徐州地区日光温室保温性能的试验研究

分析了徐州地区冬季日光温室小气候的变化规律。针对当地日光温室冬季保温性能不理想的现状，从光照条件和温度条件两方面进行分析，对温室自身造成的保温性能不理想提出了改进意见，并在现有温室结构的基础上，通过选择最佳的揭盖帘时间，来提高冬季日光温室的保温性能。揭盖帘对比试验表明，揭盖帘时间选取恰当对室内温度影响较大，可以提高温室的保温性能。     

分选加工中稻米垩白自动检测算法

林地利用变化会对森林固碳总量产生一定的影响,林地利用过程碳汇效率可以从投入产出解释不同林地利用类型的固碳效应,以帮助实现林地利用结构最优时碳汇产出水平的最大化。该文基于区域的视角,通过选用数据包络分析方法（data envelopment analysis,DEA）的C2R-I模型,将不同类型的林地利用数量作为投入,将森林固碳总量作为最终产出,结合全面的历史统计资料查证与实地校验,对杭州市域林地利用过程碳汇效率进行了测度与实证研究。研究结果表明：杭州市域林地利用过程碳汇效率发展不平衡,各县市区之间差距较大,并且碳汇效率的空间分布与各县市区经济发展水平之间存在一定的反向关联性。而根据"土地利用、土地利用变化及林业（land use, land-use change and forestry,LULUCF）"指南和"复杂系统数据包络分析（complex system data envelopment analysis,CSDEA）"转化法则,提高不同林地利用类型的单位面积蓄积量,充分考虑本地区的城市化水平与森林自然度状况,将是影响区域林地利用过程碳汇效率优化的3个重要因素。文章最后给出了包含这3个影响因素的投入产出优化计量模型。模型计算结果表明,杭州市域"造林再造林"投入优化可增加蓄积量3 279.68 m3/a,"森林管理"投入优化可增加蓄积量2 9871.23 m3/a,"森林采伐"投入优化可增加蓄积量111 959.19 m3/a,"森林固碳"产出优化可增加固碳总量7.61 Tg/a。文章结论不仅对区域林地利用过程的碳汇效率研究具有理论贡献,而且可以从碳循环调控的角度为区域低碳经济发展的模式选择与发展战略提供参考。     

基于图像处理的秧苗均匀度合格率检测

插秧机试验鉴定时要人工测定插秧前秧苗培育均匀度,为提高鉴定效率,本研究提出基于图像分割和形态学操作的秧苗均匀度合格率自动检测方法.首先将获取的秧苗根茎部图像在2G-R-B颜色空间进行灰度化处理,阈值分割后进行形态学操作,完成面积阈值和形状阈值的二次分割,得到只含有水稻秧苗的二值化图像;其次根据移距和秧苗深度确定取样方格...     

基于霍特林变换的稻米彩色图像粒形检测算法

利用稻米分割后轮廓灰度图与背景灰度图的灰度均值之差和灰度方差之差进行米粒图像分割效果定量评价,对7个彩色通道的稻米图像进行分割评判,选取I1(红色、绿色、蓝色通道的平均值)通道进行稻米图像分割。提取分割后标注的单粒米粒边界的二维坐标向量,对坐标向量进行霍特林变换,通过计算变换后米粒最小外接矩阵来表征稻米粒形,简化了现有的稻米粒形检测算法。检测稻米粒型时,算法在MATLAB7.5.0环境下运行。该算法所得米粒长宽比与人工检测结果的平均相对误差为1.65%,每幅图像平均耗时0.323s;而最小外接矩形算法的平均相对误差为2.24%,每幅图像平均耗时2·837s。     

日光温室保温帘揭盖时间的确定

适宜的保温帘揭盖时间对室内作物生长及温室的保温性能有很大影响，尤其对冬季温室生产影响显著。该文对冬季日光温室保温帘覆盖时间进行了理论分析和试验研究。利用保温帘揭盖前后温室能量平衡的变化及多元回归方法，推导出确定揭盖保温帘时间的数学模型，并分晴天、阴天两种典型天气展开讨论和试验，结果表明按计算所得保温帘揭盖时间达到了预期效果。     

基于多结构神经网络的大米外观品质评判方法

 应用多结构神经网络建立了大米外观品质评判模型,可实现5类大米的识别。模型采用5个并行工作的多层前向神经网络。每个多层前向神经网络包含两个隐含层,以大米图像的形状特征和颜色特征作为网络输入。网络训练和仿真结果显示模型识别的平均准确率为92.66%,比相同网络复杂度下的多层前向神经网络模型提高5.04个百分点,并且网络学习速率快。     

分选加工对稻米食味品质的影响

以江苏省产梗稻为例,研究稻米外观分选对其食味品质的影响.根据外观品质将单-品种米样分为整米无垩白、整米垩白少、整米垩白多、碎米无垩白、碎米垩白少、碎米垩白多6个等级,分别测定6种米样的直链淀粉含量和胶稠度.结果显示直链淀粉含量和胶稠度与米粒垩白多少和米粒的整碎相关性显著;整米的直链淀粉含量比碎米的低,胶稠度比碎米的长;垩白越少其直链淀粉含量越低,胶稠度越长.所以剔除碎米和垩白米能够改善稻米的食味品质,稻米分选不仅可以提高稻米的商品价值,还可以改进稻米的食味品质.     

基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究

[目的]肉鹅姿态是预警肉鹅异常行为、评判肉鹅健康状态的重要指标,针对传统养殖场人工观察肉鹅姿态耗时费力且有很大主观性等问题,提出了一种基于深度学习模型自动识别肉鹅姿态的检测算法。[方法]利用YOLO v5模型对扬州鹅4种姿态(站立、休憩、饮水和梳羽)进行识别;对YOLO v5模型加入SENet、CBAM、ECA三种注意力模块改进网络结构,提高模型的识别能力;设计明暗试验和密集场景试验进一步验证模型在复杂场景下的鲁棒性。[结果]YOLO v5+ECA模型的平均检测精度(mAP)为88.93%,相比YOLO v5提升了2.27%。在识别精度(AP)上,站立姿态为91.85%,休憩姿态为93.42%,饮水姿态为90.02%,梳羽姿态为80.42%。在明暗试验和密集场景试验中,YOLO v5+ECA模型性能表现稳定,漏检现象和误检现象相对较少。[结论]该模型可以实现养殖场复杂场景下肉鹅姿态准确快速检测,为后续肉鹅行为监控和健康防疫提供数据支撑。     

基于背景差分法的稻米动态图像检测识别

根据稻米形态特点设计了稻米动态图像采集系统,选用背景差分法对米粒动态图像进行目标分割,实现了运动状态下稻米图像特征提取。对提取的颜色、形态特征进行多结构神经网络训练,实现了透明整米、垩白整米、碎米和黄米四类稻米的识别,识别准确率分别为95．2％ ,89．6％ ,97．3％和90．5％。识别效果较好,为稻米在线图像检测分选奠定基础。     

油菜籽粒千粒重图像测定方法

为快速、自动、精准地测定油菜籽粒千粒重,建立一种基于图像处理技术,对不同品种的甘蓝型油菜籽粒进行分样、称取质量、获取图像并经图像处理得到表征籽粒面积的像素数,建立籽粒面积与质量之间的相关性模型.利用选择性极限腐蚀算法获得每个籽粒的核,并标记在籽粒的梯度图像上,再利用分水岭算法对标记的梯度图像进行分割.提取一次分割后仍然...