一种快速判别梨果梗的方法

果梗完好与否是梨品质检测的指标之一,因而对果梗情况进行准确判别具有重要意义。为此,通过计算机视觉系统摄取梨的图像,利用图像处理技术提出了一种能快速判别梨果梗有无的算法。该算法的识别正确率达90%,识别速度大约在20～30ms,实现了对梨果梗进行高速检测的目标。     

采棉机器人的研究现状及关键技术

对国内外机械化采棉技术的研究现状进行了综述,构建出了基于计算机视觉的智能型采棉机器人原型系统,分析了采棉机器人的应用价值.同时,介绍了采棉机器人的作业环境和工作对象的特殊性,总结了采棉机器人所涉及的关键技术,包括采棉机器人本体的优化设计、棉花的自动识别和分类以及路径规划和运动控制技术等,最后指出了目前应用采棉机器人存在的主要问题并提出相应对策.     

属性识别模型在水利水电规划方案综合优选中的应用

针对目前水利水电规划方案综合优选方法中存在的问题，提出了基于变异系数权重的水利水电规划方案综合优选属性识别模型。该模型采用反映评价指标特征值之间差异性的参数——变异系数作为评价指标的权重，减小了权重确定的主观性，且模型求解方法简单易学。实例分析表明，这一模型和方法是合理、可行的。     

增压器转速适应性测量方法

提出一种以采集卡为测量平台的增压器转速测量方法。系统以软件方式实现了随转速变化进行自适应调整的数字滤波，给出一种基于转速信号极值点的周期识别方法。分析和实验结果表明，该方法能够在增压器转速信号受外界干扰而偏离的情况下，在较宽的范围内实时测量增压器转速。     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。     

基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。     

草莓根腐病病原菌分离与鉴定

为了有效防控草莓根腐病,采用组织分离法,对徐州地区草莓根腐病病原菌进行分离与鉴定,分离、纯化后获取了5个真菌菌株,经形态学与分子生物学碱基序列测定结果比对发现：CMGF-1是胶孢炭疽菌或其亚种,CMGF-2和CMGF-3是棒孢拟盘多毛孢或其亚种,CMGF-4和CMGF-5是串珠镰刀菌或其亚种。黑根根腐的致病菌主要是镰刀菌和拟盘多毛孢菌,而红中柱根腐的致病菌是胶孢炭疽菌。     

Mineral Composition and Soil-Plant Relationships for Common Guava (Psidium guajava L.) and Yellow Strawberry Guava (Psidium cattleianum var. lucidum) Tree Parts and Fruits

The mineral compositions of the fruit and tree parts of common guava, Psidium guajava L., and strawberry guava, Psidium cattleianum var. lucidum, were determined. The study occurred during three seasons at six locations in Hawaii to assess guava as feed for livestock. Guava bark contained the greatest concentrations of calcium (Ca) and ash; leaves the greatest concentrations of magnesium (Mg), sulfur (S), sodium (Na), boron (B), and manganese (Mn); and the shoots had the greatest concentrations of nitrogen (N), phosphorus (P), and potassium (K). The leaves and the shoots had the greatest concentrations of copper (Cu) and iron (Fe). Between guava and waiwi, guava had greater concentrations of most minerals except for Na in all plant parts, and Mg and ash in the leaves. Guava leaves and shoots meet the macromineral requirements for various phases of sheep, goat, and beef cattle life cycles with the exception of P and Na. Guava shoots do not meet Mn requirements for lactating cows.     

细菌凝集素与菌体脂多糖在大白菜与软腐欧氏杆菌接触识别中的作用

 用3种试验方法测定了大白菜细菌凝集素(Agin-SD60)和软腐欧氏杆菌脂多精(LPS),在双方接触识别中的作用。在吸附抑制试验中,来自大白菜和马铃曾的Agin-SD60显示约98%的吸附抑制效应,另3种植物的Agin-SD60及大白菜外源凝集素(lectin)和细咆壁蛋白质(CWP)无明显作用;同时用不同种类的7个菌侏的LPS作测定,只有病菌的LPS吸附抑制作用明显(93.37%),其胞外多糖(EPS)也无作用。在菌体凝集试验中,也只有大白菜和马铃薯的Agin-SD60表现50%~100%的凝集活性。在琼脂双扩散试验中,寄主Agin-SD60可与病菌菌体及其LPS发生免疫沉淀。这些结果说明,Agin-SD60和菌体LPS在大白菜与软幅欧氏杆菌接触识别中分别作为植物识别子(cognor)和细菌识别子(cognon)起作用。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。