虚拟仪器技术在我国农业现代化中的应用

介绍了虚拟仪器技术的概念、特点以及系统组成,简述了虚拟仪器技术在农业现代化领域的应用以及应用实例,对于提高我国的农业生产效率和农业生产水平具有重要意义。     

植物检疫中无损检测技术进展与应用

随着全球经济的一体化进展,植物产品的国际贸易及人员交流越来越广泛,有害生物的跨国传播风险日益增大。同时,随着植物产品绿色通道的全线开通,如何缓解国际贸易快速通关与国境疫情防控之间的矛盾,满足对外检验检疫中“检得出、检得准、检得快”的要求,已成为检验检疫部门一个迫切需要解决的课题。传统的检验检疫方法存在难以实现无损、快速、在线检测的缺点,因此研究快速、高效、无损的植物检疫技术,实现植物检疫的自动实时检测,对推动经济的健康、持续发展,提高产品交易价格,具有十分重要的现实意义。本文从植物及其产品的虫害、病害方面综述了植物检验检疫中的声测法、X 射线、机器视觉、近红外光谱分析以及高光谱图像等无损检测技术的原理和应用研究,并对其中的优缺点加以分析。在此基础上,对无损技术的检测应用前景进行了展望,指出未来植物检疫的重要手段和发展方向。     

基于机器视觉的玉米叶片透射图像特征识别研究

【目的】建立玉米品种的叶片透射图像特征数据库,研究特征随品种的变化规律,分析各类特征的识别效果,为进一步研究玉米生长期间的机器视觉品种识别提供依据。【方法】以生产中推广的21个常规玉米品种为供试材料,分别采集拔节期、小喇叭口期、大喇叭口期、抽雄开花期4个生育时期的玉米叶片。在灯箱内,采集每一叶片的高画质透射图像,共计420张。基于Matlab R2009a开发了“玉米叶片特征提取与识别软件”,包括图像预处理、特征提取、神经网络识别和阈值选取4个功能模块。依据开发的特征识别平台,对玉米叶片透射图像进行图像预处理和特征提取。提取形态类、颜色类和纹理类共计48个特征,特征数据量共计20 160条。分析48个特征品种间的变异系数,研究玉米叶片透射图像特征随品种的变化规律。建立BP神经网络模型进行综合识别,分析不同时期单特征的识别效果,寻找玉米叶片透射图像中品种区分能力较强的重要特征。进一步分析不同时期3大类特征及其组合的识别效果。【结果】在玉米的4个生育时期,叶片透射图像3类特征品种间的变异系数差异比较明显,颜色类特征变异系数最大,其次是纹理类特征变异系数,形态类特征变异系数最小,并且这种差异随着玉米的生长十分稳定。在玉米的4个生育时期,叶片透射图像48个特征的品种识别率差异比较明显,为9.52%-29.33%。R分量的标准差、短轴长、H分量的标准差、等面圆直径、H分量的平均值、V分量的标准差、B分量的标准差、不变矩6、椭圆度、S分量的平均值、外接凸多边形面积、B分量的平均值、平滑度、S分量的峰度、S分量的标准差的识别率较高,平均识别率在18%以上。单类特征中,颜色类特征识别率最高,平均86.76%;纹理类特征次之,平均为78.05%;形态类特征最低,平均为68.67%。颜色类特征和纹理类特征识别的稳定性较高,纹理类特征识别效果更稳定一些。组合特征中,形态+颜色特征组合识别率最高,平均识别率为92.29%;颜色+纹理类特征组合次之,平均为90.29%;形态+纹理类特征组合识别率最低,但平均识别率也达到了87.43%。在拔节期,3类特征组合的识别率无明显差异,且都在91%以上。在小喇叭口期,颜色+纹理特征组合识别率大幅上升,形态+颜色特征组合识别率小幅下降,形态+纹理特征组合识别率下降较大,但是仍然维持在82%以上。在其他3个时期,形态+纹理特征组合和颜色+纹理特征组合识别率差别不大,并且形态+颜色特征组合识别率相对较高。【结论】研究结果为玉米叶片透射图像特征的研究与应用提供了比较系统全面的数据,为生长期间玉米品种的识别提供了新的方法和量化依据,也必将在其他作物的识别方面发挥很好的借鉴作用。     

基于线激光与LED的棉花中异性纤维检测方法

激光成像可以检测出皮棉中的白色异性纤维,而深色和有色的异性纤维反光性能差,激光成像难以检测。该文提出了一种基于LED与线激光的双光源一次成像方法,可以检测出各种颜色的异性纤维。试验以白色、深色和浅色共20种典型异性纤维和皮棉作为样本,在相机曝光时间与光圈不变的条件下,逐步改变LED亮度和线激光功率,发现在RGB颜色空间,利用R(红色)通道,白色异性纤维与棉花的可分度随着激光功率的增大而增大,达到峰值之后又逐步减小;在HIS颜色空间,利用S(饱和度)通道,有色异性纤维与棉花的可分度随着LED亮度的增大而增大,达到峰值之后又逐步减小。在此基础上,该文获取了310幅棉花与异性纤维的图像,作出了基于R与S通道的图像可分度、LED亮度与激光功率的对应变化曲线,然后将两种曲线进行融合,在曝光时间106μs、光圈2.8C条件下,发现线激光功率7.01 m W、LED亮度3 326 lx时,白色异性纤维和深色、有色异性纤维与棉花的可分度最大。采用上述双光源成像参数和该文的成像装置获取840幅图像,通过简单的二值化图像分割算法,白色异性纤维的正确识别为84.1%,深色和有色异性纤维正确识别为93.9%,优于单独激光成像或单独LED成像的识别率。     

应用机器视觉技术筛选射干种子精选指标的研究

为提高射干种子活力,利用Seed Identification(种子形态自动化识别软件)快速获取300粒射干种子的物理特性(颜色信息、长度、宽度、投影面积),并确定出适宜的种子精选参数。结果表明:射干幼苗苗长与种子颜色信息R(Red,红基色)、S(Saturation,饱和度)、I(Intensity,亮度)、a(从红色至绿色的范围)值呈显著相关,鲜重与种子R、S、I、a值呈极显著相关。经计算得出按R≤40、S≤5、I≤17、a≤0对射干种子进行精选,最多可将发芽率提高9.9%。验证试验结果表明:按以上指标精选后的射干种子发芽率由初始的56.0%分别提高至65.0%、62.0%、64.0%、59.0%;简易活力指数由初始的0.010 9分别提高到了0.016 1、0.017 8、0.015 6、0.012 7。研究表明按R≤40、S≤5、I≤17、a≤0对射干种子进行精选可提高射干种子活力。     

基于视觉技术的林木生长状态无损测量方法

为提高林木生长状态测量的准确性,克服传统测量方法的不足。从视差处理的角度出发,将图像处理技术与视觉理论有机结合,根据不同时间点采集到的树木图像信息,判断出一段时间内树木生长状态的变化情况。试验过程中,将待采集图像的树木上标出红色的矩形信息点,并利用双摄像机针对标出的特征点进行采集,然后将2幅树木图像进行对比研究, 分别计算出在一定时间间隔内树木上信息点空间信息,从而确定该段时间内信息点的位置变化。试验结果表明,针对标定的信息点,传统测量方法在高度和粗度分别增长5.63 mm和5.75 mm,二者数值相近,与林木生长实际不符;而基于视觉技术的测量,高度和粗度分别增长2.4 mm和1.5 mm,高度变化是粗度变化的1.6倍,与林木的实际增长过程是一致的。所以,基于视觉技术的测量方法,能够很好地实现对树木的无损测量研究,判断出树木的生长状态变化情况。     

应用于城市森林监测的WorldView-1与GeoEye-1融合效果评价研究

采用Brovey、HIS、PanSharpen、Gram-Schmid、PCA、Wavelet等融合方法对World-View全色与Geoeye-1多光谱影像进行融合处理,在传统的光谱还原、纹理清晰度指标的基础上,引入植被权重的改进相似度定量评价法,其以人眼的视觉特性为出发点,侧重于图像的结构信息和光谱与纹理的均衡度,并着重考虑林业遥感尤其城市森林资源监测应用中对突出植被信息的要求,利用MatLab构建评价程式,通过对G_MMSIM及常规指标的综合比对分析,认为此法与目视判读较为接近,可以在评价实践中予以应用,同时,得到PCA和Gram-Schmid效果最优,PanSharpen稍差的评价结果。     

新西兰寄生性杜鹃对短波光的视觉敏感性(英文)

不同类群的鸟类对于光线中紫外波长部分的敏感程度存在差异。在一些专性巢寄生鸟类的寄生者 - 宿主体系中,寄生卵所反射出来的紫外光对于宿主区分外源鸟卵与自己的卵具有重要作用。反过来说,对于雌性寄主而言,宿主巢中的卵能够最大程度接近自己的卵是非常有利的。虽然视觉敏感性在大多数杜鹃和牛鹂的宿主中都有描述,这些特征在寄主中却少见报道。视觉敏感性能帮助我们理解巢寄生者与宿主之间潜在的感知共进化过程的相关机制以及更好地了解每个物种相应的视觉感知生态。本研究测定了短波长敏感型(SWS1)视蛋白基因的序列来预测两种新西兰专性巢寄生杜鹃——金鹃(Chalcites [Chrysococcyx] lucidus)和长尾噪鹃(Urodynamis[Eudynamis]taitensis)的紫外光敏感性。结果表明两种杜鹃都具有SWS1视蛋白基因,而其最大敏感度集中在短波长光谱中人类可见的紫光部分,而不是紫外光。未来的研究应该关注在鸟类视觉系统下所测的巢寄生者和宿主卵的相似性以及宿主拒绝寄生卵的行为后果这两个方面,来集中探究巢寄生者与宿主之间的视觉敏感度是否匹配。     

水果综合分选机称重模块的设计与实现

为满足水果外观品质和质量综合分选的实际需要,设计了水果机器视觉质量综合分选机的称重模块。通过受力分析得出了水果质量的理论计算公式,给出了水果同步称重过程的实现方法。通过对质量不同的苹果进行实测标定,得出了等效质量 与其A/D转换值之间的关系式,并进行了试验验证。试验结果表明,所设计的称重模块可以与水果机器视觉分选机配合,对水果进行外观品质和质量的检测,称重精度约为2%。     

基于改进型广义Hough变换的茄子果实位姿识别方法

以茄子果实为例,提出一种基于改进型广义Hough变换的空间物体位置和姿态的识别方法。在已知图形的参数表制作阶段添加缩放和旋转运算,扩大样本的代表范围;采用“形状相似度”的方法初选待识图形的缩放索引和旋转索引,缩小了搜索范围;适当提高梯度索引步长,避免参考点在累加器中的排布过于分散,便于确定最终参考点坐标。试验表明：改进型广义Hough变换对茄子大、小目标的深度恢复误差分别减小了4.0和7.9个百分点,说明该方法对空间不同位姿、部分遮挡情况下茄子果实的识别具有良好的效果。