基于数字图像处理技术的叶绿素含量检测系统

采用数字图像处理技术对叶片图像进行图像分割,将叶片从背景图像中分离出来,并针对叶片图像的各种颜色特征值与叶绿素含量进行相关性分析,建立回归模型。将拟合度最高的颜色特征值作为预测叶绿素含量的最佳模型。实验表明:采用此方法检测的叶绿素值与传统分光光度计检测方法相比较,准确率达到了89.7%;采用的颜色特征值与叶绿素含量的相关性达到-0.968。     

农田蛾类图像边界特征的获取

介绍了农田蛾类图像的预处理方法,然后使用Otsu方法来对农田蛾类图像进行分割。对分割得到的目标区域采取旋转变换,使同一种蛾类的目标区域具有相同方向;对旋转变换得到的蛾类图像目标区域,以目标区域的边界点到目标区域的质心点距离作为目标区域的边界特征,获取各种蛾类图像的边界特征。从所获取的边界特征可知,不同种类的蛾类图像具有各不相同的边界特征,可以把这些边界特征作为各种蛾类昆虫分类识别的数据依据。     

基于GPRS和ARM的农田图像采集系统

设计了一种基于GPRS和ARM处理器S3C2410的农田图像采集系统。该系统利用CMOS图像传感器完成图像的获取,通过GSM的GPRS业务完成远程图像终端和监控中心之间的信息传输,保证了图像采集的高可靠性,降低了图像传输的通信费用,又使系统具有较好的可扩展性。     

用于生物分类学研夯领域的显微成像新技术

UV—C光学共聚焦显微图像系统集成了光学和数字图像分析技术,特别适用于采集非平面样品（高度变化范围超过了显微镜景深范围）的图像,它彻底解决了传统光学显微镜成像时高倍数与大景深不能共存的问题,使样品的不同高低部位都能清晰成像,可以获得像电镜图像一样的巨大景深和精致的细节,更能得到电镜图像所没有的真实色彩。     

用于生物分类学研究领域的显微成像新技术

UV—C光学共聚焦显微图像系统集成了光学和数字图像分析技术,特别适用于采集非平面样品（高度变化范围超过了显微镜景深范围）的图像,它彻底解决了传统光学显微镜成像时高倍数与大景深不能共存的问题,使样品的不同高低部位都能清晰成像,可以获得像电镜图像一样的巨大景深和精致的细节,更能得到电镜图像所没有的真实色彩。UV—C以清晰直观的样品图片带给读者手绘图所不能达到的视觉效果,是生物分类学家研究和描述物种的好助手。     

高精度视觉感应技术在水肥一体机中的应用

以农田水肥智能化管理为研究对象,构建了一种高精度视觉感应式水肥一体机。采用高精度视觉感应技术获取作物生长状态参数图像,基于超像素图像分割技术,对复杂的作物生长状态图像特征向量进行提取,采用模糊聚类算法对图像进行分割处理,根据目标图像的像素值统计结果进行生长状态预测,并结合环境参数信息,构建灌溉过程土壤电导率EC和pH预测模型。测试结果表明：水肥一体机控制系统能够有效预测作物对水肥需求,提高了灌溉过程混肥精度,可节约灌溉用水量、提升生产效率、降低人工成本。     

基于图像的昆虫自动识别与计数研究进展

 随着计算机技术的快速发展,现代农业逐步走向数字化、精准化和智能化,昆虫自动识别和计数成为国内外研究的热点。论文综述了国内外基于图像的昆虫自动识别与计数技术研究的主要方法和应用,概述了各种方法的原理,比较了它们的优缺点,最后讨论了存在的问题及研究展望。     

基于HSI颜色模型的杂草与 土壤背景分割方法研究

针对杂草识别中如何将杂草与土壤背景分离问题,提出了利用HSI颜色模型中的H分量分割杂草和土壤背景的方法:该方法首先把RGB彩色空间转换到HSI彩色空间,然后根据色度分量(H)确定阈值将灰度图像转化为二值图像,并在此基础上进行适当腐蚀、膨胀,实现了杂草和土壤背景的准确分割.实验结果表明,该方法的准确率达到90%,验证了该...     

遥感图像分类中混合像元分解方法研究

总结了几种解决遥感图像分类中混合像元分解问题的方法,对各种方法的基本理论、应用条件和优缺点进行阐述,并对未来提高分类精度的前景进行展望,为遥感图像分类应用提供有价值的参考。     

基于计算机视觉的肉质大理石花纹含量的测定

 针对传统的肉质分级方法测定大理石花纹含量存在成本高、主观性强、准确性低等问题,本文以计算机视觉技术为基础,运用统计学中的最大方差法去除了黑色背景,使用二值法对大理石花纹进行了提取,并对其含量进行了测定。研究结果表明,运用计算机视觉技术可以很好地实现胴体图像中大理石花纹区域的分割和大理石花纹含量的测定,为肉质自动分级打下基础。