基于图像处理的茶叶智能识别与检测技术研究进展分析

作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。     

利用流式细胞仪鉴定梨种质资源染色体倍性

以260份梨种质资源为试材,采用流式细胞仪对梨种质资源的倍性进行了鉴定,幵与前人用去壁低渗Giemsa染色法的鉴定结果进行了比较,以期为梨种质资源的创新和利用提供参考。结果表明:休眠期水培幼嫩叶片和早春嫩叶是梨种质资源倍性鉴定最理想的试验材料;供试的21份多倍体材料的倍性与前人鉴定结果一致,‘沙01’与前人鉴定结果存在分歧,幵新収现9份三倍体种质,分别为‘细皮梨’‘黑酸梨’‘冀蜜梨’‘世纪梨’‘敦煌香水梨’‘Beure Bosk’‘William Laspave’‘Yakumo’‘Butirra Rosata’;流式细胞仪法是进行梨种质资源倍性鉴定高效、快捷的斱法,克服了去壁低渗Giemsa染色法操作难度大、耗时长的不足,缺陷是不能获得更详细的染色体特征信息。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

新型果园宽幅联合仿形修剪机设计与研究

针对目前修剪机修剪形状单一,适应性差,修剪机械通用性能低的问题,通过理论分析、三维模型设计、性能试验相结合的方法,设计针对新型果园的宽幅联合仿形修剪机。主要对该整机的机架结构、切割装置、传动系统、液压系统进行了设计,并分别对机架结构和切割装置的机构进行运动分析。试验结果表明:该修剪机切割高度范围为500～4 000 mm,向左最大移动幅度为1 530 mm,向右最大移动幅度为740 mm,左右最大摆角幅度为±25°,最大切割直径为60 mm,修剪漏割率为7.3%,修剪合格率为90.9%,切割断面质量和修剪形状符合农艺学的要求。该机适应性强,通用性能高,能满足多种修剪树形的需要。     

仙客来高效离体繁殖体系研究

以仙客来的幼嫩健康叶片为材料,探索了不同种类和浓度的植物激素组合对愈伤组织诱导的影响。结果表明,最佳激素组合为1/2MS+3.0%糖+0.8%琼脂+2,4-D 2 mg/L+BA 0.2 mg/L+KT 0.2 mg/L。在离体培养前将植株遮光处理24~26 h,再通过黑暗低温和光照升温培养"二步法"高效诱导仙客来愈伤组织和芽的形成,可有效抑制外植体褐化,繁殖系数高,并能保存F1代的原有性状和杂种优势,为仙客来种苗的工厂化生产提供关键技术支撑。     

基于双向准Z源逆变器的无刷直流电机驱动系统研究

针对农用电动运输车直流电源电压降落而导致的动力降低,以及车辆行驶工况复杂多变等问题,设计一种基于双向准Z源逆变器的无刷直流电机驱动系统。以STM32F103C8T6为控制器,完成驱动系统的硬件电路设计。通过直流母线方波升压和SVPWM控制策略,使无刷直流电机驱动系统具有ON-PWM斩波、准Z源方波升压、准Z源SVPWM三种驱动模式。最后搭建驱动系统的试验平台,取直流电源电压U_(dc)=24 V,直通占空比D_0=0.2,准Z源方波升压和准Z源SVPWM都将逆变桥的直流母线电压提升至40 V以上,有效解决直流电源电压降落的问题。驱动系统根据加速、爬坡、重载等具体工况快速、准确地切换工作模式,满足车辆的动力需求,提高车辆行驶的安全性和可靠性。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。     

文心兰高效再生体系的建立

[目的]建立文心兰高效再生体系,为利用转基因技术进行品种改良提供科学依据.[方法]以文心兰柠檬绿的无菌苗叶片为材料,探讨不同植物生长调节剂配比对其原球茎诱导的影响,开展增殖、生根及移栽研究,建立其高效稳定的再生体系.[结果]影响文心兰原球茎诱导的3种植物生长调节剂主次排序为萘乙酸(NAA)>噻苯隆(TDZ)>6-苄氨基嘌呤(6-BA),在1/2MS培养基中添加0.5 mg/L NAA、0.5 mg/L 6-BA和0.3 mg/L TDZ的诱导率最高,达48.0%.培养基中活性炭含量及碳水化合物种类对文心兰原球茎增殖的影响存在明显差异,不同活性炭含量处理间的原球茎增殖系数存在显著差异(P<0.05,下同),添加1.0 g/L活性炭较添加0.5 g/L活性炭的增殖系数显著升高,不同碳水化合物种类间的原球茎增殖系数排序为海藻糖>麦芽糖>蔗糖,最佳增殖和分化培养基为1/2MS+4.0 mg/L 6-BA+0.4 mg/L NAA+1.0 g/L活性炭+20 g/L海藻糖.添加10%椰子水的文心兰幼苗生根数显著高于添加10%香蕉汁和10%苹果汁,每株平均生根量接近4.00条,即生根效果最佳的培养基为1/2MS+0.8 mg/L 6-BA+0.2 mg/L NAA+10%椰子水.移栽过程中根部用水苔包裹后再移至椰糠中,保证光照、水分适宜,适当添加缓释肥,移栽成活率可达100%.[结论]利用海藻糖或麦芽糖作为碳源的文心兰原球茎增殖效果较优,生根数和生根质量优势明显;不同植物生长调节剂配比、碳源和有机物的添加对文心兰组织培养具有明显的促进效果.