基于4种不变矩和BP神经网络的稻飞虱分类

针对稻飞虱远程实时识别采集图像质量不高的问题,研究了基于不变矩提取形状特征值对稻飞虱进行分类。采用自行设计的拍摄装置采集稻飞虱图像,进行灰度化后用大津法二值化,再用数学形态学滤波;对二值图像采用Hu矩、改进Hu矩、Zernike矩和Krawtchouk矩4种不变矩分别提取特征值,再用BP神经网络进行训练和测试,以此检测4种矩的提取效果。试验用Matlab2008验证算法,对白背飞虱、褐飞虱和灰飞虱共300个样本进行了训练和测试,结果表明Krawtchouk矩提取稻飞虱图像形状特征值的识别率最高,总体达到了91.7%。该文可为大田中现场识别稻飞虱提供参考。     

暗期补光对黄瓜幼苗形态调节效果及综合评价

为确定暗期延时补光调节黄瓜幼苗形态的最优光质和补光时长,采用L1(70%R,30%B)、L2(80%R,20%B)、L3(90%R,10%B)L4(100%R)4种发光二极管(light emitting diodes,LED)光源对"津春四号"黄瓜幼苗进行2 h(19:00-21:00)、4 h(19:00-23:00)和6 h(19:00-01:00)时长的暗期延时补光,以无暗期补光为对照,研究暗期延时补光对黄瓜幼苗形态的调节,并利用综合评价法分析暗期延时补光对幼苗形态的影响。结果表明,暗期延时补光时长和补光光质对黄瓜幼苗下胚轴长、苗高和茎粗的交互影响极显著,对幼苗壮苗指数的交互影响显著;L2光质补光4 h幼苗综合评价值最大;L4光质补光可促进前期(一叶期和二叶期)幼苗叶面积和茎粗的增加,L2光质补光可促进后期(成苗期)幼苗叶面积和茎粗的增加,该研究结果为暗期补光培育黄瓜幼苗以及开发光形态调控补光装置提供依据。     

基于EDEM-Fluent的气动式鱼塘投饲机性能优化

为提高气动式鱼塘投饲机抛料均匀性,提高饲料利用率,利用EDEM-Fluent耦合方法对投饲机抛料过程进行性能分析和数值模拟,研究造成抛料分布不均匀的主要原因,并对投饲机结构进行优化改进。在此基础上设计三元二次回归正交旋转组合试验,研究设计参数外腔体半径R_o、外腔体高度h_o、导流板圆心角α等对抛料均匀性的影响,建立饲料颗粒周向分布变异系数C_v与因素R_o、h_o、α之间的二次多元回归模型并解析,确定最优设计参数组合并进行场地验证试验。结果表明,各因素对周向分布变异系数的影响程度由大到小为:导流板圆心角α、外腔体半径R_o、外腔体高度h_o,当R_o取77.00 mm、h_o为85.40 mm、α为93.20°时C_v最小,其理论结果为14.13%,验证试验结果为15.08%,与模型理论值相吻合,与未优化前相比C_v降低50.50个百分点。表明基于EDEM-Fluent耦合方法进行气动式投饲机抛料性能参数优化改进是可行的。     

果园风送式施药雾滴在冠层内沉积分布规律

为探究果园风送施药雾滴在梨树冠层内的穿透规律和冠层各区域沉积药量分布,通过田间试验研究风送式喷雾机典型工况下,单、双侧风送式施药雾滴在梨树冠层不同区域的沉积分布规律。结果表明:风送喷雾机不同风送状态下,果园树冠内各截面雾滴覆盖均沿风送方向呈现递进减弱关系。风机单侧施药、转速为1 300r·min-1时,靠近喷头的C环前半层的雾滴覆盖率达26.1%,C后层约为7.35%;喷雾机双侧施药,树冠内各层雾滴覆盖均沿风送方向呈现"V字"分布。单、双侧施药时,药液在叶片正反两面覆盖均存在互斥行为,正面沉积越多的叶片,反面沉积越少。风机转速提高至1 300r·min-1时可以改善正反面覆盖均匀性。     

种鹅舍环境智能监控系统的研制和试验

针对种鹅反季节繁殖生产中硬件设备功能低下、难以实施舍内环境操作的适时精细调控、难以获取记录舍内环境数据进行问题溯源等问题,提出一种专门应用于种鹅反季节繁殖生产舍的环境智能监控系统。该系统通过BP神经网络建立温湿度智能调控模型,取代人工手动操作以满足舍内环境要求。通过GPRS模块无线传输舍内环境参数,并利用其GSM功能通过移动终端远程控制风机、照明、水泵等设备。以EXT、Hibernate和Spring为基本框架技术,构建了轻量级、强壮的多级缓存的J2EE企业级Web应用程序,实现鹅舍环境参数的远程监控,并与现有商用人工控制器进行了现场试验和性能对比。试验结果表明:该智能监控系统长期运行稳定、可靠,能够满足鹅反季节繁殖对光照和温湿度的环境调控要求。与人工粗略控制、上海梵龙的畜禽控制器相比,控制精度分别提高5.49%和2.83%。在夏季风机湿帘负压通风降温时测定的舍内温度相对于设定值的均方根误差分别为0.202、0.494、0.372℃,相对湿度相对于设定值的均方根误差分别为1.745%、3.166%、2.621%,控制效果显著优于人工粗略控制和现有控制器(P0.05)。在精准的光照调控下,种鹅均能按预期的时间开产,并在高峰期长期维持产蛋率35%~45%,表现出稳定、良好的产蛋性能。     

基于SOFM神经网络的茄子图像分割方法

以将茄子图像从复杂的背景中分割出来为目的,在分析茄子图像色差和色相的基础上,选取R—B、G—B和H作为自组织特征映射（SOFM）网络的输入特征向量,利用该网络自组织学习的特征进行聚类。采用信噪比、面积比、分割时间和傅里叶边界描述子等指标来评价分割精度。试验证明,基于SOFM神经网络图像分割评价优于单一闽值分割,适合复杂背景的彩色图像分割。     

水稻飞虱图像几何形状特征的提取

在用迭代阈值法分割图像的基础上,对飞虱图像的几何形状特征和不变矩的提取及测量进行了研究。提取了4项稳定性较高的相对特征,包括延长度、球状性、叶状性和似囱度,而与周长有关的参数不适合描述形态特征,误差较大的不变矩参数也不宜作为描述的依据。     

池塘水产养殖精准投喂系统研制与试验

针对传统池塘养殖多依靠经验粗放式投喂而导致生产效率低、环境压力大、养殖风险高的问题，该研究提出一种适配池塘养殖的精准投喂系统。该系统主要包括水质监测、决策控制、驱动执行和远程监控等模块。以影响鱼类摄食需求的关键因子溶解氧、温度、体质量等为输入参数，以摄食需求量为输出参数，基于蚁群优化算法的模糊PID控制技术实现精准投喂。为验证系统的实用性和有效性，以精养草鱼为对象开展池塘养殖对比试验，从调控性能、生长性能、经济效益和环境效益等方面进行综合评价。结果表明：所提出的精准投喂系统控制性能稳定可靠，控制误差小于7%，与传统投喂系统相比，Nash-Sutcliffe效率系数（N_NS）提高至0.913，均方根误差（R_RMSE）降低16.10。草鱼生长参数不存在显著差异性（P>0.05），但饵料系数显著降低11.73%（P<0.05），养殖收益提高1.46万元/hm²，吨产减排约241.40 kg。所研制的精准投喂系统具有较好的综合应用性能，可为其他养殖模式、鱼类精准投喂设施研发提供参考和技术支持。     

基于傅里叶描述子的稻飞虱形状识别

分析了具有旋转、平移和尺度变换不变性,并且与边界的起点位置无关的归一化傅里叶描述子,并把傅里叶描述子及欧氏距离应用于稻飞虱的形状识别中,通过计算同一形状和不同形状的平均离散度检验了归一化傅里叶描述子系数的稳定性,从而确定形状系数基准值.对191张样本图像进行了测试,当相似度差异小于0.0123时,稻飞虱误判率为7.85%.结果表明,归一化傅里叶描述子具有高效的识别性能.