基于CS-SVM的谷子叶片病害图像识别

利用图像识别方法对常见的谷子叶片病害进行判别,为制定合理的病害防治措施提供科学依据。试验采集了谷瘟病、白发病、红叶病、锈病共4种谷子叶片病害的原始图像,运用基于超绿特征的最大类间方差法对谷子叶片病害进行分割,提取谷子叶片病害颜色、形态、纹理等共计19个特征,采用蚁群优化算法选择了8个特征。运用布谷鸟算法(cuckoo search,CS)优化支持向量机(support vector machine,SVM)的惩罚因子c和径向核函数g,利用SVM对谷子叶片病害进行自动判别。结果表明,当c=80.2662,g=1.8467时,谷子叶片病害和叶片的平均识别率达到99%,表明基于CS-SVM的图像识别方法可对4种谷子叶片病害进行准确分类。     

利用机器视觉识别麦粒内米象发育规律与龄期

研究麦粒内部粮虫生长规律,判断粮虫所处发育龄期,为制定合理的防治措施提供科学依据,具有重要的社会经济价值。该文提出一种基于机器视觉的麦粒内米象变态发育规律及龄期识别研究方法。试验利用Micro-CT获取侵染麦粒投影数据,应用z-FDK(z-Feldkamp-Davis-Kress)算法重建出侵染粒的二维图像,利用图像分割及形态学方法得到虫体图像。提取了虫体的8个二维特征、4个三维特征、7个不变矩特征和7个基于灰度共生矩阵的显著性纹理特征,构成26维原始特征空间。根据不同龄期虫体特征的变化,研究米象在麦粒内的变态发育规律。利用模拟退火算法(simulated annealing algorithm,SAA)优化虫体原始特征,构建了优化后的10维特征空间。运用人工蜂群算法(artificial bee colony,ABC)优化支持向量机(support vector machine,SVM)的惩罚因子和径向基核函数参数,实现对麦粒内米象所处发育龄期的自动判别。试验结果表明,米象变态发育规律与实际情况一致,且对米象龄期的识别率达到97%,可有效判别出侵染粒中米象所处发育龄期。     

基于Micro-CT的麦粒内害虫侵染研究

准确检测粮粒内部早期虫害侵蚀,可提前判断储粮受侵染状况,对及时确定合理的防治措施具有重要的意义。该文提出基于Micro-CT系统的麦粒内部早期侵染无损检测的方法。试验以显微CT投影数据的振荡幅度和灰度差来确定Micro-CT最佳参数组合。麦粒主要成分厚度1～6 mm变化时,距麦粒茸毛端基准面等距离处的灰度立方体的平均灰度值,会随着厚度的降低而增大。分析麦粒长轴朝向与旋转台面之间的夹角为0、45?、90?的麦粒平均灰度值,得麦粒平均灰度值由0时的80.406上升至90?时的88.544。用FDK算法(Feldkamp,Davis,Kress)重建试验中侵染粒的投影数据,统计得出米象横截面外观由单个圆形变成卵圆形再转变为多个圆形或卵圆形的组合,米象与虫洞之间的空隙逐渐增大,虫洞从表皮侵蚀至麦粒腹沟再扩张至表皮附近。利用Mimics平台绘制的三维可视化数据可得,米象发育过程中米象外观由杆状变为椭球形再发育出各个器官,米象长度由卵期0.37～0.5 mm发育到成虫期2.7～4.3 mm,宽度由卵期0.26～0.3 mm发育到成虫期0.97～1.3mm,米象体积在蛹期达到最大,虫洞由表皮逐渐向麦粒中心延伸扩展并最终贯穿整个麦粒。结果表明,利用Micro-CT系统进行无损检测可准确表达各龄期侵染粒内部微观结构的变化过程,为麦粒内部害虫的早期自动检测提供理论依据。     

新工科背景下电子信息类专业“学践研创”四位一体实践育人改革

在新工科背景下,文章探索了电子信息类专业四位一体实践育人改革,通过建立"基础+运用+综合创新"能力培养体系,夯实工程能力培养基座,构建科学合理的实验课程体系,打造多元化实践模块,丰富活动载体,整合学校企业政治资源,促进创新创业平台建设,推动了"学践研创"四位一体实践育人改革,提高了教学水平。     

基于FA-SVM技术的烟草早期病害识别

为准确检测和识别烟草病害,为制定合理的病害防治措施提供科学依据,提出基于萤火虫算法优化支持向量机(FA-SVM)技术的烟草早期病害识别方法。以烟草常见的蛙眼病与赤星病为研究对象,利用可见光拍摄带有2种病害的烟草植物叶片,获取图像样本。利用形态学方法和图像分割技术得到病斑图像。提取病斑的颜色、纹理及形态学等共计32个特征,构建原始特征空间。利用蚁群算法(Ant colony optimization,ACO)对特征空间进行优化,依据适应度值选取最优特征组合,当适应度值达到最高为95.68时,有13个特征被选择。运用萤火虫算法(Firefly algorithm,FA)优化支持向量机(Support vector machine,SVM)的惩罚因子(c)与径向基核函数参数(g),提高分类器性能。当c=94.12、g=2.43时,对不同发育时期的2种病害的识别率达到96%。结果表明,利用FA-SVM技术识别烟草蛙眼病与赤星病2种常见病害是可行的。     

暴马丁香花提取物对辣椒贮藏期间理化指标的影响

采用正交试验设计，研究了不同浓度的暴马丁香花提取物、不同浸泡时间和不同贮藏温度3个因素对辣椒贮藏期间理化指标的影响。结果表明：处理组合5的理化指标失重率为3.78%，硬度为9.9 kg/cm²，叶绿素含量为0.12 mg/g, MDA含量1.69μmol/g，维生素C含量为177.08 mg/g，可溶性固形物含量为5.46%，综合评价指数为0.867 1，均优于其他处理组合，13℃的贮藏温度下，45μL/L的暴马丁香花提取物溶液浸蘸处理辣椒果实5 min，保鲜贮藏辣椒的外观品质和营养品质的保持较好。