广西木兰科木材识别、材性与用途

通过对木兰科5个属15种木材进行宏观与微观构造的观察,用对比、分析方法研究,以及经过木材各项物理力学试验的测定及计算结果,分别编制木材宏观和微观识别检索表。木材多数属于高质量系数,弦径干缩比多数为中的一级,本科木材结构细致、均匀、不重不硬、切削性能好、用途广泛,是我国南方常绿阔叶树林的重要树种。     

种蛋外形的计算机视觉识别研究

提出一种利用计算机视觉对种蛋进行筛选的方法。蛋形指数有两个指标：质量与形状,将质量的测量转为对尺寸的测量,采用第一个神经网络检测种蛋的主要特征点,并根据视觉测量原理得到其尺寸大小。利用带小波变换对原始的边缘形状参数进行特征提取,第二个神经网络以此为输入来识别种蛋外形的规则性。试验表明：该方法与人工筛选相比较,其一致性可达到93%。     

玉米苗期杂草的计算机识别技术研究

利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标。研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms。     

基于计算机视觉的番茄缺素神经网络识别

提出了采用不受植株叶片大小和背景影响的色调域平均百分率直方图来提取番茄叶片的颜色特征,用于识别番茄是否缺乏营养元素;提出了采用基于最大差分算子的色调域百分率直方图法、灰度－梯度共生矩阵法和小波分析法提取番茄缺素叶片的纹理特征,用于识别番茄缺何种营养元素;设计了番茄缺N、缺Fe、缺Mg的BP神经网络系统,综合识别结果为：正常中叶、正常新叶、缺铁新叶,缺氮中叶、缺镁中叶的识别准确率依次为95％、92.5％、92.5％、87％、87％。     

基于计算机视觉的奶牛跛行识别技术研究进展

奶牛跛行严重降低奶牛福利及潜在产奶量,影响养殖场经济效益。准确高效识别奶牛跛行,有助于奶牛肢蹄病的及早发现与治疗,促进奶业的健康和可持续发展。人工观察法识别奶牛跛行存在识别效率低、成本高、主观性强等问题。计算机视觉技术可以通过无应激、无接触地采集奶牛行走视频数据,准确高效识别奶牛跛行。该研究从可见光相机、深度相机以及热红外相机3种视频采集手段出发,概述了当前奶牛跛行自动识别的主要研究方法、关键技术以及未来发展方向等,对比分析了各研究方法的优势和不足,指出个体差异性、跛行特征的优选以及早期跛行识别等需要重点关注的技术问题。同时,该研究从数据获取、技术研发和试验验证等方面,分析了奶牛跛行识别技术研究领域存在的主要问题及挑战,展望了未来奶牛跛行识别技术的研究重点和发展方向,为奶牛跛行的精准高效识别提供相关理论依据和技术参考。     

我国第一部环境科学大辞典出版

<正> 在吸收国外和总结我国环境科学发展成果的基础上,我国第一部《环境科学大辞典》于今年4月由中国环境科学出版社出版。本辞典由100多位国内知名专家学者编撰,农业部环保所有二十余名科研工作者参加了编撰工作。本辞典收录了,环境科学基本的、重要的、常见的术语近8000条,系统、均衡地反映了环境科学中诸如环境化学、环境生物学、农业环境学、环境物理学、环境工程学、生态学等十几个分支学科的最新进展情况;针对环境科学的综合     

用计算机视觉进行黄花梨果梗识别的新方法

梨的果梗是否存在是分级的重要特征之一。通过计算机视觉系统摄取黄花梨图象,应用图象处理技术完成图象与背景的分割。针对使用细化及收缩膨胀算法识别果梗速度较慢,提出了一种快速算法。该法利用梨果梗直径小,选择不同大小的模板,判别图象中是否存在果梗,同时得到果梗头、底部与梨相交点的坐标,依据切线斜率信息,对果梗的完好性进行判断。试验结果表明,该算法可以１００％判断果梗是否存在,判断果梗是否完好的正确率达到９３％,判别速度提高４～６倍。而且该算法具有一定的鲁棒性,对旋转、移位不敏感。     

基于计算机视觉的番茄催熟与正常熟识别

国内常有菜农采摘远离成熟期的番茄,采用乙烯利处理进行催熟,为了阻止催熟番茄进入瓜果市场危害食用者的身体健康,给出了催熟番茄识别系统的硬件组成,通过计算机视觉装置获取番茄透射光颜色参数（R、G、B）,并将RGB值转换成HIS值,采用遗传算法训练的多层前馈神经网络实现催熟番茄的自动识别。试验结果表明,系统正确识别率为91.7%,为进一步进行番茄催熟与正常熟识别的研究提供参考。     

玉米籽粒的尖端和胚部的计算机视觉识别

对影响计算机视觉检测玉米籽粒品质的尖端和胚部的识别两个问题进行了研究。利用玉米籽粒尖端的形态特征和胚部图像的亮度特征，分别提出了相应的识别算法。算法对4个品种xhg、xn12、wn14、wc玉米籽粒尖端、表面特征的综合识别率分别为92.50%和89.58%，为特征参数计算奠定了基础。     

基于图像纹理分析的计算机辅助植物分类与识别

植物的分类与识别是农业生产经营和植物学研究中具有非常重要意义的基础性工作。植物叶片识别是进行植物分类的一种非常有效的方法,过去传统的做法是靠手工测量采集叶片原始数据进行人工分析。随着计算机图像处理技术的飞速发展及其应用领域的不断拓宽,在植物叶片识别过程中可利用计算机进行辅助分析,这样可以大大节省资源、提高效率,并且得到的结果也具有较高的精确度。本文将重点介绍基于图像纹理分析的植物叶片识别系统。     

应用计算机图像处理技术识别玉米苗期田间杂草的研究

利用计算机图像处理技术分析了玉米苗期田间杂草的特征量，识别出田间杂草并确定了杂草的位置和生长状况。研究中采用双峰法滤除了土壤背景，根据投影面积、叶长、叶宽识别出了杂草，并且根据杂草投影面积确定出了杂草密度。实验结果表明，此方法可有效地识别出玉米苗期田间细长的单子叶杂草。     

山东成为我国玉米生产全程机械化第一省

截止2010年10月15日,该省玉米收获基本结束,完成机收面积240．7万hm^2,机收率达到71．51％。影响玉米生产实现全程机械化的关键环节是机收。山东全省玉米机收率超过70％,标志着我国玉米生产全程机械化第一省的诞生。     

我国三北地区春季第一场透雨指标的确定

利用我国北方地区1951～1995年降水和气温资料，以考虑降水量和温度的春旱指标为基础，统计确定了东北、华北和西北地区东部等地春季第一场透雨的指标和分区，并分析和讨论了各分区出现第一场透雨的特征和概率。这对监测和预报春季干旱的发生和缓解具有较好的指示作用。     

计算机识别潮间带土壤类型的研究——以盐城沿海滩涂珍禽自然保护区为例

江苏沿海潮间带面积广阔,土壤资源丰富,人工地面调查花费大、周期长。本文用卫星遥感的方法,着重就比值处理、非监督分类和监督分类等计算机图象处理方法对江苏沿海潮间带土壤类型识别的效果进行试验和比较。在结合专业知识的基础上,用13个训练类别的监督分类方法可以识别出潮间带7种土壤类型。对分类精度进行了检验,平均相对误差为17.6%。