细榧物质特性分析

对产自绍兴、嵊州和临安的香榧中的细榧进行了物质特性(外形参数及其物理特性)测定并进行分析讨论。试验结果表明:外形尺寸中细榧短轴尺寸大小与其质量之间的相关性最高。因此,细榧初级方法可以根据短轴尺寸来分级。另外,对细榧青果的轴向施以挤压和剪切力可以取得良好的去皮效果而且不易破坏其坚果壳。该研究可为细榧生产、去皮加工及分级提供一定的借鉴。     

自主导航农业车辆的全景视觉多运动目标识别跟踪

为提高自主导航农业车辆导航路径的准确性和行驶作业的安全性,提出自主导航农业车辆的全景视觉多运动目标识别跟踪方案。该方案采用全景视觉进行无盲区的多运动障碍目标的检测,并解决了多运动目标跟踪中遮挡重叠的问题。首先系统将多目相机采集的图像拼接成全景图像,采用分段图像的改进核函数算法对运动目标进行快速自动检测跟踪;其次采用基于路径预测的粒子滤波算法进行多运动目标跟踪并解决遮挡重叠的问题。通过试验表明:采用改进的核函数目标快速跟踪算法,与传统核函数跟踪算法相比,减少系统内存消耗66.8%,加快运算速度35.63%;采用基于路径预测的粒子滤波多目标跟踪算法,在多运动目标遮挡重叠的情况下,平均提高运动目标跟踪成功率39.5个百分点,算法平均耗时0.78s。     

基于参数化遗传神经网络的植物病害预测方法

将混合神经网络(PFNN—FG)技术应用于植物病害预测，其输入矢量含模糊分量，遗传算法优化配置各参数。变形Sigmoid函数用于不同的隐含层，构成参数化神经网络。网络的输入层引入模糊集合理论，使网络能处理语义变量。将PFNN—FG和其他神经网络(如前向神经网络、径向基神经网络等)用于大豆基准问题进行分析比较，结果是PFNN—FG在精度和训练速度上优于其他网络。将PFNN—FG和前向神经网络用于2组黄瓜霜霉病数据，前者测试组的均方根误差小于后者。     

基于单目视觉与超声检测的振荡果实采摘识别与定位

针对采摘机器人在果实振荡情况下因难以精确定位影响采摘效率的问题,提出了一种基于单目视觉与超声检测的振荡果实识别与定位方法。首先对采集的振荡果树图像序列进行基于色差R-G的Otsu阈值分割和形态学处理,接着对图像果实区域进行灰度填充,将处理后的图像序列叠加得到复合图像和目标果实运动区域,求取振荡果实在图像运动区域的二维平衡位置坐标。然后机械手在视觉引导下运动,其末端指向振荡果实二维平衡位置坐标,同时超声传感器检测目标果实深度信息并提取超声回波信号峰峰值进行果实识别,当检测到果实处于适合采摘位置时,机械手爪抓取果实。采摘试验表明,采摘成功率为86%,验证了所采用方法的有效性,为实现采摘机器人实用化提供了参考。     

1GH-6型水田化肥深施机应用效果分析

阐述了研制的1GH－6型水田化肥深施机的工作原理，主要结构和工作性能，对该机对水稻生长的影响进行了实验分析。结果表明，与常规人工撒施肥相比，应用1GH－6型水田化肥深施机不但节省肥料，而且可以增产。在相同施肥量的情况下，用机械深施基肥可增产5％－10％，而在保持产量不减的情况下，可节约肥料20％。另外，机械化肥深施还可以增加水稻有效分蘖和有效穗，使作的生长平稳，株高适当。     

基于图像处理技术的麦穗产量测量方法

选用9918小麦品种,利用Matlab图像处理技术,对小麦穗头图像的纹理特征与产量的关系作了初步研究。研究结果表明：穗头图片各纹理特征参数值（灰度均值、方差、平滑度、三阶矩、一致性、熵）与穗头产量均呈显著相关;用多元线性回归方法建立的穗头图像纹理-产量数学模型,在置信度为95%时,复相关系数为0.9807;对于产量大于、等于1.06g的本品种穗头,用建立的模型测穗头产量,精度达15%以上的样本占84.42%。     

基于颜色信息和形状特征的棉桃识别方法

为了给机械手自动采摘棉桃提供运动参数,提出了一种棉桃识别方法,可以从背景环境中准确识别棉桃,获取棉桃准确的位置信息。通过对棉花不同部分颜色数据的分析,建立了基于色差信息的识别模型,为进一步提高识别准确性,利用形状特征建立动态Freeman编码方法去除噪声。实验结果表明这种方法具有良好的棉桃识别效果,识别率达到85%。     

牛肉颜色的HSL特征分析

掌握牛肉肌肉的颜色特征有助于进一步的图像分析.为此,利用C#平台编制程序,对牛肉图像中的肌肉像素进行了随机抽样,并用统计学中的矩估计法和极大似然法对肌肉的HSL各分量的上下限进行了界定,最后进行图像分割来证实这些数据的正确性.结果证实,用亮度值(L)或饱和度值(S)来区分图像中的肌肉和脂肪更合适.     

农用机器人DGPS导航方法及数据采集

介绍了农用机器人DGPS的导航方法,以及利用VC++实现导航数据的采集的方法。实验结果证明农用机器人差分导航系统能大大提高GPS定位精度,达到农业生产的要求。     

田间早期成熟棉花识别研究

利用田间早期成熟棉花表面颜色与背景颜色存在较大差异的特点,在统计分析和试验的基础上,建立了利用过绿颜色特征(ExG)进行棉花识别的视觉模型。试验结果表明该模型可以完成棉花的识别。