木材检验中的量材设计

木材检验中的量材设计工作是林区企业木材生产的重要环节。科学、合理地量材设计可以极大地提高木材的利用率,减少不必要的损失,反之则贻害无穷。所以,当前在森林资源渐趋枯竭的形势下,加强生产管理,严把木材检验工作质量对企业生存发展极为重要。     

家蚕平附种母蛾微粒子病集团抽样检验方法改进研究

以超几何分布和二项分布为基本数学模型,综合现行家蚕母蛾微粒子病集团检验方法的优点,结合广西蚕种生产实际,以集团为单位,设计形成适合平附种的计数二次抽样检验方法。分别从理论和实际两个方面对新方案进行了比较分析。结果表明新方案解决了现行方法有毒集团与有毒蛾数不对等的问题,改进了农业行业标准散卯种方法过于严格,生产方风险过大的问题,改进了农业行业标准平附种方法过于宽松,使用方风险失控的问题,同时检验结果准确,检验工作量少,具有较高的准确性和较好的经济性。     

客户侧用电安全的数字化巡检平台

高压客户集中监控平台对客户负控采样数据、重要负荷出线节点电压、电流、负荷等数据进行图模搭建,在客户变电所加装视频监控,并且加装开关遥信、遥测,信号具备上传至营销侧集中监控主站的功能,用检员能够远程查看客户变电所接线图及运行状态.提供客户状态预警、操作指导、设备检修、异常处理的在线互动服务.向主站推送客户异常监测数据(低...     

高光谱荧光示踪无损检测瓜类作物嫁接苗愈合状态

为了减少瓜类嫁接苗的愈合管理时间,实现快速准确判别嫁接苗早期愈合状态,促进嫁接苗规模化生产及育苗产业发展。该研究制备了氮硫掺杂碳点,以该碳点为荧光示踪材料,以西瓜嫁接苗为研究对象,利用高光谱荧光成像方法,探究了西瓜嫁接苗早期愈合状态无损检测的高光谱荧光示踪成像方法。高光谱荧光示踪图像及光谱分析结果表明,利用氮硫掺杂碳点进行荧光示踪,通过高光谱成像仪对瓜类作物早期愈合状态高通量表型的鉴定,能快速、自动、无损地获取嫁接苗愈合的情况。同时,通过氮硫掺杂碳点处理后第12天,处理组的西瓜嫁接苗相较于对照组,根系增长量提升了78.7%,叶面积增长量提升了61.4%。因此,该研究方法可以提早判别嫁接苗的愈合连通,促使瓜类嫁接苗提早移栽,并且氮硫掺杂碳点处理可以促进嫁接苗叶面积和根系的生长,达到种苗壮苗的作用。     

应力波法检测活立木品质的研究进展

介绍了应力波无损检测方法的基本原理以及采用该方法检测活立木品质的研究进展情况,阐述了应力波检测用于活立木品质研究的趋势。     

检疫性害虫美柏肤小蠹的形态特征及危害

美柏肤小蠹(Phloeosinus cupressi Hopkins,1903)分布在加拿大、美国、巴拿马、澳大利亚、新西兰,中国无分布记录.对美柏肤小蠹的分类地位、形态特征、分布、寄主、危害、与近似种的区别、饲养方法、检疫方法、生物学特性等进行了介绍,以引起相关部门的重视,防止该虫传入中国.     

基于物联网技术的仓储香蕉成熟度智能监测与预警系统设计

为了达到对香蕉成熟度的无损检测,减少由于过度存放及处理不及时造成的损失,基于物联网技术设计并实现了一套仓储香蕉成熟度智能监测与预警系统。该系统包括智能仓储数据采集终端、手持无线中继器和后台数据服务器3个部分,智能仓储数据采集终端将采集到的仓储香蕉的温度、湿度、二氧化碳和氨气等环境信息通过手持无线中继器传输到后台数据服务器,然后基于神经网络识别算法判断给出香蕉的成熟度状态和预警信息。测试结果表明,该系统可以有效地对仓储香蕉的成熟度状态进行监测和预警,提示用户进行及时的处理,从而大大降低香蕉的损失率,具有非常高的实用价值。     

基于机器学习和深度学习的玉米种子活力光谱检测

为解决传统的种子活力检测方法存在耗时长、损伤种子等问题,实现种子活力的快速无损检测,分别利用机器学习和深度学习算法结合高光谱成像技术构建玉米种子3个活力梯度分类模型,通过人工老化方式将1 012粒玉米种子分为3个活力梯度样本,采集其高光谱数据后通过卷积平滑（SG）和多元散射校正（MSC）去除高光谱噪声,分别采用主成分分析（PCA）、连续投影算法（SPA）进行光谱特征降维,再从降维后的波段中抽取1 156、1 191和1 463 nm 3个波段合成假彩色图像,用局部二值模式（LBP）提取感兴趣区域的纹理特征,并与纯光谱特征融合。分别基于纯光谱特征构建决策树（DT）和支持向量机（SVM）模型和融合特征建立随机森林（RF）、SVM和极端梯度提升树（XGBoost）模型等机器学习模型。将假彩色图像输入ResNet18、MobileNetV2、DenseNet121、Efficientb0、Efficientb2等5个深度学习模型中进行玉米种子活力预测。结果显示,就机器学习方法而言,针对纯光谱特征表现最好的是PCA-SVM模型,其测试集准确率为92.5%;针对融合特征表现最好的是SVM模型,其测...     

基于机器视觉的玉米种粒破损识别方法研究

针对玉米种粒在收获、脱粒、贮藏时因各种因素造成损伤和人工选种耗时耗力的问题,提出了一种基于机器视觉的玉米种粒破损检测方法。首先,利用图像获取装置得到单粒玉米种粒图像,通过差影法确定图像噪声种类,采用中值滤波方法对图像进行降噪;其次,标记图像边界,运用灰度阈值法完成玉米种粒图像分割。根据玉米种粒的形态特征分别提取玉米种粒的周长、面积、周长面积比、长轴长、短轴长、长宽比6个几何特征和矩形度、圆形度、紧凑度、7个Hu不变矩10个形状特征,共16个特征。完整玉米种粒和破损玉米种粒图像各50幅作为训练样本,将提取的16个特征分量作为输入量,对支持向量机(Support Vector Machine,SVM)进行训练,输出量为1、0,分别代表"合格""不合格",训练完成后获得玉米种粒的SVM识别模型;另取完整的玉米种粒和破损的玉米种粒图像各50幅作为测试样本,对训练好的SVM模型进行测试。结果表明:该检测方法对玉米种粒破损识别准确率达95%以上,识别100幅玉米种粒图像的时间为1.27s。研究结果为玉米种粒的实时破损检测提供了参考。     

高光谱成像快速检测壳聚糖涂膜草莓可溶性固形物

为了对壳聚糖涂膜草莓可溶性固形物含量(soluble solids content, SSC)进行快速检测,该文采用高光谱成像仪(400～1 000 nm)对0,0.5%,1%浓度的壳聚糖(chitosan, CTS)涂膜草莓分别储藏1,2,4 d后进行成像,并测量样本SSC。通过分析SSC发现,0.5%和1%壳聚糖涂膜草莓,其SSC随着储藏天数的增加均高于0浓度壳聚糖涂膜草莓,说明了0.5%和1%壳聚糖涂层抑制了草莓中SSC的降低,能够延长草莓的新鲜口味。随后采用蒙特卡罗-偏最小二乘法(monte carlo-partial least squares, MCPLS)对异常样本进行剔除。对剔除异常样本后的光谱数据进行不同预处理,以确定最优的预处理方法。为提高运行速度和降低数据维数,采用竞争性自适应权重取样法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)进行特征波段选择。最后,采用偏最小二乘回归(partial least square regression, PLSR)和支持向量回归(support vector regression, SVR)法建立回归模型。最终结果表明:SPA-SVR模型效果最佳,0浓度的壳聚糖涂膜的草莓,建模集精度Rc2为0.865,预测集精度Rv2为0.835;0.5%浓度的壳聚糖涂膜的草莓,建模集精度Rc2为0.808,预测集精度Rv2为0.799;1%浓度的壳聚糖涂膜的草莓,建模集精度Rc2为0.834,预测集精度Rv2为0.875。对储藏第4天的部分样本图像进行主成分分析(principal component analysis, PCA),结果显示除第二主成分图像(PC2)中有部分噪声影响外,PC1和PC3均能完整反映草莓信息,且PC3图像明显呈现出不同浓度壳聚糖涂膜草莓的褐变程度,说明不同浓度的壳聚糖涂膜也会对草莓货架期产生不同影响。综上说明利用高光谱成像技术可以实现壳聚糖涂膜草莓SSC快速检测,有效指导草莓保鲜处理。