基于光谱分析的棉花异性纤维最佳波段选择方法

图像采集是基于计算机视觉的棉花异性纤维检测计量系统中的基础环节。为构建有效的图像采集系统以便检测皮棉中的异性纤维并识别其种类,在对棉纤维和异性纤维进行光谱分析的基础上,根据二者的漫反射光谱差异,提出了基于反射差极值分布的最佳检测波段选择方法和基于光谱可区分度的最佳可区分波段选择方法。光谱分析结果表明,紫外波段是带荧光异性纤维的最佳检测波段,可见光波段是带颜色异性纤维的最佳检测波段,而红外波段是塑料薄膜、毛发、羽毛等的最佳检测波段,并初步认定780～1 800 nm的近红外波段为异性纤维间的最佳可区分波段。     

牛羊疾病的消化系统检查

随着我国社会经济发展形式多元化的到来,我国农业中的畜牧业发展模式也在发生着变化,由原来的分散养殖变为了当前的集中化大规模养殖,为我国人民生活水平的提高提供了大量的食物基础。而大规模养殖时代的到来,对养殖方式科学化提出了更高的要求,而在众多的牛、羊疾病中,消化系统的疾病是任何阶段牛、羊都会得的,很多其他种类的疾病也是从消化系统疾病开始的,所以,加强对牛、羊消化系统进行检查是非常必要的。     

棉花异性纤维检测计量方法研究与设备研发

棉花中的异性纤维是一种有害杂质,严重影响棉纺织品的质量。因此,对棉花中的异性纤维进行检测与计量,具有重要意义。在对棉花异性纤维现有计量方法进行分析的基础上,提出了一种新的计量方法"异性纤维个数"计量法。根据新的计量方法原理,对异性纤维在线检测计量的装置进行了结构设计,并简要介绍了该项技术设备的工作原理,最后通过试验验证了该项目研发成果技术方案可行,具有很好的实用和推广价值。     

碌曲县畜牧业现状及其发展思想和对策

碌曲县位于甘肃省东南部,地处青藏高原东部边缘,是以藏族为主要民族的纯牧业县,海拔在2800m～4483m之间,年均降水663.7mm,年均温2.3℃,年均风速为1.6m/s,冬季漫长,年积雪为80d左右,内陆性气候特征明显,表现为高寒阴湿,降温频繁,灾害性天气多,强度大,     

引发牛羊传染病死亡的病因分析

我国自古以来就是一个农业大国,而在农业中畜牧业所占的比例也相对较多,在我国各个地区还有很多以养殖牛羊为生的农民,他们把每年的收入希望都寄托到了牛羊的养殖上。但是就目前情况来看,我国牛羊养殖户的生活水平并没有得到有效的提高,主要原因就在于每年牛羊因为传染病而死亡的数量都非常多,这就给养殖户带来了很大的经济损失,一定程度上阻碍了养殖户的生活水平提高。所以,本文就对牛羊传染病死亡病例进行了总结,并提出了几点重要的病因。     

皮棉表面多类异性纤维的高光谱图像检测

为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表     

基于Mean-shift的棉花异性纤维图像分割

提出了一种基于均值平移(Mean - shift)算法和膨胀、滤波算法相结合的棉花异性纤维图像分割方法.选择具有代表意义的头发、麻绳和塑料布的灰度图像进行处理,首先对棉花异性纤维图像采用Mean - shift算法进行图像分割,然后对分割后的图像元素进行膨胀处理和滤波处理,实现棉花异性纤维图像的精确分割.实验结果表明,本文采用的图像分割方法具有较强的抗噪声能力,达到了比较满意的分割效果.     

棉花异性纤维图像分割方法

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析.实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了2倍多.     

基于改进遗传算法的棉花异性纤维目标特征选择

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出了一种基于改进遗传算法的特征选择方法.采用分段式染色体管理方案实现对多质特征空间局部化管理;利用分段交叉和变异算子避免出现无效染色体,提高搜索效率;通过自适应调整交叉和变异概率实现强搜索能力和快收敛速度的动态平衡.实验结果表明,该方法比基本遗传算法搜索能力更强、收敛速度更快,所得最优特征子集较小,更适用于棉花异性纤维在线分类.     

皮棉表面多类异性纤维的高光谱图像检测

为了考察高光谱成像技术检测多类异性纤维共存时的性能，也为其今后用于商业化皮棉质量评价，或在线皮棉杂质分拣提供研究基础，试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像，获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像，灰度平均图像，以及全波段下主成分和独立成分得分图像，获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法，判别最佳图像分割后的连通区域，剔除噪声点和假阳性。依据目标判定原则，训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表