采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

基于多分类器DS证据理论融合的水果识别研究

针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.02993,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。     

基于LCA与AVC的乡村景观特征识别与评价研究 ——以潜山市黄铺村为例

对乡村景观进行特征识别及景观评价,可以更好地了解乡村景观特征及资源,找出乡村景观资源发展的优劣,实现其特色化发展.该研究运用地理信息系统对乡村景观进行特征识别,绘制乡村景观特征分区图,再基于AVC理论构建乡村景观综合评价体系,运用定量和定性相结合的方法确定指标分值,得到综合评价结果,并以潜山市黄铺村为例,进行了较为完整的景观特征识别与综合评价研究.结果表明,黄铺村具备良好的乡村旅游条件,其社会吸引力和环境承载力较高,但经济生命力相对较低,有待进一步提升.研究结果可为黄铺村景观评价及制定有针对性的乡村规划提供科学依据.     

新型高效智能便携式梨果采摘装置的研制

研究和制作一款基于自由变化高低分离及高清视觉定位捕捉的悬挂果高效采摘装置,适用于果树密集、全地形便携高效的采摘工作。主要包括悬挂果采摘机械特性研究、新型百变自由伸缩分离的悬挂果采摘臂的数学分析和机构制作、视觉定位机构、悬挂果定位影像识别技术、剪切机构的研究能通过自由百变伸缩机械臂实现高空和低空的悬挂果的采摘,结合高清影像识别和无线控制技术,能根据果实的大小、颜色、成熟度等属性,选择性采摘并对其进行分类、分级,实现果实的高效采摘,同时不损伤果树,实验表明能大大降低人工劳动强度。     

农民以土地入股的风险类型及其防范机制

阐述了农民以土地入股对农业发展与土地流转的意义,概括了农民以土地入股的风险类型与风险感知,并进一步分析了农民以土地入股的风险现状与应对策略,发现各方利益不共通、信息不共享、理念不共同,直接导致了土地入股过程中出现的种种风险问题。从政府和农民视角探究了风险防范机制,提出了保障农民股东权利、完善司法救济体系、健全入股运作机制、谨慎应对特殊风险等建议。     

基于DSP和单片机的实时变量喷药系统设计

为防治玉米农田杂草危害,设计了一种基于DSP识别和单片机控制的杂草实时变量喷药系统。数字信号处理器(DSP)实时数据处理能力强,单片机控制能力强。DSP作为喷药系统上位机图像处理模块的CPU,对田间玉米杂草图像实时采集、处理,分离出杂草,生成杂草位置信息表,发送给作为系统下位机控制模块CPU的单片机;单片机通过电磁阀控制6个喷头的开闭实现精准变量喷药。田间试验表明:系统在室外田间复杂情况下可以满足实时精准喷药要求,在作业机械速度为4km/h时,喷药精确度可以达到91.4%。     

基于Fourier描述子和LBP相结合的植物叶片识别方法

针对植物叶片的复杂性导致基于叶片植物识别的识别率较低的问题,提出一种基于Fourier描述子和局部二值模式(local binary pattern,简称LBP)相结合的植物叶片识别方法。首先,利用Canny算法提取叶片的边缘图像,计算其中心-边缘距离序列的傅里叶变换,得到叶片图像的改进Fourier描述子;然后,提取叶片图像的局部二值模式特征;再利用判别典型相关分析算法将植物叶片的Fourier描述子和LBP特征进行融合,得到1个有利于分类的联合映射矩阵,由此将2类特征映射为1个低维特征向量;然后利用K-最近邻分类器进行植物识别。在公开的智能计算实验室(intelligent computing laboratory,简称ICL)叶片图像数据库上进行分类试验,识别率高达94%以上。结果表明,提出的方法是有效可行的,该研究能够为植物物种自动识别系统提供技术参考。     

基于BP神经网络对薇甘菊预处理方法的选取

以入侵植物薇甘菊高光谱图像为研究对象,基于4种预处理方法对薇甘菊高光谱图像进行降低噪声处理,分别研究了基于主成分分析的特征提取方法和基于BP神经网络的分类模型,筛选出薇甘菊高光谱识别的最优预处理方法,以实现薇甘菊的快速准确识别。结果显示,预处理方法为一阶、二阶微分的识别率分别为81.2%和76.92%;标准正态变量变换(SNV)和一阶微分+SG平滑的识别率分别为89.74%和87.18%。多次试验得到基于SNV预处理方法的识别率最稳定,即得到最优预处理方法为SNV。     

智能甘蔗预切种工作站结构设计与切种精度分析

为提升甘蔗预切种种植的机械化程度,提高甘蔗预切种效率,降低蔗芽损失率,减少人工劳动强度,自主设计开发集甘蔗输送、蔗节智能识别、多刀协同切种等流程于一体的智能甘蔗预切种工作站,实现甘蔗自动协同切种工作。介绍智能甘蔗预切种工作站的输送系统、蔗节识别以及多刀数控协同切种等关键部件的结构设计及工作原理,重点对输送速度和黑箱照度对识别精度的影响,以及多刀切割工作台的定位精度等进行综合的分析。对拍照黑箱的识别精度试验研究表明,甘蔗横向传送速度和光照平均照度对蔗节识别精度具有显著影响,当甘蔗传送速度为0.1 m/s,光照平均照度为430.7 Lux时,识别精度较好,蔗节识别误差小于1.7 mm。通过对切种平台的定位精度试验分析,试验表明:6个移动切种工作台的横向直线移动运动的定位精度误差小于1.5 mm,重复定位误差为±0.2 mm;切种精度的综合误差小于3.4 mm,蔗节的相对综合误差小于5.67%,达到设计的预期目标,实现甘蔗智能横向多刀切种的功能。