电子鼻技术及其在小麦霉变检测中的应用

研制了一套能够快速对小麦霉变进行识别的电子鼻检测系统,该系统通过分析小麦的气味,从而判断所测小麦是否霉变.该电子鼻检测系统由5只TGS2600系列的气敏传感器组成,通过从每个传感器的响应曲线中提取4个特征值,采用RBF神经网络进行模式识别处理.该系统能够快速准确评判小麦的霉变情况,网络正确识别率为93.3%.实验表明,该系统对小麦霉变与否的检测是可行的、有效的.     

基于机器视觉的马铃薯晚疫病快速识别

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。     

基于不变矩的手形认证方法研究

针对现有的手形认证方法的不足,提出一种基于几何不变矩的手形认证方法。图像经过二值化处理和分割手腕后,需要对所得到得手掌及手指部分图像进行平移和缩放归一化处理,以提取图像的几何矩特征,再由7个矩特征构成一组特征向量。最后通过支持向量机方法对图像库中的100幅图像数据进行训练,并随机抽取15幅图像进行测试,结果表明手形认证准确率可达到93.3%。提取手形几何矩特征作为手形认证的有效特征,该方法具有算法简单、运算量小、认证准确率高等特点,并且解决了由于去除定位栓所带来的手形采集平移、旋转和缩放等问题。     

基于多任务联合稀疏表示的水稻叶片病害自动识别算法

在水稻(Oryza sativa L.)病害自动识别技术中,针对不同种类病害在抽取到相似特征的情况下,病害难于区分,甚至做出错误判断,从而降低识别率的问题,提出了多任务联合稀疏表示的水稻叶片病害自动识别算法.该算法将单一病害特征的识别过程看作"任务",要求这些"任务"特征在同一个训练数据集合的对应特征字典下能够稀疏表示,同时不同"任务"的稀疏表示系数向量具有相似的结构,从而实现了利用不同"任务"间的相互关系提高判断的准确率.同时这种算法使得病害的识别通过一次处理完成,避免了传统方法多次判断所引入的误差.实验表明,该算法能够充分挖掘不同特征类型间的关系,从而提高了识别的效率.     

基于ISSR分子标记的紫云英种质资源遗传多样性及结构分析

紫云英(Astragalus sinicus L.)是我国重要的稻田绿肥作物,为揭示不同地区种质资源遗传特征,本研究利用ISSR分子标记对77份紫云英种质资源进行了遗传多样性及结构分析。研究发现,77份供试紫云英种质资源遗传相似性系数为0.567 7～0.868 6,可划分为6个聚类。不同地区群体间分化系数为0.136 3,达到极显著水平(P<0.001),其中种群间变异占比13.9%,种群内变异占比86.1%。不同ISSR引物扩增信息鉴别紫云英资源的能力存在差异,构建了以P809第3,8,9,10,12,15扩增位点以及P886第1,3,5,9,10,11扩增位点为特征的指纹图谱,能有效区分77份供试紫云英资源。以资源所在省份为单元进行群体分析,供试紫云英资源遗传结构呈现分化特征,河南-安徽-江苏-上海资源遗传结构相似,构成北方亚群;四川-广西-湖南-江西资源相似,构成西南方亚群;福建种质资源则呈现混合型特征。本研究结果可为我国紫云英种质资源的科学利用及新品种选育提供依据。     

计算机视觉在脱水姜片在线分选中的应用

目前,脱水姜片的分选主要靠人工完成,分选精度不高,结果不稳定.为此,研究设计了一套基于计算机视觉的在线分选装置;开发了基于物料颜色参数的实时算法,对物料图像进行特征提取和一系列处理;运用双缓冲技术提高系统运行速度.试验结果表明,分选出的成品中含有的合格姜片达到95.5%,系统测量速度快、分选精度高且运行稳定,满足在线实时分选要求.     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

一种基于小波包变换和有效值算法

近年来，随着科技的迅猛发展，各种敏感电力电子设备在工业中的应用越来越广泛，使得电压暂降与中断已上升为最严重的电能质量问题。对电压暂降扰动发生、恢复时刻和暂降幅值的检测是电压暂降补偿首先要解决的问题。在对现有的电压暂降检测方法进行仔细的研究和比较后，提出一种将小波包变换和有效值算法相结合的电压暂降检测方法，利用这种方法可以更加准确、简洁地检测出电压暂降扰动。利用小波包变换理论实现了电压暂降的精确定位和消噪处理，其消噪效果优于小波变换；利用有效值算法快速、直观地实现了电压暂降幅值的检测。仿真结果验证了该方法的有效性。     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。     

基于数据驱动的机车滚动轴承故障诊断的研究与探讨

本文主要探讨了基于数据驱动的机车滚动轴承的各种特征提取方法以及各类故障模式识别方法。详细比较了各种特征提取的特点以及应用范围,并指出了今后在机车滚动轴承故障诊断研究中的研究方向,为机车滚动轴承的故障诊断提供依据。