基于卷积神经网络的生菜多光谱图像分割与配准

针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割。使用Canny算法对多光谱各通道图像进行边缘提取,进而使用相位相关算法对多光谱各通道图像进行配准,单幅图像平均处理时间0.92s,配准精度达到99%,满足后续图像分割所需精度;以VGG16作为主干特征提取网络,直接采用两倍上采样,使最终输出图像和输入图像高宽相等,构建优化的UNet模型。实验结果表明：本文所提出的图像配准和图像分割网络,分割像素准确率达到99.19%,平均IoU可以达到94.98%,能够很好地对生菜多光谱图像进行前景分割,可以为后续研究作物精准表型的光谱分析提供参考。     

基于改进Unet的小麦茎秆截面参数检测

针对小麦茎秆截面显微图像分割过程的复杂性,融合ResNet50和Unet网络构建维管束和背景区域的语义分割模型Res-Unet,搭建对小麦茎秆截面、髓腔、厚壁和背景的语义分割模型Mobile-Unet,可实现对小麦茎秆截面尺寸、髓腔尺寸和维管束面积等微观结构参数的检测。针对小麦样本数据集,通过深度学习中迁移学习的共享参数方式,将训练好的ResNet50网络权重应用到茎秆截面切片图像的网络模型上。结果表明,与同类方法相比,相关参数在精度上均有较大提升,全部参数的识别率超过97%,最高可达99.91%,平均每幅图像检测只需21.6s,与已有图像处理方法（110s）相比,处理速度提升了80.36%。模型评估的准确率、召回率、F1值和平均交并比均达到90%。本文方法可用于小麦茎秆微观结构的高通量观察和参数测定,为作物抗倒伏研究奠定了技术基础。     

基于“淹没法”的双孢菇检测及直径测量方法

随着双孢菇种植面积和产量的增长,智能化采摘机器人的需求已迫在眉睫。为了给采摘机器人提供作业目标和参数信息,通过对双孢菇(白菇)深度图像进行处理和分析,实现了目标检测和直径测量。首先,根据双孢菇三维纵深结构特点,开发了“淹没法”双孢菇-菇床基质分割方法,实现了双孢菇的准确检测;然后,通过坐标变换,得到双孢菇菇盖边缘点的世界坐标,利用Hough圆检测实现双孢菇的直径测量。试验结果表明:此方法双孢菇检出率89%以上,漏检率低于11%,错检率低于2.26%,直径测量误差为2.15%~3.15%,单个蘑菇运算耗时约0.26~0.37s,可为双孢菇机械化采收提供在线、实时的信息决策支持,提高了双孢菇采收质量和效率,并有助于提高双孢菇采收机器人的智能化水平。     

偏振光谱在枣叶无损检测中的应用

红枣通过光谱无损检测技术可以快速预测红枣水分、糖分等参量,而将偏振光谱技术应用于红枣叶片的无损检测可以快速对枣叶的水分、叶绿素进行预测,进而预测枣树的生长状态。利用近红外偏振光谱技术对南疆红枣叶片含水量和叶绿素含量进行无损检测,分别选用偏最小二乘法(PLS)和主成分回归分析法(PCR)的化学计量学方法建立红枣叶片校正模型,光谱数据预处理分别选择原始光谱、一阶导数光谱、SG平滑。预测含水率使用0度偏振片和PLS方法效果最好,其校正相关系数(Rc)、校正标准偏差(RMSEC)、预测均方差(RMSEP)分别为0.94222、0.00845、0.00826,预测叶绿素使用0度偏振片和PCR方法效果最好,其Rc、RMSEC、RMSEP分别为0.53646、3.49、4.25。通过试验结果可以看出偏振片为0度时的预测效果最好,且PLS对含水率预测效果更好,PCR对叶绿素预测效果更好。     

无人机多源光谱反演大田夏玉米叶面积指数

【目的】研究多源光谱反演大田夏玉米叶面积指数(LAI)的效果。【方法】以大田夏玉米为研究对象,利用无人机获取试验区不同生育期热红外以及多光谱影像,提取热红外冠层温度(TC)以及多光谱植被指数,结合地面实测LAI数据,分析光谱数据与实测LAI之间的相关关系,并将TC与筛选出的11种植被指数作为输入变量,LAI作为输出变量利用多元线性回归、支持向量机和随机森林3个算法模型训练学习,建立了夏玉米LAI的反演模型。【结果】多光谱植被指数以及TC均与夏玉米LAI在P0.000 1水平上显著相关,相关系数均在0.5以上;RF算法于拔节期、喇叭口期、以及吐丝期3个生育期的LAI预测值与实测值的R~2均高于MLR算法和SVM算法,对应的RMSE及NRMSE均低于MLR算法和SVM算法;融合热红外TC后的RF模型反演精度均有不同程度的提升,各生育期LAI预测值与实测值R~2均大于同时期未融合TC的LAI反演模型。【结论】多光谱植被指数以及TC均与夏玉米LAI具有较强的相关性,且RF算法构建的夏玉米LAI反演模型精度优于MLR和SVM算法,同时TC的加入可以有效提升夏玉米LAI反演精度。     

结合边缘检测的农业图像非局部均值滤波算法

提出了1种结合边缘检测的农业图像自适应滤波算法。该算法首先对红外噪声图像采用LOG算子提取边缘图像;然后对于非边缘噪声图像采用非局部均值滤波算法进行处理;最后对边缘图像和滤波后的非边缘图像进行融合,得到最终的滤波后图像。分别采用农业图像对本算法的性能进行测试,与经典非局部均值滤波算法、已有的改进型非局部均值滤波算法、自适应维纳滤波算法进行去噪效果对比,并采用峰值信噪比（peak signal noise to ratio,PSNR）作为滤波算法性能的客观性评价指标,结果表明,本算法相对于其余算法而言,滤波效果较优,适合于农业图像处理。     

基于不规则子块的农作物图像自适应增强算法

在对直方图均衡化算法基本原理深入分析的基础上,结合图像灰度值分布特征,提出一种改进的直方图均衡化增强算法,该算法首先引入自适应维纳滤波算法,对所获取的降质农作物图像进行预处理,以尽可能排除随机噪声;然后提出一种基于图像灰度信息的自适应子块获取方法,通过图像中灰度值的分布特点来自适应确定子块,对各子块分别进行直方图均衡化处理,从而获得高清晰度的农作物图像。采用峰值信噪比及均方根误差等指标,将图像自适应增强算法与自适应维纳滤波算法、直方图均衡化算法及其改进算法对降质农作物图像的处理性能进行定量评价,结果表明,图像自适应增强算法在去除噪声的同时能够有效提高图像对比度,对于农作物图像处理具有一定的借鉴价值。     

改进型INTER-MIG桨尾涡结构的PIV试验与模拟

采用粒子图像测速(PIV)技术和计算流体力学(CFD)对改进型INTER-MIG桨釜内尾涡结构进行研究,将数值模拟结果与PIV试验进行了比较,分析了几种湍流模型的差异;利用2D-PIV对尾涡结构进行涡量分析,并探讨桨叶直径对尾涡的影响,以及尾涡与湍动能之间的关系.结果表明:LES对尾涡的预测优于Reynolds平均法;改进型INTER-MIG桨在运动过程中产生运动轨迹不对称的上下尾涡,桨叶下尾涡先于上尾涡形成,下尾涡最大涡量高于上尾涡;在尾涡形成到发展至最大的过程中,桨叶直径对下尾涡的径向位移影响较大,在桨叶直径D/T=0.57时,桨叶下尾涡沿径向方向运动最快,湍动能最大;当尾涡开始衰减后,桨叶直径越大,尾涡耗散的速度越快;湍动能最大值介于两尾涡之间,且伴随着尾涡的发展而增大,随其衰弱而减小.研究结果表明改进型INTER-MIG桨釜内的搅拌机理,可以为该桨叶釜内的工程和优化设计提供参考.     

基于云模型的图像分割

数字图像处理中图像分割有着非常重要的地位,分割结果直接影响图像处理的效果。常用的图像分割算法几乎都是基于确定性方法的,但是在图像信息处理过程中存在着不确定性。因而,降低提取信息的不确定性的研究成为图像分割中重要的研究方向。采用云模型来描述论域空间中不确定的数据元素。实验表明,由于云模型能对概念的不确定性很好地表达和降低概念分层的不确定性,这使得图像分割中存在的不确定性问题能得到很好地、有效地处理。     

基于Gabor滤波器和SVM结合的中华蜂图像识别方法

为了减少由于光照强度不一、对比度不同的干扰因素对中华蜂图像识别过程带来的困难,提出一种基于Gabor滤波、PCA降维与SVM相结合的蜜蜂图像识别方法。将人工采集的中华蜂图像进行灰度化、归一化处理,并采用Gabor滤波技术对处理后的图片进行图像特征的提取,进一步通过PCA将高维特征向量进行线性降维,最后将图片特征值矩阵分别经过不同核函数的SVM进行分类识别。通过不同核函数的SVM进行对比建模,测试并分析其对于特征提取后中华蜂图像的建模时长、识别准确率及识别图像时长。试验表明,中华蜂的图像经过Gabor特征提取、PCA降维得到的特征矩阵,经过核函数为Sigmoid的SVM时,其识别特性最好。