基于融合多特征图切割的作物病害图像自动分割

为提高黄瓜叶部病害图像的分割性能,该文提出一种基于融合多特征图切割的病害图像自动分割方法。首先采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理;然后融合纹理、灰度、距离3个特征构建能量函数的边界项,描述像素间的相似性;再利用分割区域像素与区域边界像素的红色分量差值自动建立能量函数的区域项,反映像素归属于背景和目标的程度;最后运用最大流算法求解能量函数得到分割结果。将该方法应用于黄瓜3种病害(靶斑病、霜霉病和白粉病)叶部图像分割中,并与OTSU算法及半自动图切割算法的分割结果进行比较。试验结果表明,该方法的平均错分率为1.81%,低于其他2种算法,平均分割速度约为2.34 s并无大幅增加。该研究可为黄瓜病害的自动识别和诊断提供技术参考。     

基于MDMP-LSM算法的黄瓜叶片病斑分割方法

在复杂背景中有效分割作物病斑是解决作物病害识别的关键问题。针对这一问题,该文提出了一种全新的多域多相水平集方法。利用病斑在空间位置上处于叶片轮廓内的特点,构造出基于内部顺序的多相水平集模型。为了加强该模型对复杂背景下作物叶片病斑的分割能力,首次在该模型中引入多个空间域,构造出新的多域多相水平集模型,使内外水平集函数分别在不同空间域中进行演化。试验结果平均分割准确率为93.3%,较好地从复杂背景图片中提取出病斑,为病害诊断奠定了基础。     

水稻病虫草害本体的构建研究

立足于水稻病虫草害领域信息知识的特点,基于本体理论方法,在水稻专家的参与下,形成水稻病虫草害领域知识概念体系,并以病害为例,构建了基于本体的比较完善的水稻病害领域知识组织体系,探索并揭示水稻领域本体的关键性问题,为其他领域本体的构建提供有章可循的方法和技术路线.     

人工智能与农业传感器发展探讨

<正>人工智能是一门融合了计算机科学、统计学、脑神经学和社会科学的前沿综合性学科。人工智能最早的奠基人是图灵,他提出了著名的图灵测试。图灵认为,一个人和一个计算机对话的时候,在这个人不清楚对方是计算机的情况下,如果这个人感觉不到是在跟机器说话,而是跟人对话一样,那么就可以认为这个机器就具备智能,否则的话就不具     

农业市场信息搜索平台

目前.我国建有15000余个涉农网站,积累了丰富的农业技术、农产品价格信息、供求信息、政策法规、农业新闻等信息资源.据不完全统计,到2007年8月,全国有7万多农业产业化龙头企业、15万左右农村合作及中介组织、近100万经营大户、200多万农民经纪人能够定期使用这些信息资源.为此建立一个农业市场信息搜索平台能极大满足市场需求,能为广大农业市场信息用户提供极大便利.     

基于浅层语义的农业FAQ检索系统

本文提出了一种基于浅层语义的FAQ检索模型.该模型以自然语言为接口,利用"知网"和农业本体,首先从用户输入中抽取农业领域概念词,然后根据这些概念词从系统数据库中检索出一个候选QA对的小集合,通过计算输入问句与候选QA对的语义相似度,选择一些与输入问句接近的问题,以及对应的答案返给用户.     

基于加权局部线性嵌入的植物叶片图像识别方法

局部线性嵌入(LLE)是一种经典的流形学习算法,它通过保持近邻样本点之问的最小重构权值不变,将原始样本点投影到低维空间.但由于 LLE对噪声比较敏感,为了提高LLE的鲁棒性,提出了一种加权LLE (WLLE)算法.首先,利用热核函数计算每个样本点的重要性值;然后将每个样本点的重要性值加入到LLE算法的代价函数中,使得噪声点和样本外点得到了很好抑制.最后由真实的植物叶片图像数据库上的实验结果证实了WLLE算法的有效性和可行性.     

基于限制EM算法的猪肉预冷过程分析

为了分析肉类加工企业的少量猪肉预冷试验数据,提出了一种预冷过程建模策略。定义了2种预冷过程向量：基于温度梯度的降温过程向量和基于当前损耗的损耗过程向量,分别用于描述胴体热量散失和物质流失规律。针对每条试验记录均包括有风和无风2种工况,给出结合限制的EM算法来同时拟合：E过程构建有风预冷过程向量,M过程构建无风预冷过程向量;E过程和M过程中均施加2个向量间的偏序限制,均以云进化算法CBEA为优化算法。基于37条试验记录构建了预冷过程向量,并用来模拟猪胴体的预冷过程,降温过程拟合的平均误差为0.93℃,损耗过程拟合的平均误差为1.51‰。企业可以使用该策略分析实际猪肉预冷过程数据。     

自动导引车视觉导航的路径识别和跟踪控制

视觉导航AGV利用机器视觉获取路径信息.经图像处理得到导航参数.为保证路径识别的鲁棒性和实时性,对路径图像进行滤波、二值化、数学形态学运算和实时性处理;并设计了PID控制器,根据导航参数控制电动机以实现AGV对路径的跟踪.仿真和实验结果表明.采用此种图像处理和控制方法的AGV具有较为准确和可靠的路径识别和跟踪效果.     

基于混合颜色空间和双次Otsu的黄瓜靶斑病图像分割

为快速、准确地分割黄瓜叶部病害图像,提出一种基于混合颜色空间的双次Otsu算法。算法根据病害图像各部分的颜色特征,首先选取原始彩色图像的R分量进行初始Otsu分割和形态学相关操作,将R分量图分割为背景类和非背景类;然后选取非背景类图像的Cr分量进行第2次Otsu操作,将非背景区域分割为正常叶子类和病斑区域类,得到最终的分割结果。将该算法应用于黄瓜靶斑病图像的分割中,并与R_Otsu算法、H_Otsu算法以及图切割算法进行比较。试验结果表明:与对比算法相比,本算法在分割精度及处理速度2方面的综合分割性能最优,错分率均值和方差分别为2.12%和0.08%,平均处理时间0.2s,算法对光照变化具有一定的鲁棒性。本研究算法可为自然光照条件下黄瓜病害图像实时、准确分割提供技术参考。