正态分布下最小错误率的变量喷施贝叶斯决策

传统农田除草采用田间统一定量均匀喷洒,导致了除草剂浪费和环境污染问题。智能变量喷施能够保护环境和提高作物产量,是促进农业可持续发展战略的重要途径。为此,对经典的杂草监测参数进行改进并提出了正态分布下最小错误率的贝叶斯决策以实现精确变量喷施。首先对农田图像进行灰度化、二值化及去噪等预处理;然后依据作物行中心线对农田图像进行网格单元的划分,并在网格单元格内提取改进的杂草监测参数;最后将贝叶斯决策分为两个阶段:线下阶段利用改进的杂草监测参数数据库计算正态分布参数,线上阶段根据改进的杂草监测参数实现正态分布下最小错误率的贝叶斯决策,从而为变量喷施提供决策依据。实验结果表明:正态分布下最小错误率的贝叶斯决策正确率可达92%,与BP算法和SVM算法相比决策正确率相对较高。     

基于全卷积神经网络的植物叶片自动分割及表型解析

为提高植物叶片图像中形态参数提取的效率和准确率,以全卷积神经网络为基础,对模型构架和关键函数进行优化,通过有监督的学习方法实现植物叶片图像分割效果。模型在测试集上的平均召回率r为0.95,MIoU为0.94。在分割结果中提取植物叶片的形态学参数与人工提取结果高度相关,r~2>0.96。该研究实现了植物叶片图像高通量地分割,并且在分割结果中提取的植物叶片形态参数可以用于作物长势监测等相关研究。     

基于计算机视觉的棉花生长监测自主导航车辆研究

为了克服农作物生长大面积遥感监测精度较低的缺陷,实现作物生长态势的自动化监测,提出了一种基于计算机视觉的自主导航作物生长监测车辆,从而有效地提高了作物生长监测的精度和自动化程度。该型自动化车辆通过导航标定线在田间对作物的生长状况进行实时跟踪监测,采用CCD数字摄像头对作物的生长状况进行图像采集,使用PC机对图像进行处理,并将图像利用通信技术传输到远程监控端,并根据图像特征数据建立了作物长势的监测和预测模型。为了验证其可行性,对作物的长势进行了实地测试,通过对叶面指数和作物生物量预测模型的测试表明:数据模型的实测值和理论值基本吻合,利用该方法可以建立多种作物的长势监测和预测模型,具有推广价值。     

基于机器视觉的棉花氮素营养诊断系统设计与试验

采用数码相机和CCD数字摄像头为图像监测设备,融合机器视觉技术,集成数字图像处理技术、农业物联网技术、Web远程控制技术、信息传输服务技术和数据库管理技术等构建了远程服务系统平台。通过2年试验对棉花的生长状况进行实时跟踪监测,获取其冠层图像,运用数字图像处理技术对棉花群体冠层图像进行分割,筛选棉花长势监测与氮素营养诊断反应敏感的特征颜色参数覆盖度,构建了覆盖度与棉花地上部总含氮量间的关系模型。研究结果表明,覆盖度与棉花地上部总含氮量间指数函数模型相关性最高,其决定系数为0.978,根均方差为1.479 g/m~2。依据棉花覆盖度与氮素营养诊断的最佳模型,搭建了棉花长势长相监测中心(田间监测)、网络信息服务控制中心(服务器)、图像分析与数据处理中心、决策诊断与评价中心以及用户浏览中心,形成一个大型环式"一网三层五中心"棉花监测管理诊断体系,初步实现对棉花生长信息和氮素营养状况快速准确的监测与诊断。     

基于计算机视觉的芋头病害监测与识别

为深入及时掌握芋头病害的信息与生长动态,基于计算机视觉中的图像识别与特征提取技术,对芋头常见病害进行监测与识别研究。在全面理解芋头病害监测的内部波段划分与识别方法匹配基础上,融合计算机视觉的图像纹理特征识别与边界区域条件参数,建立芋头病害识别监测理论模型,通过系统的硬件仪器及电路配置、软件程序功能实现,进行芋头病害图像监测识别试验。结果表明:根据芋头常见病害的外形特征,可得到多组清晰化的芋头病害特征与症状显示图,是直观化识别与分类管控的重要依据。该监测系统整体芋头病害识别率较高,平均维持在88%以上,其中疽病的识别率可达到91.3%,试验效果良好且思路可行,对类似农作物病害的监测与识别技术优化有一定的参考价值。     

基于卷积神经网络的白背飞虱识别方法

为了实现白背飞虱虫情信息的自动收集和监测,提出一种基于卷积神经网络的白背飞虱识别方法并进行应用研究。首先,用改进的野外环境昆虫图像自动采集装置,采集田间自然状态下的白背飞虱图像,对所获取的图像进行归一化处理。然后,随机选取1/2图像样本作为训练集、1/4作为测试集。利用5×5卷积核对训练样本进行卷积操作,将所获取的特征图以2×2邻域进行池化操作。再次经过卷积操作和3×3邻域池化操作后,通过自动学习获取网络模型参数和确定网络模型参数,得到白背飞虱的最佳网络识别模型。试验结果显示,利用训练后的网络识别模型,对训练集白背飞虱的识别正确率可达96.17%,对测试集白背飞虱的识别正确率为94.14%。     

山西省首座电缆监控中心投入试运行

近日，太原电缆网监控中心正式通过验收，标志着山西省首座一体化电缆网运行监控中心进入试运行阶段。太原电网电缆监控中心一期将原有的长风街、迎泽大街、滨河东路、一电厂等隧道的多个在线监测子系统进行整合，实现了电缆及隧道运行温度监测及火灾预警、报警功能；电力隧道环境的水位、有害气体、隧道温度监测功能；电力隧道井盖监控及出入隧道管控功能；高压电缆在线局放监测及分析判断功能；金属护层环流检测功能；整合电缆PDA运行巡视系统，实现电缆运行巡视工作的统一掌控；报警的短信发送功能，对电缆本体和通道运行情况的实时监控。     

基于物联网技术的温室环境监控系统设计

为提高设施环境监测水平,加强设施环境监控的可靠性和便捷性,研究开发一种基于物联网技术的温室多环境因子远程监控系统。该系统不仅实现大棚环境所需的多传感器信息采集,同时可根据需要设置定时图像采集,通过在集中区域采用433MHz组网方式布点多传感器,在数据采集器端进行数据融合,而后通过GPRS实现远程环境信息和图像的监控和参数设定。该系统通过后台服务程序设计,用户可以在任何时间和场所在有网络的计算机上查找最新的多参数监测信息。     

高速公路隧道照明节能技术的研究

近年来,我国高速公路建设蓬勃发展,公路隧道建设里程数不断增加。随之而来的隧道照明能源损耗也日益严重,这不仅对环境造成很大的污染,也违背国家大力倡导的节能减排理念。因此,本文针对当前高速公路隧道照明存在的问题,从供电和控制两方面入手,提出风光互补并网型供电方案和隧道照明智能控制方案,并对照明设计参数进行优化。在保障高速公路隧道安全运营和驾驶员驾驶舒适性的前提下,尽可能降低隧道照明电能消耗。     

基于STM32的灌区图像采集终端的研究

为了实现灌区基础设施和用水情况的监测,研究了一种基于STM32微处理器和OV7670图像传感器的图像采集终端。STM32微处理器对OV7670采集的图像信息进行处理和保存,并通过GPRS无线通讯模块发送到用户手机,有效地解决了传统灌区图像采集装置体积大、成本高和可靠性差的问题。经试验测试,该终端稳定可靠,在灌区信息监测方面具有较高的应用价值。     

作物根系生长监测微根管装置设计与试验

为实现不同深度下作物根系的实时监测与图像采集,设计开发了作物根系生长监测微根管装置,图像采集后可以通过上位机软件进行实时显示与存储。装置由监测管与控制箱组成,监测管使用亚克力材料制作透明外壳,同时在管内通过丝杠和导杆架设滑动轨道,利用步进电机实现摄像头在导轨上的运动控制;控制箱以STM32单片机为核心控制板,并根据实际需求选取了相应外设模块。以番茄根系为研究对象进行持续98 d的图像采集,借助软件RhizoVision Explore对根系图像进行分析,试验结果表明,前70 d番茄根系整体生长速度较快,后28 d逐渐趋于稳定,在深度6～10 cm处分布较为密集,根长密度在深度10 cm处于第91天达到最大值(1.22 cm/cm³),分析结果与番茄根系生长规律一致,表明本根系生长监测微根管装置能在不影响根系持续生长的情况下完成对作物根系的长期在线监测,满足作物根系监测要求。     

基于归一化冠层覆盖系数的玉米果穗发育动态估算

为解析宁夏滴灌玉米冠层图像参数与果穗形态参数间的内在联系,提出了一种采用作物冠层图像特征参数拟合玉米果穗生长发育动态的数学方法,建立玉米灌浆期果穗发育动态估算模型,实现了基于作物冠层数字图像处理技术的玉米果穗形态无损监测。用手机相机获取不同氮素处理下滴灌玉米灌浆期的冠层图像,提取玉米灌浆期冠层图像特征参数,测定玉米穗长、穗粗和穗体积等形态参数;运用R语言进行相关性分析,其中归一化冠层覆盖系数(Cc)与玉米果穗形态参数相关性高,运用Origin软件建立Cc与果穗形态参数间的估测模型,通过R2、RMSE和nRMSE评价估测模型的精度。结果表明,Cc与玉米穗长、穗粗、穗体积等形态参数均满足指数函数关系,其中Cc与穗长的预测精度最高,决定系数R2达到0. 714,与穗粗的预测精度次之,R2为0. 601,与穗体积的R2为0. 575。由模型检验与评价结果可知,Cc与玉米果穗形态各参数间精度较高,其中R2均不小于0. 523,穗体积RMSE的值均不大于68. 986 cm3,nRMSE均不大于33. 621%。这表明基于冠层图像归一化覆盖系数的玉米果穗生长发育动态的估算具有一定的实用性,可为果穗形态参数估算和大面积玉米无损监测提供参考。     

基于IHS＿NSCT多光谱图像融合算法的研究

基于无人机多光谱影像的大豆生产状况信息获取是近年来农业信息技术研究的主要方向之一，但大豆生长过程中无人机多光谱图像不同通道间图像存在重叠且合成的多光谱图像分辨率较低。为此，针对传统的IHS变换只能进行3个波段的图像融合且易出现光谱扭曲失真现象，将源图像配准操作消除重叠影响，提取图像中光谱信息更为丰富的强度分量单位，并利用NSCT变换的多尺度、平移不变特性结合分量单位进行高、低频子带的提取和再融合操作，完成MS图像与PAN图像的融合。同时，以信息熵(EN)、相关系数(CC)等参数作为评价指标，得到高分辨率的融合图像。实试结果表明：算法熵值信息和相关系数参数明显优于另两种算法结果，其信息熵值达到7.79,相关系数达到0.97,可见融合算法能够表达作物光谱信息且可为作物营养成分监测任务提供理论与技术支撑。     

基于纹理特征与植被指数融合的水稻含水量无人机遥感监测

含水量是表征水稻生理和健康状况的关键参数，精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前，利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数，针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的RGB图像和多光谱图像，通过提取植被指数和纹理特征，分析水稻的动态生长变化，并构建了基于随机森林回归方法的含水量预测模型。试验结果表明：（1）从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长，并且这些参数随水稻生长呈现出了相似的动态变化趋势；（2）与RGB图像相比，多光谱图像评估水稻含水量具有更高的潜力，其中归一化光谱指数NDSI_771,611实现了更好的预测精度（R²=0.68，RMSEP=0.039，rRMSE =5.24%）；（3）融合植被指数和纹理特征能够进一步改善含水量的预测结果（R²=0.86，RMSEP=0.026，rRMSE=3.51%），预测误差RMSEP分别减小了16.13%和18.75%。上述结果表明，基于无人机遥感技术监测水稻含水量是可行的，可为农田精准灌溉和田间管理决策提供新思路。     

利用圆预处理RGB图像对葡萄图像分割影响研究

针对太阳方位的不同引起葡萄串表面的颜色亮度不同而导致分割葡萄串与背景困难的问题,提出利用圆预处理RGB图像方法。本方法根据每种颜色含有特定的三原色比例关系和任意三点可确定一个的圆的定理,将RGB图像中各通道参数转换成圆的参数代替RGB图像的三通道的参数进行后续的处理任务。将转换后的圆参数结合直方图进行葡萄串与背景的分割,得到的结果相比较于利用HSV模型中的H参数结合直方图的分割结果,在对RGB图像中蓝色通道参数比其他两通道参数值较高的色彩区域区分度较好;相比较于Lab模型中的a参数结合直方图分割结果,在对枝干和葡萄串的分割效果较好;当葡萄串表面有明显的反光时,圆预处理葡萄串的RGB图像参数方法就不再适用于葡萄串与背景分割的任务中。     

基于机器视觉的大豆机械化收获质量在线监测方法

针对大豆机械化收获过程中缺少联合收获机作业质量(破碎含杂率)在线监测装置的问题,提出了基于机器视觉的大豆机械化收获图像采集系统、大豆成分分类识别算法和谷物联合收获机作业质量监测方法。采用改进分水岭算法对大豆图像进行有效分割,筛选RGB和HSV颜色空间特征值,基于颜色特征值对分割后大豆图像各闭合区域进行分类识别,构建了量化评价模型,测试了算法的准确性,并进行了相关的田间试验。结果表明,R、S、H分量一阶矩特征值对大豆各成分具有较好的特征分离性,通过这3个分量颜色阈值能够很好地进行大豆成分分类;系统大豆完整籽粒查准率为87.26%、查全率为86.17%,大豆破碎籽粒查准率为86.45%、查全率为79.42%,大豆杂质查准率为85.19%、查全率为83.69%;在田间测试过程中,本文设计的检测方法对谷物联合收获机作业质量性能评定结果与人工检测一致。本文所提出的算法能快速、有效、稳定地识别完整籽粒、破碎籽粒和杂质,量化模型能准确计算出破碎含杂率,从而实现大豆机械化收获质量可视化监测与报警,可为智能谷物联合收获机参数在线监测及自适应控制策略研究提供技术支持。     

公路隧道初期支护施工浅析

公路隧道施工初期支护大部分通过锚杆、钢筋网+喷射混凝土技术完成施工,按照隧道围岩级别以及松弛状况,利用超前地质预报以及监控测量,从而取得围堰与支护的应力以及变形参数,并对初期支护参数给予有效的调节。在公路隧道施工过程中初期支护占据着非常重要的地位,在施工过程中,受到施工工艺、内容,以及施工人员、机械设备、原材料等因素的影响,为了更好的保证施工质量以及安全,本文对公路隧道初期支护施工进行了分析,以供参考。     

基于模式识别的图像检测算法的研究

本文阐述了在图像检测系统设计中运用模式识别的检测算法研究,主要检测零件加工质量,获取图像检测结果,以提高识别效率。关键技术是零件图像参数的精确提取和识别。通过阈值对灰度图像进行二值化,再对处理后的图像进行平滑与增强,采用Canny算子进行图像边缘检测,借助特定模式识别方法,进行智能判别。软件调试结果说明,上述算法在零件加工质量检测中可以获取高效、精确的结果。     

基于局部保留降维卷积神经网络的高光谱图像分类算法

为提高高光谱遥感图像的分类精度,通过局部保留判别式分析与深度卷积神经网络(DCNN)算法,提出了基于局部保留降维卷积神经网络的高光谱图像分类算法。首先,用局部保留判别式分析对高光谱数据降维,再用二维Gabor滤波器对降维后的高光谱数据进行滤波,生成空间隧道信息;其次,用卷积神经网络对原始高光谱数据进行特征提取,生成光谱隧道信息;再次,融合空间隧道信息与光谱隧道信息,形成空间-光谱特征信息,并将其输入到深度卷积神经网络,提取更加有效的特征;最后,采用双重优选分类器对最终提取的特征进行分类。将本文方法与CNN、PCA-SVM、CD-CNN和CNN-PPF等算法在Indian Pines、University of Pavia高光谱遥感数据库上进行性能比较。在Indian Pines、University of Pavia数据库上,本文算法识别的整体精度比传统CNN方法的整体精度分别高3. 81个百分点与6. 62个百分点。实验结果表明,本文算法无论在分类精度还是Kappa系数都优于另外4种算法。     

基于图像处理的雾滴检测技术

通过模拟田间实际喷雾情况,利用图像采集系统采集雾滴图像,对其进行增强和分割等预处理,并对粘连雾滴提出用改进的分离粘连雾滴算法进行了分离处理.基于相同样本,用图像处理方法获得的雾滴粒径分布及覆盖率等参数与激光粒度仪测量结果的对比分析表明,利用图像处理技术检测雾滴分布参数,其测量误差在6%以内.