经试验验证，该算法对正常稻种、轻度霉变稻种、严重霉变稻种的检测准确率分别为92％、95％、83％。     

基于机器视觉技术检测裂纹玉米种子

种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。     

基于残差网络和图像处理的干制哈密大枣外部品质检测

针对目前红枣分级装置检测指标单一,难以实现外部品质综合判别的问题,设计了一款基于残差网络结合图像处理的干制哈密大枣外部品质检测系统。首先,通过深度学习图像分类实现裂纹、鸟啄和霉变缺陷检测,为克服当前残差网络计算量大、复杂度高以及信息丢失的问题,提出了一种改进深度残差网络图像分类方法;其次,根据尺寸与纹理数量的等级差异性,提出了一种阈值检测方法,通过提取干制哈密大枣图像面积、周长、拟合圆半径及纹理数量特征,实现尺寸及褶皱检测。试验结果表明缺陷识别模型和尺寸、褶皱检测模型测试准确率分别达到97.25%、93.75%和93.75%。综合缺陷、尺寸和褶皱3种外部品质指标,通过在线采集图像验证系统测试,外部品质综合检测准确率为93.13%,可初步满足干制哈密大枣品质在线检测装备的生产需求。     

基于机器视觉的半干枣病害和裂纹识别研究

研究提出了一种基于机器视觉的病害和裂纹的识别方法。在H分量图中,依据半干枣在病害和非病害区域色调值差异提取病害区域,以提取的病害区域与枣表面积的比作为阈值确定较高的病害面积识别精度,可正确识别的感兴趣病害面积为16.87mm2,占枣投影面积的3.3%。为进一步提高在该病害面积识别精度的正确率,依据已确定的病害面积比阈值,将病害面积比值二值化,结合红枣区域颜色特征值H的均值和均方差,用SVM方法建立枣病害的识别模型,训练集和测试集的识别正确率分别为9 5.7 7%和9 5.7 9%。在I分量图中,对红枣区域进行Otsu’s阈值分割、图像局部属性统计和形态学处理,提取裂纹二值图像,依据裂纹图像不变距方法建立裂纹识别模型,训练集和测试集的识别正确率分别为94.90%和94.55%。     

基于计算机视觉的水稻杂株识别

针对水稻的杂株识别,设计了一种基于计算机视觉的水稻杂株识别系统。系统主要由图像获取系统、特征提取系统和模式识别方法系统组成,可利用颜色特征识别图像中的杂株,并对图像进行阈值分割获取二值图像,提取形状特征和纹理特征,通过DS融合理论程序实现水稻杂株的识别。试验结果表明:系统可以准确识别水稻杂株类型,准确率达到了92%以上,能够满足农业人员对水稻杂株识别系统的要求。     

稻米粒群特征参数的提取

稻米籽粒外形特征参数提取对于分析籽粒的力学性质及稻米品质分类非常重要.物料的外形尺寸较小,若要逐一进行籽粒特征参数的提取,势必是一个庞大的工程.为此,研制了图像采集装置,利用计算机视觉技术得到图像信息,获得稻米粒群图像.通过对图像进行分析,将粒群图像中的多个籽粒分离为单个籽粒,并研究了稻米籽粒群特征参数的提取方法.     

连接大米籽粒图像的自动分割算法研究

分析了单个大米籽粒和连接大米籽粒的轮廓特征,提出了一种基于曲率的分割算法。该算法能够有效地反映边界点尖锐程度的曲率及其方向,根据曲率大小和曲率方向能准确判别图像中大米籽粒是否接触并快速找到分割点。用最短距离配对法对3种接触的大米籽粒进行分割。算法对判别籽粒是否接触的准确率达99%以上,对接触籽粒的准确分割率达95%以上。     

基于玻璃化转变的稻谷变温热风干燥工艺研究

为保证稻谷干燥后品质、提高干燥效率,基于不同含水率稻谷的玻璃化转变温度,提出变温热风干燥工艺。采用三因素五水平中心组合试验方法,以稻谷温度、初始含水率和热风风速为影响因素,以稻谷爆腰指数、整精米率和干燥时间为评价指标,研究稻谷玻璃化转变温度、恒温和变温干燥特性,模拟解析稻谷干燥过程中传热传质规律,以5、10、15℃的变温幅度进行变温干燥试验。结果表明,稻谷玻璃化转变温度与其含水率呈负相关,恒温干燥最佳工艺参数为稻谷温度47℃、初始含水率22.0%、热风风速0.50 m/s,干燥后稻谷爆腰指数70、整精米率57.67%、干燥时间195 min;与恒温干燥相比,以5℃和10℃为变温幅度的变温干燥工艺,干燥后稻谷爆腰指数分别降低了20和10,整精米率提高12.6、7.7个百分点,干燥时间缩短30 min和60 min。研究表明,基于玻璃化转变的稻谷变温热风干燥工艺明显改善了稻谷干燥后品质,提高了干燥效率。     

基于注意力机制与EfficientNet的轻量化水稻病害识别方法

为实现水稻病害图像的快速、准确识别,提出一种基于注意力机制与EfficientNet的轻量化水稻病害识别方法。该方法首先引入轻量级卷积注意力模块(Convolutional Block Attention Module,CBAM)改进Efficientnet-B0中的主体模块轻量翻转瓶颈卷积核(Mobile Inverted Bottleneck Convolution,MBConv),然后利用Ghost模块优化网络中的卷积层,降低网络的参数量和计算量,最后使用Adam优化算法提高网络的收敛速度。在由572幅水稻白叶枯病、稻粒黑粉病、稻曲病、稻胡麻斑病和健康叶片5类水稻图像构成的测试集上,本文所提方法的识别准确率为95.63%,较EfficientNet-B0提高1.75%;分别比同类经典神经网络VGG16、Inception-V3、ResNet101和DenseNet201提高8.39%、4.72%、3.67%和1.05%。本文所提方法模型参数量为4.4 M,较EfficientNet-B0减少2.8 M;相比于对照网络,其参数量仅是这些网络模型参数量的9.05%、18.37%、9.81%和21.64%。试验结果表明：本文所提方法能够实现对不同水稻病害图像的准确、快速识别,而且识别模型轻量,具有较少的网络参数量。     

稻谷低温真空干燥的发展前景

高水分的稻谷必须立即干燥以防变质.稻谷的淀粉含量较高,在干燥过程中若干燥参数选择不当,易产生爆腰、整米率低和米品质食味下降等不利现象,因此需采用适宜的低温干燥工艺进行烘干.基于上述原因,分析了稻谷干燥的必要性及目前稻谷干燥的方法和特点,论述了国内外稻谷干燥的研究进展,比较了稻谷低温真空干燥与热风干燥的不同点,指出了低温真空干燥的发展优势.     

特低扬程大流量贯流泵站水泵选型

针对特低扬程大流量水泵的选型问题,以某设计净扬程仅0.32 m的贯流泵站为例,进行水泵性能预测.利用现有水力模型的泵段特性曲线及装置特性曲线进行相似换算,并对计算结果进行比较.通过进一步的数学推演,提出了采用水泵泵段特性参数推算泵装置效率指标的方法,并结合数值模拟及装置模型试验进行验证.结果表明,对于运行净扬程 1 m...     

稻谷吸湿过程中内部应力峰值分析

使用空间轴对称有限元方法,将稻谷颗粒视为由３种材料组成的３层旋转椭球体,在不同初始湿度Ｍ０、温度Ｔ和相对湿度ＲＨ条件下,对内部的湿度Ｍ、温度Ｔ进行了数值模拟,应用所得结果对吸湿应力场进行了数值计算,分析了胚乳中截面的应力分布随时间的变化。计算结果表明,接伸应力峰值出现在谷粒中心,垂直于中截面,由于此峰值应力对裂纹的产生有直接的影响。西方着重研究了Ｍ０、ＲＨ和颗粒吸湿量对中心轴向应力峰值及其出现时间     

稻谷含水率分布及变化规律

利用计算机和单粒水分测定装置，测定稻谷干燥、缓苏、混合过程中稻谷的含水率分布，研究了稻谷与稻谷、稻谷与介质之间的水分交换机理和宏观运动规律。结果表明，在干燥初始阶段，如果谷层较厚或风量较小，高湿稻谷含水率偏差可能会随着干燥过程的进行而有增大的趋势，但最终的稻谷含水率趋向一致，加大风量可以提高干燥的均匀性；干湿稻谷混合后，稻谷含水率偏差随着混合时间的增加，按指数规律减小，稻谷的平均含水率越低，混合后的含水率偏差就越小。     

计算机视觉在大米胚芽识别中的应用

提出了有计算机视觉系统代替人眼对大米胚芽进行自动识别的方法。通过对胚芽米的颜色特性和彩色图像的分析研究,首次提出以饱和度Ｓ作为特征参数进行胚芽和胚乳的识别,从而实现了对大米留胚率的自动检测。以建立和识别指标和方法用计算机视觉系统进行胚芽识别,结果与人工检测吻合率达８８％以上。留胚率的自动检测结果与人工检测结果高度吻合。