基于角度约束空间殖民算法的树点云几何结构重建方法

激光点云数据包含信息丰富、精度高,在森林演变、植物模型重构方面应用广泛。为提高树三维重构时的精度与真实感,提出一种基于实测点云数据的三维重构方法。首先使用Kinect 2.0采集树的双面点云数据,在树根附近放置塑料标准球作为标记,使用人工标记法粗配与ICP(Iterative closest point)算法精配相结合的方式对获取的双面点云数据进行配准,得到树完整的点云数据;其次,引入生长角度约束改进空间殖民算法生成树的三维骨架,根据管道模型估算树枝粗度,使用广义圆柱体生成树干;最后对叶片单独建模,根据叶序规则添加树叶完成树的三维重构。以玉兰树、枫树以及深圳先进技术研究院可视计算研究中心(VCC)公开库中的Limit Tree为例,进行重构实验,重构结果表明,该方法能够逼真地模拟树的三维形态结构,较好的展现树的拓扑结构关系,重构误差在6.5%以内,可为虚拟树木三维建模、虚拟修剪以及树的拓扑结构分析等研究提供参考。     

奶牛阴道植入式电阻传感器与无线监测系统研究

针对人工监测奶牛发情费时、费力，仅依靠活动量和非接触式视频监测无法实现奶牛安静发情预警的问题，根据奶牛发情时阴道粘液生理特征变化，提出基于奶牛阴道电阻变化的奶牛发情监测方案。设计了由黄铜电阻探头、8爪防滑装置构成的奶牛阴道植入式电阻传感器，对阴道电阻值进行采集。借助2.4GHz的ZigBee网络开发了无线传输系统，将阴道电阻无线传送给协调器节点，协调器经由RS485总线传输到监控中心。开发了奶牛阴道电阻上位机实时监测系统，实现了奶牛阴道电阻的精确采集和远程实时监测。分别对植入式电阻传感器和监测系统进行了准确性、稳定性、可靠性及能量可用性试验，结果表明，植入式电阻传感器电阻测量探头体积小、安装方便，可测定1~1000Ω范围的电阻，测量精度在±2%以内，24h内电阻最大波动为2Ω；在450m2奶牛养殖区范围内，ZigBee网络数据发送成功率不低于98.5%；植入式电阻传感器终端节点在7.4V/6500mA·h锂电池能量供应下可连续工作38d。监测系统运行稳定，能够精确、可靠、实时地监测奶牛阴道电阻的变化，为奶牛发情程度和排卵时间的准确预测提供了一种新的监测方法。     

基于多特征提取和选择的木材分类与识别

木材与人们的生活息息相关,不同品种木材的用途各不相同。如何快速并正确地识别不同种类的木材是目前亟须解决的问题。纹理是木材表面重要的天然属性,也是区分木材的重要依据,因而如何准确地提取木材的纹理特征是本文研究的重点。本文设计了一种木材自动识别系统,其基本工作流程如下:首先,使用K-means聚类算法,根据图像的纹理采用SPPD(导管分布的统计特性)及BGLAM(基本灰度级氛围矩阵)特征对木材进行预分类,实现对木材数据库的降维,为提高识别效率做好准备;其次,使用GA(遗传算法)挑选出对木材纹理具有较强区分度的LBP(局部二值模式)特征;最后,用KNN(K最近邻)分类器根据挑选出的LBP特征对木材图像进行最终的分类识别。试验结果表明,木材样本类别个数为20时,识别率较高,可以达到98.13%以上;当木材样本类别个数增加为30时,识别率也在95%以上。     

基于机器视觉的奶牛发情行为自动识别方法

及时检测奶牛发情、适时人工授精、减少空怀奶牛，是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题，提出了一种非接触式奶牛发情行为自动识别方法。该方法首先使用改进的高斯混合模型实现运动奶牛目标检测，然后基于颜色和纹理信息去除干扰背景，再利用AlexNet深度学习网络训练奶牛行为分类网络模型，识别奶牛爬跨行为，最终实现对奶牛发情行为的自动识别。在供试数据集上的试验结果表明，本文方法对奶牛发情的识别准确率为100%，召回率为88.24%。本文方法可应用于奶牛养殖场的日常发情监测中，为生产管理提供辅助决策。     

基于Kinect的虚拟果树交互式修剪研究

为解决果树修剪技术推广难的问题,提出了基于手势交互的虚拟果树修剪方法。在已有三维果树模型的基础上,通过创建帧缓冲区对象,构建虚拟屏幕,实现果树枝条的快速拾取和修剪;建立了虚拟果树修剪控制手势集,利用Kinect获取骨骼信息,采用状态机匹配识别手势类型,将手部关节点坐标转换至鼠标绝对坐标系,建立不同手势与鼠标和键盘事件之间的映射关系,实现手势交互代替鼠标和键盘交互。实验结果表明:该方法手势识别准确率高,交互实时性好,能够满足虚拟果树修剪应用需求,为果树修剪技术的学习提供了新的途径。     

基于视频分析的犊牛基本行为识别

针对接触式获取动物行为信息的局限性,研究并提出基于视频分析的犊牛基本行为识别方法。首先对目标检测方法进行改进,提出基于最大连通区域的目标循环搜索环境建模、目标检测算法,以高效提取复杂自然环境下的犊牛目标;在提取犊牛的质心、轮廓等时序特征的基础上,采用基于结构相似的犊牛行为序列快速聚类算法,对犊牛基本行为进行识别。试验结果表明,环境建模、目标检测算法目标正负样本检测正确率分别达90.94%和98.98%,比背景相减法分别提高4.59和8.32个百分点;犊牛躺、站、走和跑跳的正确识别率分别为100%、96.17%、95.85%和97.26%,能快速对犊牛基本行为进行准确分类,为大型动物高级行为识别及理解奠定了基础。     

基于Harris算子的籽粒尖端识别方法

通过籽粒尖端形态特征分析,提出了一种基于Harris角点检测的籽粒尖端识别方法。Harris算子在一个局部区域中检测角特征,作为籽粒最明显的角结构,尖端在Harris角点检测中具有最大的响应值,使其对尖端不明显的籽粒也有良好的响应。通过对玉米、南瓜和西葫芦等具有尖端特征的750粒籽粒的测试结果表明,提出算法的尖端检测综合准确率为95.6%。     

肉牛体形参数计算机视觉检测

利用数字图像处理技术，对肉牛体形参数计算机视觉检测技术进行了研究。用基于色度的阈值分割算法对图像进行分割，对自然条件下获取的肉牛图像进行了分析和检测，对选择的特征参数进行了测量。试验表明，应用计算机视觉技术测量肉牛体形参数是可行的。在测量的6个特征参数中，最大平均相对误差为2.73％。     

苹果病害智能诊断方法研究与设计

针对传统苹果专家病害诊断系统自学习能力差、准确率低的不足,研究并设计了人工神经网络的苹果病害诊断方法.采用动态编码对苹果病害模糊知识进行量化,构建BP网络诊断模型进行诊断;采用Java语言开发基于Web的病害动态诊断平台,用白水苹果病害样本进行了实验.该方法对20种苹果病害的诊断具有较好的效果,测试准确率达到85.4%.在获得必要领域知识的前提下,用神经网络进行苹果病害诊断准确率高,系统设计灵活,基于Web的诊断平台便于推广和使用.     

葡萄干彩色图像的背景分割研究

背景分割是分析葡萄干其他特征的基础。为此,经研究提出一种改进的迭代算法,用来获取葡萄干灰度图像阈值;基于RGB阈值法与亮度阈值法,对葡萄干进行背景分割后的图像分析比较,证明亮度阈值法能较好地进行葡萄干彩色图像背景分割,保存图像的颜色信息。