鸡视网膜颞侧周边部节细胞的形态类型

利用逆行追踪标记和细胞内注射荧光物质的方法将鸡视网膜颞侧周连部的视网膜细胞（RGCs）的全树突可视化。根据其细胞体和树突野的大小及树突分支特征，鸡视网膜颞侧部的RGCs可分为4群、6亚群，即小细胞体和小树突野的I群细胞，包括简单型的Is亚群和复杂型的Ic亚群；中等细胞体和要对突野的Ⅱ群细胞，也包括Ⅱs和Ⅱc两亚群；中等细胞体和大要对突野的Ⅲ群细胞，只有Ⅲs亚群；具有巨大的细胞体和树突野的Ⅳ群细胞，仅见Ⅳc亚群，各亚群的比例分别是：Ⅰc28.9%、Ⅰs13.2%、Ⅱc15.8%、Ⅱs18.4%、Ⅲs15.8和Ⅳc7.9%。视网颞侧周边部大树突野的RGCs亚群比视网膜中央区的明显增多（占23.7％）。     

视觉技术在农业采摘机器人中的应用及发展

介绍了农业采摘机器人的视觉技术及其工作原理,并进一步探讨了农业采摘机器人视觉技术的应用及其发展前景。     

基于迁移学习的芒果成熟度分类算法研究

成熟度判别是芒果采收及储藏的重要依据.为了适应移动设备硬件算力的限制,对比了传统机器学习方法和迁移学习方法在芒果成熟度鉴别方面的表现,优选最佳模型并开发了芒果成熟度分类软件.试验采集了不同成熟度的小台农图像100张,进行数据扩充后按照8:2划分为训练集和测试集,以准确率、F1值和预测时间作为模型评价指标,分别采用k近邻(K-NearestNeighbor, KNN)、支持向量机(Support vector machine, SVM)、朴素贝叶斯(Naive bayes, NB)、决策树(Decision tree, DT)机器学习算法模型和AlexNet、ResNet18、VGG16、GoogleNet和SqueezeNet迁移学习算法模型进行训练和测试,并对比分析各模型的表现.结果表明：机器学习虽然运算速度快,但分类的准确率明显低于迁移学习,迁移学习的分类准确率均在90%以上.但综合考虑模型的分类准确率和计算能力认为Resnet18表现最佳,它在迭代20次后准确率达到98.75%,而测试时间仅为74.66 ms,优于其它深度学习模型.     

一款乡旅类App“到乡间去”的设计研究

在阐明乡旅类App“到乡间去”设计背景的基础上,首先分析乡旅类App研发现状,其次通过市场分析与用户调研构建起满足村落与青年人、青年人与青年人之间交流需求的App功能架构系统,最后完成“到乡间去”界面视觉设计,设计出一款符合消费群体信息获取需求的乡旅类App,给旅游消费者提供更加灵活、个性化的服务,以增强消费者的服务体验。     

基于运动数学模型的割草装置控制系统研究

以自动化割草装置为研究对象,分析现阶段割草装置存在的自动化程度不高、运动控制精确度低、无法适应复杂的多种使用环境条件及自动续航能力低等缺陷,提出一种基于运动数学模型建立的自动化割草装置控制系统.在运动数学模型建立的条件下,搭建割草装置对草地的模式识别模型,实现割草过程中的障碍规避;建立运动控制过程数学模型,以机器视觉信...     

基于改进Mask R-CNN的笼养死鸭识别方法

针对规模化笼养肉鸭舍内死鸭识别采用人工作业方式时,存在作业效率低、劳动强度大、养殖成本高等问题,以层叠式笼养肉鸭为研究对象,提出了一种基于深度学习的笼养死鸭识别方法。为了采集数据,首先面向立体层叠式养殖环境设计了一款适用于肉鸭舍的自主巡检装备。针对笼养肉鸭舍铁丝网遮挡严重的问题,基于机器视觉对笼网进行修复,基于OpenCV对图像进行增强处理。构建了一种基于Mask R-CNN的死鸭识别模型,采用Swin Transformer对模型进行优化,解决了Mask R-CNN网络缺乏整合全局信息能力的问题。对比分析了SOLO v2、Mask R-CNN和Mask R-CNN+Swin Transformer模型识别笼内死鸭准确率。实验结果表明,在平均精度均值为90%的条件下,Mask R-CNN+Swin Transformer模型对笼内死鸭总体识别准确率可达95.8%,在自主巡检装备上的检测效果优于其他主流的目标检测算法。     

侦查破案中的第六感觉

自古希腊亚里士多德提出人类有5种感觉（视觉、听觉、味觉、嗅觉、触觉）之后,这一观点一直得到人们的认同。但是长久以来,也有人认为人类存在着5种感觉以外的“第六感觉”,这种感觉在侦查破案中经常得到体现。就像英国作家柯南道尔笔下的福尔摩斯、阿加莎·克里斯蒂笔下的波罗,这些大侦探的共同之处就是：在侦查破案中,许多别人尚不知晓的案情,他们能预感到某些内容并能迅速破案。[第一段]     

FIR数字滤波器在声音识别系统上的应用

目的 消除门禁声音识别系统受到的干扰信号,使得门禁系统能正常和准确地为公司员工出入做好服务.方法 以某公司大楼为例,根据声音信号的特点,设计出合理的FIR数字滤波器进行滤波去噪.结果 比较原始信号与滤除后信号的波形和频谱图,实验表明的确能够有效消除噪声.结论 由于声音信号在传输过程中易受到干扰,只要设计出合理的滤波器,...     

基于计算机视觉的花生品质分级检测研究

【目的】建立能够对花生进行品质分级的计算机视觉无损检测方法。【方法】同步拍摄和扫描11类品质,每类品质100颗和100宗,每宗100颗不同等级的花生籽粒的正反面图像;参照国家标准量化花生品质籽粒的11个限制性检测项目,设计花生规格和品质等级的判别方法;测量每个籽粒的形态、纹理、颜色共3大类54个外观特征,采用主分量分析(PCA)进行特征优化,构建并比较BP神经网络(ANN)和支持向量机(SVM)品质检测模型;分别应用Matlab和Spss工具软件实现检测过程和对结果进行统计分析。【结果】前16个主分量的SVM模型,能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒,与人工检测结果吻合度达到了93%,对100宗待检样品进行检测,规格和等级检测完全正确率达到了92%。【结论】研究结果为花生的品质分级检测提供了比较系统全面的量化标准和检测方法,该方法可推广应用于花生品质鉴别、分级筛选加工和商品分级定价等领域。     

基于机器视觉技术对烟叶部位识别方法的研究

为探究机器视觉技术对烟叶部位的识别,通过对专家分级烟叶样本进行图像采集,提取样本烟叶图像中烟叶的颜色、形态等特征,采用不同的分类方法对训练集进行训练建模,再利用分类模型对测试集进行预测分类。结果表明：提取图像中烟叶的颜色、形态等特征能够较好地区分烟叶部位,采用朴素贝叶斯分类器判别其分类效果最好,准确率可达88.89%。该结果为实际工业分级的机器视觉技术运用提供了理论基础和数据来源。