面向畜禽加工的智能化装备与技术研究现状和发展趋势

现阶段，智能化加工装备与技术代表着生产力，是提高生产效率、转变发展方式的物质基础，智能化装备技术在畜禽加工过程中的应用在保证稳定、可靠的生产过程的同时，有着显著的经济效益。总结了智能化装备在畜禽屠宰、分割和分级等加工过程中的应用，归纳了国内外学者在机器视觉、光谱检测、多种技术融合、X射线CT成像和超声波成像等智能化技术在畜禽加工领域的诸多研究成果，分析了当前畜禽加工中存在的智能装备不系统、智能化技术不成熟的问题现状，展望了未来智能装备技术在畜禽加工中设备类型标准、多样化，提高设备集成化水平，促进技术融合等发展趋势，为畜禽加工智能化装备技术研究与行业智能化发展提供相关信息和参考。      

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

引入地形因子的无人机遥感精准管理分区研究

根据作物长势的空间差异对耕地进行精准管理分区,可以指导田间变量管理,漫川漫岗黑土区地形复杂,分区时应考虑微地形对作物的影响.以典型黑土区玉米田块为研究区,利用1.1m空间分辨率的无人机多光谱影像提取玉米大喇叭口期(播种后约45 d)归一化植被指数(Normalized difference vegetation index,NDVI),分别结合4种地形因子(高程、坡度、地形起伏度、地表粗糙度),通过面向对象分割方法进行分区,并利用产量数据对分区结果进行评价,对比无人机影像结合不同地形因子分区的精度.结果 表明:研究地块产量、土壤养分及植株生理参数均存在显著变异性,产量与地形存在相关性;相较使用单期NDVI分区,结合地形因子能够显著提高分区精度;结合不同地形因子后,无人机分区精度变化存在差异,NDVI同时结合4种地形因子的分区精度最高,其次分别为结合高程、地形起伏度、坡度、地表粗糙度.研究结果证明了NDVI与地形因子结合作为输入量提高分区精度的可行性,为精准施肥及其他田间变量管理提供了理论基础,为智慧农业的发展提供新思路.     

混合颜色特征下番茄叶霉病病斑双层K-means聚类分割方法

提出了混合颜色特征下双层K-means聚类分割方法,首先在I分量将图像像素采用K-means聚类分割方法聚为4类;取聚类中心最大的2种像素的a*b*分量,进行第2次K-means聚类,得到病斑图像。对采集的21幅病害图片的试验结果表明,该方法分割结果的平均重合系数为97.53%,平均假阳性率为1.22%,平均假阴性率为3.52%。该研究可为进一步病害特征提取识别与病害程度诊断研究提供技术参考。     

基于双目视觉的手势识别研究

搭建了一个便利有效地双目视觉系统,结合深度信息,精准地提取手势信息。采用模板标定法对双目相机进行标定,精确地获取了相机的参数,标定的像素误差为0.67个像素;在立体匹配阶段,利用BM算法快速准确地实现了左右相机图像的匹配,获得被测手势的视差;结合三角测距原理,从而生成较为稠密的深度图;最后将深度信息重新映射到原彩色图像上,实现三维重建,生成三维云图,根据云图信息双目视觉系统能有效地从复杂背景中分割手势,并换一种手势进一步验证了所搭建的双目视觉系统从复杂背景中分割手势的可行性。     

计算机图像识别在玉米生长模型中的应用

为了应对玉米植株的自动化监控,有效预测玉米产量,设计了玉米的生长模型系统。该系统以图像识别技术为基础,选择植株形貌参数,可有效预测玉米果实质量。整个系统包含图像分析、生长参数分析和玉米生长模型系统3部分。首先进行图像灰度化处理,进行二值分割,后采用中值滤波改进方法去除噪声;最后采用Hilditch细化算法,得到玉米植株骨架图。利用本系统对同一玉米植株进行27天观察,探索植株高度H、宽度W和节结个数N与时间之间的关系。系统以植株高度H、宽度W和节结个数N作为自变量,以植株玉米果实质量作为应变量,建立关系式,预测结果与实际结果吻合良好。     

基于厘米级无人机影像的水土保持措施精准识别

基于厘米级高分辨率无人机影像,应用面向对象方法(Object-Based Image Analysis, OBIA)对吉林省伊通县椽子沟流域的横坡改垄、地埂植物带、生态恢复乔木林、生态恢复草地等水土保持措施进行自动精准识别。应用超绿指数(Excess Green Index,ExG)、超红指数(Excess Red Index,ExR)、归一化差异指数(Normalized Difference Index,NDI)等光谱指数,形状的主方向、形状指数等形状特征,均值(Mean)、方差(Variance)、对比度(Contrast)等纹理特征进行措施的特征提取。结果表明:研究区水土保持措施识别的总体精度可达91.24%,Kappa系数为0.87;对垄台、垄沟等线性水土保持措施总体精度可达72.33%,Kappa系数为0.63。基于厘米级无人机影像,应用面向对象方法基本可实现对黑土区水土保持措施的精准识别,也可对垄台垄沟等线性措施进行自动识别,研究结果可为水土保持措施实施范围及完好程度的动态监测提供参考依据。     

基于R2U-Net和空洞卷积的羊后腿分割目标肌肉区识别

针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题，以羊后腿自动去骨分割工序为研究对象，提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进，以U-Net为骨架网络，采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失，在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码，实现缝匠肌图像分割模型的构建。一方面，针对缝匠肌这一核心目标肌肉区，采集羊后腿图像构建数据集训练与测试本文模型，以验证该方法的准确性与实时性；另一方面，通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径，并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动，验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明：当交并比为0.8588时，本文方法平均精确度为0.9820，优于R2U-Net的(0.8324，0.9775)；单样本检测时间平均为82ms，说明本文方法可快速、准确分割出缝匠肌图像，满足机器人自主分割系统的实时性要求，优于U-Net、R2U-Net、AttU-Net算法。最后，在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验，机器人对5条羊后腿的平均切削时间为7.9s，平均偏移距离为4.36mm，最大偏移距离不大于5.9mm，满足羊后腿去骨分割的精度要求。     

基于德劳内三角化和二分查找法的土地自动分配方法

为解决预分方案制定效率低的问题,该文提出一种基于德劳内三角化和二分查找法的地块分配算法。首先生成待分配地块的最小边界几何(minimum bounding geometry,MBG),对MBG进行三角剖分;其次在地块内通过累加三角形的面积执行查找,接近合同面积时采用二分查找法进行微调;最后遍历项目区内所有地块直至生成土地预分配方案。通过对算法进行编程实现,以试验区的土地整治项目为例对算法的可行性进行验证,并从分配效率、精度和形状指数3个方面对结果进行评价。结果表明:项目区内的地块划分仅需231 s,与仅用二分查找法相比,采用该文方法分割效率提高29.3%,精度提高28.2%,形状规则度提高18.2%;在减少农用道路占地面积的同时,分割后的地块具有良好的通达性。该方法可满足自动创建和动态调整土地分配方案的需求,为在一定约束条件下制定最优土地分配方案提供了技术支撑。