自动化技术在机械制造中的发展

随着我国经济、科技的高速发展,由于机械制造产业在一定程度上决定了国家经济发展水平,所以,国家对机械制造业技术水平十分重视,尤其是自动化技术,该技术是推进国家建设动力源泉。完善的自动化技术有利于推动机械制造业发展。本课题主要是针对近些年自动化技术在机械制造方面的发展进行探索分析,并进一步研究机械自动化技术操作特征、自动化技术在机械制造中的实际运用以及未来发展趋势。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。     

农产品品质检测中的计算机视觉及神经网络技术发展与动态

随着计算机技术的飞速发展，计算机视觉及人工神经网络等交叉学科的研究与应用已扩展到农业工程领域中，并在许多方面取得了重大开拓性成果。文中概括介绍了这两项高新技术在农产品品质自动检测与分级中的应用状况及发展动态，并通过分析指出了当前尚须解决的问题。     

利用PLDMV/Twin-Strep侵染性克隆纯化HC-Pro病毒蛋白

番木瓜畸形花叶病毒(Papaya leaf distortion mosaic virus,PLDMV)是一种新的潜在威胁番木瓜种植业的病毒,其辅助成分蛋白酶(helper component-proteinase,HC-Pro)是PLDMV编码参与病毒复制、运动、寄主植物症状表现的多功能蛋白,因此纯化获得具有功能活性...     

亚麻抗派斯莫病种质资源筛选

为了解不同亚麻种质对派斯莫病的抗性差异,采用菌土接种法进行盆栽试验,统计分析各种质的发病情况并计算病情指数,对20个亚麻品种(系)进行派斯莫病抗性鉴定与评价。根据病情指数将20个亚麻品种(系)的派斯莫抗性分为抗病、中感、感病和高感。试验结果表明：不同品种（系）间存在明显的抗性差异,但整体抗性较差,无免疫品种（系）;有7个抗病品系,分别为H2012-1、ZY03001-2-4、Y0310-7-3、ZY03119-2-12、ZY06175-10-15、01059-1-6-2、9804-38,占供试种质总数的35%;中感、感病和高感品种(系)分别为9、2、2份,共占供试种质总数的65%,因此,H2012-1、ZY03001-2-4等7个抗性较强的品系可作为亚麻抗派斯莫病育种的材料。     

农产品品质检测中的计算机视觉及神经网络技术发展与动态

随着计算机技术的飞速发展，计算机视觉及人工神经网络等交叉学科的研究与应用已扩展到农业工程领域中，并在许多方面取得了重大开拓性成果。文中概括介绍了这两项高新技术在农产品品质自动检测与分级中的应用状况及发展动态，并通过分析指出了当前尚须解决的问题。     

果型综合评价系统中的退火演化和神经网络融合方法研究

应用计算机视觉技术获取了国光、富士和黄元帅三个不同品种苹果的形状特征参数，采用退火演化算法及神经网络“融合”方法建立了分级合作的层次处理自动评价系统，实现了对果型的快速、准确综合判别。实验表明，该方法准确率达到９５％，并具有较好的鲁棒性和灵活性，能够满足多品种、大批量实时分级的需要。     

用遗传神经网络方法进行苹果颜色自动检测的研究

该文通过计算机视觉技术获取苹果的色度直方图并提取其表面颜色特征，采用先进的遗传算法建立了一个多层前馈神经网络系统，从而实现了苹果成熟度的自动判别。实测表明，该方法准确率较高，并具有鲁棒性、灵活性和高速度。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。