基于BP神经网络的土壤氮含量检测

土壤氮素是促作物生长的一个重要因素,而施氮肥量就要求对土壤氮含量精准测量。高光谱检测具有高效、快速、不破坏样本本身的特点,基于此,对高光谱技术及其系统进行说明,采用小波分析法进行预处理,使用BP神经网络对土壤样本建模。BP神经网络能有效提取隐含层的特征,对构建氮含量检测模型具有重要意义。     

一种基于图像处理的旋切原木直径测量方法

【目的】提出一种基于图像处理的旋切原木直径测量方法,为旋切原木直径测量提供非接触式的技术支持。【方法】增添650nm红色激光器和940nm不可见激光器作为辅助光源,采用树莓派官方摄像头和带有滤光片装置的USB高清工业摄像头进行图像采集,利用图像处理技术探究5种计算方法(计算激光线下弧线像素点个数、计算激光线骨架像素点个数、计算激光线周长像素点个数取平均值、计算激光线X轴方向像素点个数和通过激光线计算拟合圆直径)和6种数据拟合方法(傅里叶拟合、指数拟合、高斯拟合、Polynomial拟合、Power拟合和SumofSine拟合)下能够满足测量精度的最优方案。【结果】对比各计算方法采用不同数据拟合方法的拟合优度,可得到拟合优度最佳的2种方案:计算激光线X轴方向像素点个数并采用SumofSine拟合方法,其决定系数为0.9998,标准差为1.638;计算激光线X轴方向像素点个数并采用傅里叶拟合方法,其决定系数为0.9998,标准差为1.881。在原木测量误差分析中对拟合优度相差较小的2种方法(傅里叶拟合和SumofSine拟合)进一步对比,傅里叶拟合的平均绝对误差范围为1.7%,标准差为2.11,方差为4.45;SumofSine拟合的平均绝对误差范围为1.5%,标准差为4.35,方差为18.95。【结论】计算激光线X轴方向像素点个数并采用傅里叶拟合方法,在满足旋切机用原木直径测量精度要求的同时,拟合优度最佳。