基于Isomap和支持向量机算法的俯视群养猪个体识别

针对俯视群养猪视频序列,提出了一种利用机器视觉技术对猪个体进行识别的方法。首先对采集的俯视群养猪视频序列进行前景检测与目标提取,获得各单只猪个体,其后建立训练样本,提取猪个体颜色、纹理及形状特征,组合构建表征猪个体的特征向量,接着对组合特征利用Isomap算法做特征融合,在最大程度保留有效识别信息的基础上降低特征维数,最后利用优化核函数的支持向量机分类器进行训练与识别。试验选取了900帧图像,试验结果表明该文所提方法切实有效,猪个体最高识别率为92.88%。该文从机器视觉角度探索了俯视群养猪的个体识别,有别于传统的RFID猪个体识别,该研究为无应激的猪个体识别提供了新思路,也为进一步探索群养猪个体行为分析等奠定了基础。     

基于深度图像和生猪骨架端点分析的生猪步频特征提取

为高效提取生猪的行走快慢特征,以微软公司Kinect作为图像采集设备,采集生猪运动深度图像序列。在对各帧深度图像进行骨架提取、剪枝的基础上,采用基于路径相似性骨架图匹配法确定生猪前后肢骨架端点,进一步以骨架端点所属骨架枝子集像素值特征判定端点远近侧属性。以生猪前后肢远、近侧端点的帧间相对坐标变化建立了生猪运动模型,提出了通过帧间坐标变化点集拟合正弦曲线计算生猪行走完整步的方法。最后,通过计算序列完整步与序列采集时间长度比值提取生猪步频特征。通过对采集的28个生猪运动深度图像序列及其镜像序列共56个图像序列进行的试验,表明该文提出方法的正确率达到82.1%。该项研究对于开展生猪异常步态分析,进一步建立生猪多源特征融合的计算机视觉异常监测系统,提高生猪异常行为预警可靠性具有重要意义。     

基于射线轮廓点匹配的生猪红外与可见光图像自动配准

为研究生猪多源图像特征提取方法及生猪体表温度与生猪异常的关系特征,该文提出一种基于射线轮廓特征点匹配的红外与可见光图像自动配准方法。采用红外热像仪,同时采集相同猪舍场景的可见光图像和红外热图像,以红外热图像中生猪区域质心为中心间隔均匀角度构建辅助射线,提取射线与边缘轮廓交点构建匹配特征点集,通过计算不同尺度变换因子下特征点集间的加权部分Hausdorff距离作为测度,引入RPROP算法进行迭代加速,实现了可见光图像和红外热图像的快速自动配准。试验中,应用该文算法对50对红外和光学图像进行了测试,所提出自动配准方法配准成功率达到94%,平均配准误差小于1像素,试验结果表明自动配准效果达到或超过手动配准的效果,为进一步研究生猪多源图像异常特征提取奠定基础。     

基于正交小波系数的阈值降噪法

依据信号与噪声小波变换系数的差异,提出的用阈值法去噪可以很好的使噪声得到抑制,且几乎保留了原始信号所有的特征点.本文详细阐述了小波分析信噪分离的基本原理和方法,通过仿真分析得到良好的效果,为信号去噪提供一条有效的途径.     

基于脊腹线波动的猪呼吸急促症状视频分析

预警呼吸急促症状的病猪时,人工连续监控方式存在效率低下问题,为实现自动预警,通过机器视觉方法,捕获猪的脊腹线轮廓,证实自动计算的脊腹线起伏频数和人工计算频数强相关性。通过6个训练有素的人,对10头含有或无呼吸急促症状的猪打分（5分制）,并拍摄分辨率为320像素×240像素、猪自由站立在视频窗口中的侧视视频。在Matlab仿真平台,采用图像灰度化、背景减法、脊腹线段提取、脊腹线波动描述子计算后,自动捕获的波动频数和人工计算的相比较,所有测量值的平均相关系数为0.947,猪和视频窗口面积比在0.35～0.75之间时,脊腹线波动识别精度高于85%,且其波动频率与猪的人工呼吸急促症状估分值呈线性正相关。视觉技术用于呼吸急促的病猪预警有应用价值。     

车辆用耐蚀钢热轧钢板防止铜脆的工艺研究

Cu是车辆用耐大气腐蚀钢中的重要元素之一，但是Cu在钢中极易在晶界富集，引起表面网状裂纹“铜脆”缺陷。通过研究冶炼工艺、过热温度和升温速度，确定了合理可行的冶炼工艺和高温快烧的加热工艺，有效地防止了铜脆缺陷的产生。     

基于神经网络的番茄栽培管理专家系统

针对专家系统开发过程中存在的问题，利用神经网络的学习功能、记忆功能和并行处理的优势，提出了用神经网络建立专家系统的方法；构造了神经网络专家系统的基本框架；并详细阐述了神经网络专家系统的设计过程及BP神经网络的改进算法。     

车辆ABS控制算法的理论分析与试验研究

采用车辆动力学分析的方法，分析了逻辑门限值和滑移率ABS控制算法的不足，并提出了基于路面附着系数的ABS控制算法。设计和开发了适应于BJ2020车型的单轮防抱制动系统的硬件和软件，并在转鼓试验台架上进行了一系列试验。通过仿真计算和试验研究，证实了该控制算法的有效性，为防抱制动系统的研究提供了切实可行的途径。     

特征波长筛选在近红外光谱测定梨硬度中的应用

为了提高应用近红外光谱分析技术快速测定梨硬度的精度和稳定性,该研究采用联合区间偏最小二乘和遗传算法（siPLS-GA）在校正模型中用来筛选特征光谱区域和波长,通过交互验证法确定模型的主成分因子数和筛选的波长,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型的评价标准。基于siPLS-GA的最优模型包含4个光谱区、96个变量和10个主成分因子。该模型结果显示：最佳预测模型相关系数（Rp）和RMSEP分别为0.9083和0.5573。研究结果表明,近红外光谱技术结合siPLS-GA建模用于无损、快速测定梨的硬度是可行的。     

基于支持向量机的重叠大豆颗粒计数

为了提高大豆千粒重的测定效率和精度,提出一种基于机器视觉的有效分割多层重叠颗粒和记数方法.将由摄像机采集的大豆颗粒图像经预处理后,提取所有的颗粒块区域;寻找颗粒块区域的拓扑形状特征欧拉数和形状特征向量:颗粒块轮廓边缘上凹点、颗粒块类圆近似核心;采用支持向量机分类法智能识别颗粒叠加类型,将其分为串重叠、多个并粘连和两层并重叠,最后实现自动分割.结果表明:该方法能有效解决两层重叠或深度粘连类圆大豆颗粒的准确计数.