改进YOLOv5识别复杂环境下棉花顶芽

为提高复杂环境下棉花顶芽识别的精确率,提出了一种基于YOLOv5s的改进顶芽识别模型。建立了田间复杂环境下棉花顶芽数据集,在原有模型结构上增加目标检测层,提高了浅层与深层的特征融合率,避免信息丢失。同时加入CPP-CBAM注意力机制与SIOU边界框回归损失函数,进一步加快模型预测框回归,提升棉花顶芽检测准确率。将改进后的目标检测模型部署在Jetson nano开发板上,并使用TensorRT对检测模型加速,测试结果显示,改进后的模型对棉花顶芽识别平均准确率达到了92.8%。与Fast R-CNN、YOLOv3、YOLOv5s、YOLOv6等算法相比,平均准确率分别提升了2.1、3.3、2、2.4个百分点,该检测模型适用于复杂环境下棉花顶芽的精准识别,为后续棉花机械化精准打顶作业提供技术理论支持。     

基于磁导引的履带式小车作物图像自动采集系统设计与试验

为实现自动高效获取农作物的生长图像,设计了1种适用于旱田作物的高通量履带式小车图像采集系统。系统采用磁导引传感器和磁条实现小车在田间按路径自动行走;采用履带式小车底盘结构以保证系统在田间复杂环境下能稳定运行;在小车支架两侧分别安装俯视和侧视相机,可同时采集2个作物行的俯视图和侧视图,以提高工作效率;运用无线通信技术远程监控小车运行情况;系统顶端安装太阳能电池板,为小车在运行时补充电能。以盆栽玉米植株为研究对象,用该系统采集了玉米幼苗期到抽穗期的植株图像,结果表明,该系统运行稳定可靠,在旱田以0.1m/s速度作直线行驶时,绝对误差小于2cm,最小转弯半径为0.5m,连续采集模式下单个相机采集效率为30张/min,能满足实际需求。     

蔬菜嫁接机器人视觉系统的研究(Ⅰ)--用图像形态学方法检测瓠瓜苗生长点

研究设计了蔬菜嫁接机器人的视觉系统。利用目标与背景颜色不同的特点实现了图像分割，并用图像形态学方法寻找到嫁接苗（瓠瓜）生长点的位置，获得了满意的结果。     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

城乡空间融合视野下的城市区域绿地景观形象塑造——以广州花都区为例

从城乡空间融合的角度出发,以广州花都区为例,分析了区域绿地景观格局现状、存在问题以及区域特色绿地景观元素的提取,通过"渗透"、"环绕"、"多样复合",塑造花都"山、水、田、城融合"的连续统一、网络状、可渗透的城市区域绿地景观形象。     

基于多重分形理论的原木CT腐朽图像分析与处理

使用计算机断层扫描技术进行原木无损检测,采用多重分形频谱分析方法可以对原木CT图像进行有效的边缘检测,该方法首先计算图像各像素点的H lder指数α(x,y),然后估计出其多重分形频谱f(α)的值,对图像的像素点进行分类,f(α)=1为平滑边缘点,1≤f(α)<1.5为奇异边缘点。根据多重分形理论,平滑点和奇异点的集合即为图像的边缘点。实验结果表明,该方法对原木CT图像的边缘检测具有良好的效果,并具有较好的局部性,为原木CT图像的边缘检测提供了一种新方法。     

基于数学形态学的植物叶柄与叶片分割

叶柄与叶片的分割是进行植物叶特征提取关键的一步.为此,介绍了基于数学形态学的植物叶柄与叶片的分割方法,通过二值化处理、数学形态学处理,能够有效地分离叶柄和叶片.其中,二值化处理采用动态阈值,使得该方法能够适用于不同颜色的植物叶;数学形态学处理采用动态十字形模板,使得该方法能够适用于不同尺寸的植物叶.     

Assessment of watercore development in apples with MRI: Effect of fruit location in the canopy

Watercore distribution inside apple fruit (block or radial), and its incidence (% of tissue) were related to the effect of solar radiation inside the canopy as measured by a set of low-cost irradiation sensors. 221 samples were harvested in two seasons from the top and the bottom of the canopy and submitted to the non-invasive and non-destructive technique of magnetic resonance imaging (MRI) in order to obtain 20 inner tomography slices from each fruit and analyze the damaged areas using an interactive 3D segmentation method. The number of fruit corresponding to each type of damage and the relevant percentage were calculated and it was found that apples from the top of the tree were mainly of the radial type (84%) and had more watercore (approx. 5% more) than apples from the bottom (65% radial). From the image segmentation, the Euler number, a morphometric parameter, was extracted from the segmented images and related to the type of watercore symptoms. Apples with block watercore were grouped in Euler numbers between −400 and 400 with a small evolution. For apples with radial development, the Euler number was highly negative: up to −1439. Significant differences were also found regarding sugar composition, with higher fructose and total sugar contents in apples from the upper canopy, compared to those in the lower canopy location. In the seasons studied (2011 and 2012), significantly higher sorbitol and lower sucrose and fructose contents were found in watercore-affected tissue compared to the healthy tissue of affected apples and also compared to healthy apples.     

兔肺静脉心肌袖与心律紊乱相关的形态学研究

目的观察肺静脉心肌袖的组织学形态特性,以了解异位兴奋和局灶性房颤起源于肺静脉的形态学基础。方法取20只健康家兔的左心房和肺静脉,通过HE染色、Masson染色进行组织学研究,并用图像分析比较形态学差异。结果肺静脉心肌袖心肌纤维集合成束,走行不规则、方向各异;心肌袖组织中可观察到染色浅淡的苍白样细胞,与P细胞相似,成群或成对孤立存在;横切面肺静脉心肌袖心肌细胞的胞浆面积小、核面积小、核浆比值小、核圆形度大、核周长短,与左心房心肌细胞比较,差异有统计学意义(P<0.01)。结论肺静脉根部存在心房肌的延伸即心肌袖,其心肌纤维分布不均匀,走行方向各异,可能是电传导不均一、各向异性的原因;苍白样细胞的存在可能是引发异位兴奋和局灶自律性升高的形态学基础;肺静脉心肌袖心肌细胞体积较小,胞核较圆。