一种叶片RGB图像快速切割多重去噪方法

基于RGB图像连通性,提出一种图像快速切割多重去噪法(fast cutting and multiplede-noise,简称FCMD),并与现有的4种算法进行对比.结果表明,该方法处理时长适中,对单色叶和杂色叶的识别像素、色阶均值、色阶中位数的准确率均达到98.78％及以上,综合表现最优.FCMD能够在不同的边缘算子下完成对各种类型叶片准确、快速的切割消噪,其中以sobel算子的处理效果最优,其处理效果与手动切割(CK)无明显差异.同时,FCMD法在中高分辨率(3750×2500)的切割效果与手动切割无明显差异,而所用时长仅为CK的23.21％,效率提升近5倍.因此,FCMD是一种高效、准确、适用范围广的RGB图像自动化叶片切割去噪方法.     

基于卷积神经网络的玉米病害识别方法研究

为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害图像选择训练集和测试集。然后,通过试验组合和对比分析的方法比较不同卷积神经网络结构设置对准确率的影响,选出最佳参数。另外,选用Adam算法代替SGD算法来优化模型,通过指数衰减法调整学习率,将L2正则项添加到交叉熵函数中,并选择Dropout策略和ReLU激励函数。最后,确定了一个10层CNN网络结构。试验结果显示,玉米花叶病、灰斑病、锈病、叶斑病和玉米健康识别率分别为95.83%、90.57%、100%、93.75%、100%,平均识别率达96%,平均计算时间为0.15 s。经试验结果比较,该模型识别效果明显高于传统方法,为玉米病害的防治提供技术支持。     

双改良式子宫B-lynch缝合术治疗剖宫产产后出血23例

目的:探讨应用双改良式子宫B-lynch缝合术治疗剖宫产产后出血的效果。方法:对医院2016年4月至2017年3月产后行剖宫产且术后出现产后出血23例用双改良式子宫B-lynch缝合术治疗,对手术止血效果进行观察。结果:使用双改良式子宫B-lynch缝合术前的常规止血无效,所有产妇都行双改良式子宫B-lynch缝合术止血,术后23例产妇出血均得到控制,成功保留子宫,并且术后随访所有产妇子宫出血得到控制,术后患者也无任何并发症发生。结论:针对剖宫产术后产后出血的情况,应用双改良式子宫B-lynch缝合术具有操作简单、止血效果好同时能够保留产妇子宫等优势。     

基于PLC控制的采摘装置自适应调控研究

为了实现果蔬采摘的无损采摘和果蔬的准确识别,本文基于PLC技术设计了果蔬采摘装置的自适应调控系统。系统主要由信息采集模块、图像处理模块、运动控制模块、运动执行模块和PLC控制器组成。通过机械手进行设计,使其在抓取果蔬时的抓取位置、位移和作用力具有自适应能力;对图像进行自适应均衡化处理,提高图像识别。试验数据表明:采摘装置可以对果蔬精准定位,保证果蔬的无损采摘。     

不适温度条件诱导西瓜嗜酸菌进入VBNC状态的研究

 由西瓜嗜酸菌(Acidovorax citrulli)引起的瓜类果斑病,是危害西瓜和甜瓜等葫芦科作物的一种典型的种传细菌性病害。已有文章报道西瓜嗜酸菌在铜离子诱导下可进入“有活力但不可培养”(viable but non-culturable,VBNC)状态,并在适当条件下复苏,成为生产中潜在的病害初侵染来源。本文结合实际生产中的种子温汤浸种和低温储藏等条件,分别设定了50℃、55℃高温和4℃低温对西瓜嗜酸菌AAC00-1进行处理,通过流式细胞术(flow cytometry,FCM)和平板培养法分别检测菌体活性和可培养性。结果显示,不适宜的温度条件能够诱导西瓜嗜酸菌AAC00-1进入VBNC状态,其中55℃高温20和30 min的两个处理,所有活菌均进入VBNC状态。将处理后的AAC00-1接种西瓜子叶,接种植株未表现出果斑病症状,且不能从接种部位分离得到可培养菌体。表明本诱导条件下的VBNC状态A. citrulli菌体不能通过短时间活体接种复苏。本研究分析了西瓜嗜酸菌在不适宜温度条件下进入VBNC状态的能力,为解析病害可能的初侵染来源提供了理论依据,对葫芦科作物果斑病防控具有重要的生产实践意义。     

基于深度图像的奶牛表型特征获取

奶牛表型特征是评价奶牛成长状况的一项重要参数，为减少奶牛的应激性且能便捷地获取奶牛几何表型尺寸，运用图像处理技术提取奶牛表型特征参数，设计了一款针对深度图像和点云数据的奶牛几何表型特征获取系统。对奶牛深度图像采用背景减去法、阈值分割、滤波和空洞填充等方法获取奶牛目标区域，对目标采用边缘检测、角点检测和凸包运算等检测特征点，最后对应点云数据获得奶牛表型特征尺寸。系统现场试验结果表明，系统获取的体重准确性在98%以上，体尺准确性在96%以上，系统工作稳定、测量精度高，为实现数字化养殖打下了基础，具有很好的应用前景。      

计算机图像识别在玉米生长模型中的应用

为了应对玉米植株的自动化监控,有效预测玉米产量,设计了玉米的生长模型系统。该系统以图像识别技术为基础,选择植株形貌参数,可有效预测玉米果实质量。整个系统包含图像分析、生长参数分析和玉米生长模型系统3部分。首先进行图像灰度化处理,进行二值分割,后采用中值滤波改进方法去除噪声;最后采用Hilditch细化算法,得到玉米植株骨架图。利用本系统对同一玉米植株进行27天观察,探索植株高度H、宽度W和节结个数N与时间之间的关系。系统以植株高度H、宽度W和节结个数N作为自变量,以植株玉米果实质量作为应变量,建立关系式,预测结果与实际结果吻合良好。     

基于流式细胞术的桫椤基因组大小测定

以买麻藤(Gnetum montanum)为内参,测定5种常用裂解液(Tris·MgCl_2、LB01、WPB、Otto’s、Galbraith’s)对桫椤(Alsophila spinulosa)细胞核的裂解效果,并通过比较桫椤和买麻藤流式细胞仪测定的荧光峰值,计算出桫椤的基因组大小。结果表明:5种裂解液中,WPB为桫椤最佳裂解液;桫椤基因组大小为6 003.25Mb,即2C DNA含量为6.138 pg。