马铃薯薄片干燥过程形态变化三维成像

为研究马铃薯薄片在干燥过程中形态变化规律,该文利用Kinect传感器搭建了图像采集平台,研究其在不同干燥温度下(50、60、70、80℃)的形态变化规律。通过图像采集平台获取马铃薯薄片深度图像和彩色图像,利用彩色图像确定感兴趣区域,对对应区域的深度图像进行灰度值拉伸、阈值分割、边缘去噪处理,进而提取特征,计算出正投影面积的收缩率、深度均值及标准差,以表征马铃薯干燥过程中表面卷曲及平整度等形态指标的变化规律。对不同干燥时间点马铃薯片进行三维图形显示可观察其变化规律明显。统计结果表明:低温(50、60℃)与高温(70、80℃)对马铃薯薄片干燥时的收缩率、卷曲程度具有显著影响(P0.05)。50℃时收缩率为54.97%,80℃时收缩率升高为64.55%;干燥温度与马铃薯片卷曲程度呈先升后降的关系,60℃时卷曲度最大,其深度均值为27.81 mm,80℃时降低到18.86 mm。而四组温度下,马铃薯薄片的平整度具有显著性差异(P0.05),50℃时马铃薯片深度值的标准差为7.99 mm,80℃时降低至5.71mm,说明平整度随着干燥温度升高而增加。该研究可为马铃薯薄片干燥过程中形态变化的检测提供参考,同时为干燥工艺的智能化控制提供技术依据。     

基于BP神经网络和概率神经网络的水稻图像氮素营养诊断

【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm^2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。     

基于太赫兹成像技术的大豆叶片水分含量测定

为了实现叶片水分含量的快速、精准检测,提出一种基于太赫兹成像技术的大豆叶片水分含量测定方法。利用太赫兹光谱成像系统获取96份大豆叶片太赫兹图像,采用干燥法测量叶片含水率,通过主成分分析(PCA)提取出水分敏感特征波段0.557、1.098、1.163 THz,对这3个特征波段下的叶片图像采用自适应阈值分割法,将其分为叶脉图像与叶肉图像,分别求取各自的图像灰度特征,并分为叶片特征组(G1)、叶脉特征组(G2)和叶肉特征组(G3)。分别采用多元线性回归(MLR)、反向传播神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)算法,以上述3个特征组作为输入,构建出9种大豆叶片水分预测模型。对比分析各模型性能,发现基于G3的LS-SVM模型预测结果最好,校正集和预测集的决定系数和均方根误差分别为0.967 8、0.963 2,0.057 8、0.046 5。试验结果表明,利用太赫兹成像技术来检测叶片中的水分含量具有非常高的预测精度,为作物叶片水分含量测定提供了一种行之有效的检测手段。     

基于机器视觉的小粒咖啡豆的检测技术

设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。     

天水市日照时数的气候变化特征

选取天水市7个气象站1965-2011年日照时数资料,采用累积距平、Mann-Kendall突变检验法和Morlet小波等方法,分析天水市日照时数的气候变化规律。结果表明, 天水市年平均日照时数总体呈减少趋势。1965-1980年,日照时数呈增加趋势;1981-1992年呈减少趋势;1993-2008年呈增加趋势;2009年以后又趋于减少。日照时数的变幅最大的季节为夏季,春季的日照时数变化呈上升趋势,其余各季都呈下降趋势。小波分析得出天水市的全年和各季的日照时数大部都存在小尺度的准周期变化,冬季存在中尺度的周期变化,夏季在年代际的变化上存在准27年的周期变化。对日照时数气候变化的空间分析表明, 天水市整体平均日照时数呈下降趋势,有局部地方和整体趋于的气候变化趋势不完全相同,天水北部的变化趋势更加显著。     

基于MatLab的颗粒饲料休止角试验研究

颗粒饲料休止角对饲料储料箱设计、自动化饲喂站、投料装置设计等工程实践有重要指导意义。为实现休止角的快速准确测量,探究颗粒饲料休止角与粒径、表面能之间的关系,利用物理试验与离散元仿真相结合的方法对颗粒饲料堆进行基于MatLab图像处理的休止角测定。由于传统休止角的测量存在系统误差和测量精度低的问题,本文提出一种基于MatLab图像处理方法的休止角测定,利用傅里叶级数对堆积图像进行轮廓拟合,利用拟合曲线的单边斜率求出休止角大小,操作便捷,可提高测量精度。基于这种方法,对颗粒饲料堆进行分析,探究了颗粒粒径对休止角的影响并进行仿真试验,利用EDEM以物理试验得到的休止角为目标值进行仿真试验,以休止角作为参照,标定接触模型JKR表面能。试验结果表明：6.5mm颗粒饲料实际休止角为34.992°,仿真休止角为34.9535°;5mm颗粒饲料实际休止角为36.9797°,仿真休止角为35.2603°;3.2mm颗粒饲料实际休止角为37.9186°,仿真休止角为36.092°。休止角仿真结果与实际试验结果较为接近,两者的绝对误差分别为：6.5mm对应0.11%,5mm对应4.65%,3.2mm对应4....     

果蝇求偶行为计算机检测识别方法

为解决果蝇求偶行为难以检测与识别的问题,探讨了基于图形图像处理技术的果蝇求偶行为的微机检测与识别的方法与步骤:包括用动态恢复背景的方法进行背景恢复、果蝇身体提取、合成果蝇个体二值图像、翅膀提取等.设计了求偶果蝇检测算法,并基于VC++和Opencv开发系统予以实现.结果表明,该方法克服了人工识别费时费力的问题并具有较高的可靠性.该研究结果可以扩展,在生物及细胞的表型与行为认知中得到广泛应用.     

基于图像处理的蜻蜒自动识别系统研究

研究了蜻蜓图像的自动识别技术,构建了基于浏览器/服务器(B/S)架构的蜻蜒自动识别系统.通过分析蜻蜒彩色图像的颜色和灰度特征,利用灰度阀值分割法去除图像背景,然后计算蜻蜒的几何不变矩纹理特征,将结果与建立的蜻蜒样本数据库数据进行相似度计算,确定蜻蜓种类.结果表明,该系统能够获得较好的识别效果,为昆虫识别的研究提供新的手段.     

基于图像特征的花生贮藏时间识别方法研究

贮藏时间对花生的品质存在影响,这种影响和表皮的色泽变化存在相关性。为了利用视觉技术快速检测花生贮藏时间,进行了不同包装方式下的花生常温贮藏试验,研究了花生表皮颜色、光泽随贮藏时间的变化规律。结果表明：不同包装的花生其颜色、光泽反映出相同的变化规律。最后,以室温贮藏、薄膜包装花生为例,利用马氏距离判别准则建立了H、S、V...     

基于GMM的黄瓜病害图像建模

通过对黄瓜病害图像的准确分析,有效提取了图像的底层特征,建立了8种常见黄瓜病害的高斯混合模型（Gaussian Mixture Model,GMM）,并利用最大期望算法（Expectation-Maximization,EM）估计GMM的参数,精确描述了8种黄瓜病害的特征分布,从而提高了对黄瓜病害的正确识别和为害情况的准确把握,为实现黄瓜病害的实时与准确的预测和防治提供了理论依据。