基于参数L-系统的油菜花朵与花序生长可视化研究

为奠定油菜品种株型设计仿真基础,应用参数L-系统的原理,提出了甘蓝型油菜花朵和花序可视化生长的L-系统模型框架。通过对田间试验测量数据统计分析和归一化处理,用Sigmoid 5参数函数拟合花轴节间长度和直径的生长,用Weibull 4参数函数拟合花柄长度、直径的生长。采用L-系统和预定义Bezier曲面建模方法构建油菜花朵仿真模型。根据Bezier曲面的算法,构建了油菜花朵花瓣和萼片及其曲面模型。最后以L-Studio4.0为平台、结合VC++实现油菜花朵和花序的可视化生长模拟。结果表明,该方法可以真实生成油菜花朵和花序,真实感基本达到要求。     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

基于GA、BP神经网络和多元回归的集成算法研究

建立了一个考虑税收腐败和公共支出腐败的经济增长模型,从理论上探讨财政腐败行为及其影响.主要结论归纳：第一, 财政腐败降低私人资本的回报率,使厂商的生产力下降,就整体而言阻碍了经济增长.第二,最优税率可能大于或小于Barro的最优税率,取决于征税效率和寻租引发的行政成本.第三,两种类型的公共支出隐含着不同程度的腐败机会,以及对官员行为产生的不同“激励”作用,从而扭曲公共支出结构效率.第四,增强制度约束力对遏制财政腐败至关重要.     

机器视觉技术在农产品检测中的应用研究

机器视觉技术在农产品检测领域得到了广泛的应用,并随着相关技术的不断成熟和发展,机器视觉在农产品检测领域中的应用必将对传统检测模式产生巨大影响。本文分析了机器视觉技术在农产品检测中的应用现状,提出了应用中出现的问题,并为未来的研究方向进行了初步的探讨。     

油菜虚拟生长的研究

虚拟植物即应用计算机模拟植物在三维空间中的生长发育状况，是近20年来发展起来的一种新兴技术。本文通过对虚拟植物研究范围的探讨及虚拟软件L系统的介绍，分析了植物外部形态的特点，并结合油菜生长过程中各个器官形态变化规律的本质，动态地模拟出油菜在不同生长阶段的形态，尤其是在茎杆的模拟，实现了用户与虚拟油菜的交互式调控，总结了L系统和油菜分枝的数据结构，这更有利于准确动态模拟出油菜的主体形态结构。最后，本文对油菜与环境的相互作用及其相关方面等进行了展望。     

国产沿阶草属植物的地理分布及区系研究

沿阶草属植物为草本,生长于林下潮湿地带。全世界约有50种,分布于亚洲东部和南部的亚热带和热带地区。我国有33种及3变种,主要分布在我国西南和东南。经研究,国产沿阶草属植物的地理分布规律及区系特点是：1．特有种多,计有29种（包括变种）,占80．56％;2．地理成分复杂,其中以亚热带成分为主,占52．78％;3．该属植物分布在南北方向上变化明显,呈梯度递减;东西向呈递增的趋势;4．种内分化缓和,仅有长茎沿阶草、连药沿阶草和沿阶草3种发生了种内变化。     

虚拟植物的研究内容及实现技术综述

本文在阐述虚拟植物研究意义的基础上，介绍并分析了几种常用的植物建模方法及其相关软件，探讨了基于数字图像处理技术的作物模型构建法。最后，提出了虚拟植物研究中存在的问题，对该领域的发展趋势进行了展望。     

机器视觉技术在农产品检测中的应用研究

机器视觉技术在农产品检测领域得到了广泛的应用,并随着相关技术的不断成熟和发展,机器视觉在农产品检测领域中的应用必将对传统检测模式产生巨大影响。本文分析了机器视觉技术在农产品检测中的应用现状,提出了应用中出现的问题,并为未来的研究方向进行了初步的探讨。     

基于多重分形理论的油菜缺素叶片特征提取

为描述油菜缺素叶片图像的特征,该文提出了一种基于多重分形去趋势波动分析方法,即局部多重分形去趋势波动分析。该方法确定的hij(q)指数能有效刻画叶片图像每个像素点的多重分形特征,并以所有像素点hij(q)的平均值Lhq表征每幅图像的多重分形特征。选取4种油菜缺素叶片图像进行试验,结果表明所提取局部多重分形去趋势波动平均指数Lhq能很好地区分叶片,并通过方差分析指出当q={-10, -9, -8, -7, -6}时的Lhq区分效果最好。最后基于每个像素点的hij(q)指数利用模糊C均值聚类对缺镁油菜叶片图像进行模糊分割,并与传统的灰度值分割及经典的基于容量测度的指数分割进行了对比试验,结果表明以上述hij(q)为特征具有最佳的分割效果。     

基于色度域划分的马铃薯绿皮检测方法

绿皮是马铃薯品质缺陷之一。为了检测马铃薯的品质,该文提出了一种基于色度域划分的马铃薯绿皮检测方法,从量化角度实现了马铃薯表皮颜色信息的提取。利用基于统计的逐步判别分析方法和支持向量机识别方法构建模型,因局限于特定样本集的特征空间,识别结果稳定性不好。该研究克服了上述方法的缺点,提取色度作为模式识别的特征,并确定了区分正常和绿皮马铃薯的有效色度值区间57～64,再结合二次阈值判别方法对马铃薯的绿皮进行检测。试验结果表明该方法简单、识别率高,而且稳定性强。