福建沿海水域互花米草蔓延的动态监测分析

利用1999/2000年和2006/2007年2个不同时相的遥感影像对福建省沿海水域的互花米草进行解译提取,并结合地理信息数据和社会统计数据进行变化分析。研究表明:基于专家决策树的福建省互花米草信息提取法具有较高的解译精度,动态监测结果显示,7a来福建沿海水域互花米草蔓延迅速,已侵占了大片的养殖水域和滩涂资源,研究旨在为引起有关部门的高度重视并采取必要的治理措施提供理论依据。     

基于非线性势函数法的手写体数字识别

提出了基于非线性势函数的一种几何分类方法,设计了利用电势理论来改造决策面判别函数和利用非线性势函数对手写数字进行分类的算法。以该算法为核心构造的分类器可改善针对不同人写字习惯的分类效果。用VC 实现了该算法,结果表明该算法能减小分类时的错误率,对手写体数字的识别有较好的效果,识别率能达到97%。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

基于小样本学习的植物病害识别研究*

为在仅有少量训练样本条件下获得较高的植物病害分类精度,采用小样本学习模型作为病害分类器,在匹配网络、原型网络和关系网络3种典型小样本学习算法框架下分别采用Conv4、Conv6、ResNet10、ResNet18和ResNet34 5种浅层网络作为特征提取网络,在PlantVillage植物病害数据集上对病害识别性能进行对比试验。在1shot条件下,匹配网络、原型网络和关系网络对植物叶片病害识别的平均准确率分别为72.29%、72.43%和69.45%;其中原型网络+ResNet34为表现最好的组合,病害识别准确率达到了77.60%。在5shot条件下,匹配网络、原型网络和关系网络平均准确率分别为87.11%、87.50%和82.92%,各种网络病害识别准确率比1shot条件均有明显提升;原型网络+ResNet34依旧是表现最佳的组合方式,识别准确率达到89.66%。上述试验结果表明,通过优选小样本学习框架和特征提取网络的组合方式,对于少量样本的病害也能取得较好的识别效果。     

Hierarchical tree classifiers to find suitable sites for sandplain grasslands and heathlands on Martha’s Vineyard Island, Massachusetts

The grasslands and heathlands of Martha’s Vineyard Island, Massachusetts provide habitat for unusual, rare, and endangered species. Currently, these globally rare ecosystems exist as fragments on the southern coast of the island within a matrix of wooded, agricultural, and developed land. We used existing land cover patterns to train a hierarchical tree classifier model according to 10 biogeoclimatic and positional variables. This model was then used to predict suitable sites where grasslands and heathlands do not presently occur but could be efficiently established. The tree classifier model indicates that many sites compatible with sandplain grasslands currently contain agricultural lands, residential development, mowed grassland, and commercial development. Efficient establishment could be undertaken at locations buffering existing grasslands to increase their extent by 67% relative to current conditions and join isolated fragments. Sites compatible with heathlands also currently contain agriculture and residential development as well as later successional vegetation including maritime forests and pitch pine. Conversion of these sites to heathlands, as indicated by the model, would increase the current extent by 25% and increase average patch size. An adaptive management approach to grassland and heathland supplementation could be employed to validate the causal mechanisms between the predictor variables and the vegetative communities. Testing of the predictive accuracy of the Martha’s Vineyard Island tree classifier models at other coastal sites would also provide information on the true mechanisms responsible for distribution patterns.     

一种茶叶鲜叶分级机的研制

在茶叶生产过程中,鲜叶原料分级是其中重要工序之一。当前,茶叶生产企业普遍采用传统滚筒式鲜叶分级机进行分级,对于机采作业而然,存在着鲜叶分级等次少、分级效果差、损伤率高、不方便收集等系列问题,难以适应机采鲜叶的分级要求。针对于这一情况,我们设计了一种新型螺旋导向鲜叶分级机构。本设计增加了筛筒长度,将鲜叶筛选分为四级,增加了分选等级;同时,通过筛筒内设置的双螺旋导向叶片的阻隔作用,延长筛选时间,提升筛选质量,通过改变筛筒形状结构,选用新型复合材料和不锈钢材料,降低机械对鲜叶的损伤率;其次,采用抽屉式的收集结构,更方便筛选后鲜叶的收集。此外,采用风机进行初步分选,减少了鲜叶分级后短碎叶含量,提升了后续分选效果,通过这一系列的改进设计,有望整体提升鲜叶筛选的效率及分级效果,从根本上解决机采鲜叶的分级问题。     

基于EDEM的茶鲜叶分级机的筛分率的研究

为了提高鲜叶分级机的筛分率,以柳叶种机采鲜叶为试验原料,对6CFJ-70型鲜叶分级机的关键技术参数进行了研究,利用Solidworks 2014对鲜叶分级机进行3D建模,基于离散元法建立鲜叶仿真颗粒模型和接触力学模型,设置关键仿真技术参数,运用EDEM 2018软件对鲜叶在锥形滚筒中的运动进行了数值模拟,得到影响筛分率的关键参数为锥形滚筒转速与倾角。为了对上述参数进行优化,以筛分率为目标函数,设计了2因素5水平的二次旋转正交组合试验,运用响应面法得到二次回归模型且通过了相关验证试验。结果表明,影响鲜叶分级效率的主要因素是锥形滚筒转速和锥形滚筒倾角。当锥形滚筒的转速为24 r·min-1,锥形滚筒倾角为6°时,鲜叶的筛分率为81.7%,具有较好的鲜叶分级效果,本文的研究内容可以为鲜叶分级机的设计与优化提供技术参考。     

掌上式生鲜猪肉新鲜度无损智能检测分级装置

为实现储运过程中生鲜猪肉新鲜度实时检测,该研究基于可见/近红外光谱技术开发了掌上式生鲜猪肉新鲜度无损智能检测装置。检测装置以可见近红外光谱采集单元为核心,搭建了硬件系统,开发了生鲜猪肉新鲜度多指标同时检测和新鲜度分级软件系统。通过研发的检测装置采集了不同部位猪肉的650～1 100 nm波长范围的漫反射光谱,经过标准正态变量变换（standard normal variable transformation,SNV）预处理后,对比连续投影算法（successive projections algorithm, SPA）和竞争性自适应加权抽样算法（competitive adaptive reweighted sampling, CARS）算法优选了猪肉新鲜度特征光谱,分别建立了不同部位猪肉新鲜度指标通用预测模型,并根据挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量和pH值预测值,将猪肉分为新鲜、次新鲜和变质3个等级。试验结果表明,通过 SNV预处理和CARS算法筛选特征波长后建立的PLS预测模型（下文简称“SNV-CARS-PLS”）具有更好的性能, TVB-N含量、pH值、亮度L*、红度a*和黄度b*通用预测模型的预测集相关系数分别为0.942、0.945、0.940、0.933和0.833,预测均方根误差分别为1.131 mg/100 g、0.136、1.706、1.217和0.717。将通用检测模型导入检测装置进行了试验验证,对不同部位猪肉样本试验结果表明,TVB-N含量、pH值、亮度L*、红度a*和黄度b*的预测结果与理化值的均方根误差分别为1.109 mg/100 g、0.134、1.140、1.094和0.636;新鲜度的分级正确率为92.86%;单个样品检测时间约为1 s。该检测装置可满足不同部位猪肉新鲜度多指标现场快速检测和分级的需求,为及时掌握储运过程中生鲜猪肉新鲜度情况、辅助决策储运和销售方案、保障生鲜猪肉品质安全具有重要作用。     

Automated Counting of Rice Planthoppers in Paddy Fields Based on Image Processing

A quantitative survey of rice planthoppers in paddy fields is important to assess the population density and make forecasting decisions. Manual rice planthopper survey methods in paddy fields are time-consuming, fatiguing and tedious. This paper describes a handheld device for easily capturing planthopper images on rice stems and an automatic method for counting rice planthoppers based on image processing. The handheld device consists of a digital camera with WiFi, a smartphone and an extrendable pole. The surveyor can use the smartphone to control the camera, which is fixed on the front of the pole by WiFi, and to photograph planthoppers on rice stems. For the counting of planthoppers on rice stems, we adopt three layers of detection that involve the following：（a） the first layer of detection is an AdaBoost classifier based on Haar features;（b） the second layer of detection is a support vector machine（SVM） classifier based on histogram of oriented gradient（HOG） features;（c） the third layer of detection is the threshold judgment of the three features. We use this method to detect and count whiteback planthoppers（Sogatella furcifera） on rice plant images and achieve an 85.2% detection rate and a 9.6% false detection rate. The method is easy, rapid and accurate for the assessment of the population density of rice planthoppers in paddy fields.     

基于电磁式同步执行机构的鲜枣分级机设计与试验

为了提高鲜枣机器视觉分级机的分级精度和速度,该文研究设计基于电磁式同步执行机构的鲜枣机器视觉分级机,整机由辊轮输送链、拨板链条、电磁铁、同步传动链轮、STM32F407图像处理器和STM32F103控制动作执行的协处理器等组成。执行机构单元拨板与辊轮输送同步,采用灵敏度高的电磁铁吸附硅钢开关扣板执行动作。图像处理流程为图像颜色分量、Sobel算子滤波、大津法二值化、椭圆拟合提取颜色和大小特征值。样机试验结果:拨板链同步位差为0.413 mm,单元拨板击撞力为2.57 N,红枣表皮瞬间承受最大力为12.69 N;每帧图像处理时间为50 ms,执行机构动作时间为40 ms,辊轮输送速度为320 mm/s,红枣分级速度达20个/s,实现鲜枣5个大小等级和1个绿色等级的分级,分级准确率为93.7%,无损率为100%,最大产能达1 400 kg/h。设计的基于电磁式同步执行机构的鲜枣机器视觉分级机实现了鲜枣的高准确率、高速度、无损分级要求,为机器视觉红枣快速分级设备的发展提供重要的技术支撑和理论参考。