排序方式: 共有35条查询结果,搜索用时 15 毫秒
1.
人字形板式换热器流道传热特性及参数优化 总被引:2,自引:2,他引:0
为实现田间条件下快速、准确识别棉花与杂草,该文以自然光照下田间棉花与杂草为研究对象,采用垂直向下拍摄的方式获取棉花杂草视频,按1帧/s的速率从视频中提取图像,在人工去除冗余度过多的图片后,建立1 000幅图片的数据集。对比了Faster R-CNN和YOLOv3 2种典型卷积神经网络,将Faster R-CNN卷积神经网络的深度学习模型引入到棉花杂草图像识别中,并提出一种结构优化的方法,使之适用于复杂背景下的棉田杂草识别。该文选用残差卷积网络提取图像特征,Max-pooling 为下采样方法,RPN网络中引入特征金字塔网络生成目标候选框,对卷积神经网络结构进行优化。在使用700幅图片进行训练后,通过200 幅田间棉花杂草图像识别测试,结果表明:该方法的平均目标识别准确率达95.5%,识别单幅图像的平均耗时为1.51 s,采用GPU 硬件加速后识别单幅图像的平均耗时缩短为0.09 s。优化后的Faster R-CNN卷积神经网络相对于YOLOv3平均正确率MAP高0.3以上。特别是对于小目标对象,其平均正确率之差接近0.6。所提方法对复杂背景下棉花杂草有较好的检测效果,可为精确除草的发展提供参考。 相似文献
2.
为了将生物特征识别技术应用于追溯系统中的果品标识,该文提出了一种采用西瓜蒂外围纹理信息标识果品个体的方法.该方法首先采集西瓜图像并在瓜蒂外围构造一个环形区域;将环形区域归一化后利用Gabor滤波器对图像纹理进行特征提取及编码;然后通过计算码间的Hamming距进行纹理编码的匹配.在试验中,为100个西瓜在采后贮藏初始、第7天和第14天各采集一幅图像并计算出3组每组100个纹理编码,将第7天、第14天的每一个编码与初始阶段的每一个编码两两比对,累计完成20 000次比对证实西瓜纹理具有唯一性,不同个体的纹理特征各不相同.使用成对数据的假设检验证实在采收后14d内纹理特征不随时间的推移产生显著变化(P>0.05).通过理论和试验证实算法对平移、尺度和旋转具有适应性,即西瓜在图像中的平移、尺度和旋转对Hamming距的计算不会产生显著影响(P>0.05).使用最大类间方差法在50个西瓜的纹理编码内训练出判别阈值,并用该阈值判别另外50个西瓜3个时间点间相互比对生成的100个来自同一个西瓜的Hamming距和4 900个来自不同西瓜的Hamming距,结果表明上述Hamming距均能正确判别,准确率与召回率为100%.该研究为农产品追溯系统的标识技术提供新的思路. 相似文献
3.
针对分布式农产品交易系统里的主机和网络通信容易受到安全威胁的现状,提出一种基于信任的安全算法.首先,使用移动代理对用户交易记录进行综合统计并计算出行为信任值;然后对用户反馈进行分析筛选,计算出推荐信任值;最后对各种信任值进行分析,得出综合信任值.使用该算法的分布式农产品交易系统运行正常,能较好地保障网络交易安全. 相似文献
4.
5.
针对采用传统的形态学分类方法进行鱼类寄生碘泡虫的分类时需要手动测量各种参数以作为分类依据的效率问题,提出了一种全新的基于数字图像处理技术的孢子虫参数提取方法,从而实现了孢子虫的分类操作。选取丑陋圆形、山东、野鲤、异形等4种碘泡虫作为研究对象,通过碘泡虫在显微镜下的图片样本进行形态学特征参数的计算,从而依据各类参数进行碘泡虫的区分。首先通过Canny边缘提取算法对单个碘泡虫图像进行边缘提取,再对最外层边缘进行椭圆拟合,得到碘泡虫的偏移角度作为将碘泡虫摆正位置的依据,从而计算孢子的长宽与面积。摆正孢子位置后寻找2个极囊的种子点,根据种子点进行改进的区域生长算法得到2个极囊的图像,再通过Canny算法计算得到极囊边缘的同时计算极囊的长宽与面积,最后对2个极囊边缘做椭圆拟合得到2个极囊之间的夹角和囊间突的位置。将所有得到的参数投入分类器进行分类操作,可准确地将4种碘泡虫区别开。 相似文献
6.
当前,能够实现作物表型参数高效、准确的测量和作物生育期表型参数的动态量化研究是表型研究和育种中亟待解决的问题之一。本研究以棉花为研究对象,采用三维激光扫描LiDAR技术获取棉花植株的多时序点云数据,针对棉花植株主干的几何特性,利用随机抽样一致算法(RANSAC)结合直线模型完成主干提取,并对剩余的点云进行区域增长聚类,实现各叶片的分割;在此基础上,完成植株体积、株高、叶长、叶宽等性状参数的估计。针对多时序棉花激光点云数据,采用匈牙利算法完成相邻时序作物点云数据的对齐、叶片器官对应关系的建立。同时,对各植株表型参数动态变化过程进行了量化。本研究针对3株棉花的4个生长点的点云数据,分别完成了主干提取、叶片分割,以及表型参数测量和动态量化。试验结果表明,本研究所采用的主干提取及叶片分割方法能够实现棉花的枝干和叶片分割。提取的株高、叶长、叶宽等表型参数与人工测量值的决定系数均趋近于1.0;同时,本研究实现了棉花表型参数的动态量化过程,为三维表型技术的实现提供了一种有效的方法。 相似文献
7.
实现基于RGB图像的光谱重建对降低光谱的硬件要求、扩大其实际应用具有重大意义。该研究以鱼糜掺假检测为例,比较多元多项式最小二乘回归算法(polynomial multivariate least-squares regression,PMLR)与深度学习HRNet网络对光谱重建的性能,建立基于重建光谱多种掺假鱼糜检测模型并验证其实际应用的有效性。结果表明,2种方法的重建光谱误差较小,HRNet网络、PMLR算法重建光谱的均方根误差(root mean square error,RMSE)分别为0.010 4和0.012 6,大多数掺假检测模型有较高的预测准确性,其预测相关系数大于0.91,预测均方根误差小于9%。在基于重建光谱建立的掺假检测模型中,效果最佳的是基于PMLR算法重建光谱使用标准正态变量变换(standard normal variate,SNV)预处理的极限学习机回归模型,其预测均方根误差为3.954 4%、预测相关系数为0.983 0。因此,PMLR算法和HRNet网络均能较好的实现基于RGB图像的光谱重建,且重建光谱均能实现对鱼糜掺假样本的较好检测结果,为基于重建光谱的食品和农产品品质与安全检测提供了新思路。 相似文献
8.
藏绵羊不同毛色皮肤组织miRNA表达谱及靶基因分析 总被引:1,自引:0,他引:1
【目的】藏绵羊又称藏系绵羊,是中国三大粗毛羊品种之一,主要分布在西藏及其毗邻的高寒牧区,如青海、甘肃、四川、云南等地。藏绵羊由于其被毛纤维粗长,毛质细腻且保暖性好,是制造藏式地毯的上好原料。而毛色作为一种重要的经济性状,同时制约羊毛的经济价值。然而,目前对于绵羊毛色的分子调控机制尚不明确,以藏绵羊为研究对象,对其不同颜色皮肤组织(黑色和白色)进行转录组测序,旨在探讨miRNA在藏绵羊不同毛色皮肤组织转录后水平中发挥的作用及其可能参与的调控通路。【方法】选取2只具有黑白花毛色的健康藏绵羊,减去体侧被毛使皮肤完全裸露并用75%酒精消毒处理,屠宰后快速切取皮肤组织并保存在组织样品保存液中防止RNA降解,提取RNA后通过miRNA测序和生物信息学分析,获得藏绵羊不同毛色(黑色和白色)皮肤组织miRNA表达谱,筛选组织差异表达miRNA并预测相关靶基因。通过靶基因分析,获得与调控藏绵羊毛色性状可能相关的信号通路。【结果】黑色和白色皮肤组织共获得85.76兆条原始读长,经过滤后得到85.08兆条clean reads;共鉴定出334个已知的miRNA和59个新的miRNA;从中获得23个差异表达miRNA,其中14个差异表达miRNA在白色皮肤组织中表达显著上调,9个表达下调。miR-2284b和miR-744仅在藏绵羊白色皮肤中表达,而miR-23b、miR-411a-5p、miR-30c、miR-423-3p和miR-324-5p则仅在藏绵羊黑色皮肤中表达,但表达量相对较低。表达量最高的miRNA为miR-10a,而倍数差异最大的为miR-23b。其中,miR-10a可参与调节多种信号通路,其作用涉及增殖、分化、凋亡、细胞粘附等各个方面,目前并无调控绵羊毛色方面的相关报道,但其功能及作用机制的研究仍在不断扩展。miR-23b则与Wnt、Notch等信号通路有关,这些信号通路中的部分基因也和黑色素的生成有密切关系。结合倍数差异和miRNA表达量分析,miR-411a-5p、miR103和miR-200b可能也和毛色调控密切相关。本研究共预测出981个靶基因可能参与毛色调控,多数基因和WNT信号通路、MAPK通路、EDNRB信号通路及黑素原生成通路(melanogenesis pathway)相关,其中黑素原生成通路显示和WNT信号通路、KIT信号通路及EDNRB信号通路相互关联。黑素原生成通路显示藏绵羊不同毛色可能最终通过MITF基因调控下游的TYR基因(酪氨酸酶基因)影响黑色素的合成。同时,筛选7个差异表达miRNA进行定量验证,结果表明,5个miRNA在黑色皮肤组织中上调表达,2个miRNA在白色组织中上调表达,定量结果与测序结果一致。【结论】获得了藏绵羊皮肤组织miRNA表达谱,并通过生物信息学分析得到可能和调控毛色性状相关的miRNA和信号通路。这些结果表明,藏绵羊毛色性状可能受到多种miRNA的调控并涉及多个信号通路,这有助于更进一步了解毛色转录后水平的调控过程,并对进一步的功能验证奠定基础。 相似文献
9.
10.
复杂边界田块旋翼无人机自主作业路径规划 总被引:1,自引:0,他引:1
针对农用无人机复杂边界田块下的作业问题,提出一种对田块边界形状具有普适性意义的旋翼无人机作业路径规划算法,以快速获得凸多边形、凹多边形、带孔洞多边形甚至多个多边形形式的复杂边界田块情形下的飞行作业轨迹。首先,基于田块边界多边形顶点数据的存储规则,采用多边形分组法,区分所属不同田块的多边形,建立按区域即田块为单元进行航线计算的基础;针对单田块的内、外边界多边形,采用活性边表法实现单个多边形扫描线填充的快速求交解算,得到初始扫描线,再对处于同一航向位置上的内、外多边形两类扫描线组采用线段布尔运算"减法"操作处理,获得预设航向条件下的作业航线;以最小航线间转移路径总长度为优化目标,引入贪婪算法、凸多边形最小跨度法和步进旋转法,综合进行航线排序优化和航向优化,获得不考虑障碍物条件下的完整作业路径。为进一步扩大算法的应用范围,假设田块边界上存在障碍物,且高度大于作业高度,继续增加转移过程的安全性判断及处理算法。针对假想田块和实际田块边界的多组算法仿真试验结果表明,所设计的算法可处理各种复杂边界类型的田块;在不考虑障碍物影响时算法耗时15 ms~19. 2 s;相比于只进行航线排序优化的情况,同时进行航向和航线排序优化后,航线间转移路径总长度下降了23. 04%~45. 98%;而考虑障碍物影响时处理耗时也在离线应用的可接受范围内。该算法的通用性、可靠性、效率和优化效果均可满足各种复杂边界二维田块无障碍物和有障碍物条件下的农用无人机作业的相关要求。 相似文献