利用Radon变换计算粮仓害虫图像的倾斜角度

针对无明显的直线特征的仓储害虫图像,提出了一种基于Radon变换算法定位图像区域和检测图像倾斜角度的方法.实验结果表明,该算法能快速、准确地测量出仓储害虫图像的倾斜角度,并具有很强的抗干扰性、应用适应性和抗随机噪声的特性.     

基于差分投影法实现仓储害虫图像的精确定位

针对仓储害虫图像的特点,提出了一种基于投影法的图像目标快速定位算法.本算法的优点是特征提取简单,计算量小,速度快;在处理时间上可以满足应用的实时性要求.通过在对仓储害虫差分图像处理中的试验证明,该算法能够快速地识别出实时采集的图像中的目标位置,定位精确.     

He-Ne激光对白菜种子萌发和生长的影响

以五月慢白菜种子为材料,研究了He-Ne激光不同辐照剂量以及不同辐照时间对白菜种子发芽率及其茎和叶长度的影响.结果表明,激光辐照剂量为39.58 J/cm2、辐照时间为10～20min时,显著抑制白菜种子的发芽率以及茎和叶的长度.     

基于声波信号的HHT和Multi-PCA无损检测鸡蛋蛋壳裂纹

采用自行搭建的声波信号响应装置对实验中裂纹鸡蛋样本的蛋壳裂纹随机分布进行无损检测。利用端点检测等方法对声波信号(采集点在鸡蛋赤道部位)进行预处理,然后采用Hilbert Huang变换(HilbertHuang transform,HHT)和多重主成分分析(Multi-PCA)对预处理之后的声波信号进行分析,分别提取声波信号在时域和频域上的主要特征参数,用于鸡蛋蛋壳裂纹的分类检测。结果表明,当鸡蛋蛋壳裂纹大小和位置均随机分布时,由HHT和Multi-PCA提取的特征参量经由支持向量机(support vector machine,SVM)模型和人工神经网络(artificial neural network,ANN)模型均可达到较高识别率。在SVM模型中,采用径向基核函数的效果最好,检测精度高达90%;在ANN模型中,整体回归系数可达0.924 76,检测精度为86.70%。     

BP神经网络在储粮害虫分类中的应用研究

综合利用计算机视觉技术和BP神经网络技术,实现对粮仓害虫的无损检测.通过对粮仓害虫图像的CCD图像预处理,获取了几何特征和不变矩等15个特征参数,并通过优化选取其中七个参数输入神经网络进行训练.仿真结果表明训练网络对粮仓四类常见害虫的识别率达到了85%,得到了较好的识别结果.     

利用Zernike矩计算储粮害虫图像倾斜角度

自动检测粮粒外部害虫是粮虫领域的研究热点。由于储粮害虫图像的一些无量纲的特征丧失了旋转不变性,为了利用这些无量纲的特征形成适于分类的最优知识库,必须计算储粮害虫图像的倾斜角度。分析了利用Zernike矩计算图像倾斜角度的原理,借助Zernike矩旋转不变性,提出了利用Zernike矩计算无明显直线的储粮害虫图像的倾斜角度的方法。试验证明,对于无明显直线的储粮害虫图像,利用Zernike矩能够很好地进行倾斜检测,倾斜角度计算准确度高,且该方法还具有对噪声不敏感的特性,对于其他无明显直线的图像也同样适用。     

高光谱荧光示踪无损检测瓜类作物嫁接苗愈合状态

为了减少瓜类嫁接苗的愈合管理时间,实现快速准确判别嫁接苗早期愈合状态,促进嫁接苗规模化生产及育苗产业发展。该研究制备了氮硫掺杂碳点,以该碳点为荧光示踪材料,以西瓜嫁接苗为研究对象,利用高光谱荧光成像方法,探究了西瓜嫁接苗早期愈合状态无损检测的高光谱荧光示踪成像方法。高光谱荧光示踪图像及光谱分析结果表明,利用氮硫掺杂碳点进行荧光示踪,通过高光谱成像仪对瓜类作物早期愈合状态高通量表型的鉴定,能快速、自动、无损地获取嫁接苗愈合的情况。同时,通过氮硫掺杂碳点处理后第12天,处理组的西瓜嫁接苗相较于对照组,根系增长量提升了78.7%,叶面积增长量提升了61.4%。因此,该研究方法可以提早判别嫁接苗的愈合连通,促使瓜类嫁接苗提早移栽,并且氮硫掺杂碳点处理可以促进嫁接苗叶面积和根系的生长,达到种苗壮苗的作用。     

黑光灯光场分布的计算与模拟

基于光度学的相关知识,对农业生产和研究中广泛使用的黑光灯在平面上的光强分布进行了分析计算和实际测量,并利用Matlab进行了计算机模拟仿真。建立了黑光灯的物理模型,通过合理的假设,推导出了在工作平面上各点辐照度的计算公式。模拟仿真和试验结果表明黑光灯在打开1 h后,光强的分布明显趋于稳定,在10 cm外的工作平面上可以获得约30 cm×20 cm的光强变化在12.5%以内的较均匀的矩形光场。试验与仿真结果表明采用紫外LED光源阵列替代黑光灯可以明显改进光场的均匀性和稳定性。     

利用VFW实时视频实现精确调焦

基于智能化测量仪的研制，就如何利用VFW实时视频，人工调节计算机判别，方便的实现精确调焦进行了探讨和研究，为图像测量系统图像的采集和处理提供方法。     

利用霍特林变换对仓储害虫图像倾斜矫正

针对无明显的直线特征的仓储害虫图像,提出一种基于区域和边缘的霍特林变换旋正倾斜害虫图像的方法。首先通过自动搜索的方法确定储粮害虫的最小外接矩,利用自适应阈值对害虫图像二值化;提取最小外接矩内部害虫图像区域和边缘坐标,计算坐标数组的特征向量并构成霍特林变换矩阵;对原害虫图像区域和边缘经变换矩阵作用后实现对倾斜害虫图像的旋转矫正。试验结果表明,基于区域的霍特林变换能更快速准确地测量出倾斜害虫图像的变换矩阵并进行旋转操作,而且具有更好的抗噪性能和鲁棒性。