一种基于红外热图的温度提取方法

经济抗逆力开启了新型风险管理和评价工具。基于经济抗逆力的理论分析，构建包括经济稳定、市场效率、治理能力、社会发展、信息化发展在内的经济抗逆力综合评价指标体系。运用省域的面板数据，引入信息熵权法修正权重，从省际结构、地理区域和聚类分组等多维度测算中国经济抗逆力及其空间分布特征。研究发现，中国经济抗逆力总体呈现上升趋势，但增速放缓。而且，经济抗逆力具有较为典型的区域分布特征。各类分指数中，市场效率指数、社会发展指数与信息化发展指数是不同区域经济抗逆力水平提升的重要驱动因素，而治理能力指数偏低和经济稳定指数下降是经济抗逆力提升的主要制约变量。     

基于深度学习的高分辨率麦穗图像检测方法

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。     

基于红外热像技术的建筑外墙热工性能的现场检测

简要介绍当前建筑节能现场检测方法的问题和不足。在一维稳态传热理论基础上,提出基于红外热像技术定量检测建筑外墙传热系数的基本原理和操作方法。以大庆市某一居民住宅为研究对象进行实测,并将检测值分别与传热系数理论计算值和热流计法测试结果进行了对比分析。实践表明,该方法快速、易于操作,具有较好的实用性和可靠性。     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。     

基于VirtuoZo NT的正射影像图的制作

利用VirtuoZo软件围绕正射影像的制作展开研究,改变了传统的依靠地面控制点的方法,直接利用外方位元素进行模型的定向,并在此基础上完成了东北林业大学校园正射影像图的制作.该方法的应用节省了大量的外业控制点测量,其成图精度经验证可以达到常规测图规范的要求.     

马铃薯病斑图像自动分割方法研究

本文使用了一种k-means聚类算法实现了对马铃薯叶片上的病斑提取,其原理利用ab二维数据在Lab空间模式上的颜色差异性。首先建立平方欧式距离作为马铃薯图像像素间的相似度距离模型,再以均方差作为聚类准则函数对颜色进行二分类聚类,最终完成了对目标区域的精准提取。从实验效果来看,该算法能较好的将马铃薯晚疫病病斑区域从图像中提取出来,分割结果较为理想。     

航拍油菜花图像的自动聚类分割方法

为了实现航拍大田油菜花的准确分割,本文提出了一种基于HSI颜色空间阈值和X均值自动聚类算法相结合的分割方法来有效提高分割精度。先将待分割的原始图像转换到HSI颜色空间,通过设定的颜色阈值对目标区域进行定位,实现初步分割,得到候选目标区域;然后将候选目标区域的像素转换至LAB颜色空间,计算候选区域的a、b通道的均值和方差;最后利用得到的均值和方差作为聚类的约束条件,利用X均值自动聚类算法对原图像的a、b通道进行聚类。实验结果表明,本文提出的方法能够克服变化的背景的影响,准确提取油菜花区域;相对于传统的聚类方法,本方法不需要预先设定聚类数,从而实现完全自动的分割。     

基于SVM的高粱叶片病斑图像自动分割提取方法研究

为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。     

基于红外热图像的肉鸡腿部异常检测方法

[目的]为解决目前规模化养殖下肉鸡腿病多发、人工检查成本高等问题,提出一种基于红外热图像的肉鸡腿部异常自动检测方法.[方法]根据肉鸡步态评分标准,将肉鸡跛行划分为正常、轻微异常、中度异常、严重异常4个评级;通过YOLO v3神经网络模型获取肉鸡腿部区域的温度数据,并结合OpenCV图像处理方法提取肉鸡身体质心高度、身体...     

基于MATLAB的茄子图像分割方法

针对茄子图像的灰度和颜色特点,利用MATLAB中丰富的图像处理函数,分别进行了色差分割和色调分割。在色调分割中,采用了自动选取阈值的Otsu法。在去除残留噪音的处理中,采用标注的方法对二值图像的各连通区域进行面积统计。保留最大面积的区域,从而使分割效果大大改善。利用多参数来衡量分割效果,使评价做到最大程度的客观、合理。     

基于遗传算法的Ostu图像分割方法

图像分割是常见于模式识别和计算机模式的一种基本技术,目标识别、目标检测和特征提取操作均需通过图像分割进行。目前图像分割算法常用最大类间方差法(Otsu),但这种算法受噪声等因素干扰时容易造成分割错误。详细分析了以往Otsu阈值的处理原理,提出一种基于遗传算法的Ostu图像分割算法,仿真实验表明图像清晰度更显著,并可有效缩短图像分割时间,具有广泛的发展前景。     

基于红外热成像技术的玉米种子活力等级分类方法研究

针对传统玉米种子活力等级分类方法耗时长、环境要求严格、对种子产生损伤等问题,利用红外热成像技术结合SVM算法,建立了快速、无损、高效的玉米种子活力等级分类方法。首先采用人工老化的方法将1 200粒玉米种子分组分别老化0 h,72 h,144 h。利用不同老化时间玉米种子具有不同的生理特性,通过红外热成像仪采集温度胁迫后自然冷却的玉米种子红外热像图,提取温度值作为特征。随后对玉米种子进行标准萌发实验,根据实验结果,将玉米种子分为高活力,中活力和低活力3个活力等级。将温度值作为特征,活力等级作为标签分别建立K最近邻(KNN)和支持向量机(SVM)模型并进行训练,以模型分类准确率和训练时间作为评价指标,确定较佳模型,最终通过网格搜索对选择的模型参数进行优化。结果表明基于红外热成像技术结合支持向量机(SVM)建立的模型,训练集准确率达到了92.4%,测试集准确率为91%,训练用时0.12s。该模型经过优化后训练集准确率达到了97.1%,测试集准确率达到了96.5%。     

基于红外热成像的育成期蛋鸡体温检测方法

针对育成期蛋鸡在散养状态下受环境影响大,易生病,体温检测困难的问题,采用红外热成像技术和多元回归分析的方法,对鸡体体表温度和翼下温度之间的关系进行研究,建立温度预测模型.环境温湿度会影响鸡体体表温度的测量,为使红外热像仪采集的体表温度能够准确的反应出鸡体真实温度,试验对鸡体翼下温度和体表温度进行同步测量,并采集饲养环境...     

自然环境下嫩芽与茶梗自动分割方法的研究

在茶叶智能采摘过程中,实现嫩芽与鲜梗的自动分割可以减少制茶工序和提高茶叶质量。以自然环境下茶叶嫩芽图像为研究对象,利用G-B灰度图结合直方图阈值法实现了新茶(嫩芽与鲜梗)分割,对新茶二值图像进行形态学腐蚀操作确定嫩芽与鲜梗的分割点,通过逐行扫描实现了自然环境下嫩芽与鲜梗的采摘点标记。实验表明,该方法可以为自然条件下茶叶嫩芽与鲜梗的自动分割提供理论基础。     

基于改进的几何活动轮廓模型的叶片自动分割

叶片的形态测量在苗木生长自动监测中具有重要意义,在形态测量前首先要将完整的叶片从背景中提取出来.针对彩色苗木叶片图像的特点研究了利用几何活动轮廓模型进行完整叶片的自动分割的方法.首先利用图像的全局信息和C-V模型进行初始分割,当曲线到达目标边界附近时,利用改进的基于图像局部信息的能量模型进行边界的精确定位.该方法将C-...     

生猪自动喂料设备的应用效果

介绍了温州桑农少林畜牧有限公司应用安装全自动送料系统的效果,即:实现同一舍内猪群同时喂料,有效避免猪应激反应;提高喂饲效率,最大限度减少管理员;推进饲料散装运送,节省饲料成本;自动上料系统实现生猪精确饲喂量等,对规模较大猪场应用全自动送料系统有一定的借鉴作用。     

基于遗传算法的骨髓细胞图像分割方法研究

设计了一种基于熵的遗传聚类分割算法.以像素的灰度值为特征向量进行编码,利用直方图熵法准则函数作为适应度函数,采用基于排名的选择操作,以一定的概率进行算术交叉和变异,并结合聚类分析设定种群的聚类中心对细胞图像进行遗传聚类分割.对于分割后获得的细胞核轮廓利用活动轮廓模型进行了优化,从而获得连续的细胞轮廓曲线.     

基于SOFM神经网络的茄子图像分割方法

以将茄子图像从复杂的背景中分割出来为目的,在分析茄子图像色差和色相的基础上,选取R—B、G—B和H作为自组织特征映射（SOFM）网络的输入特征向量,利用该网络自组织学习的特征进行聚类。采用信噪比、面积比、分割时间和傅里叶边界描述子等指标来评价分割精度。试验证明,基于SOFM神经网络图像分割评价优于单一闽值分割,适合复杂背景的彩色图像分割。     

基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法

提出一种基于显著性检测的害虫图像自动分割算法(S-segmentation算法),首先利用显著性检测方法,结合图像局部区域的颜色距离和空间距离特征,对样本图像作预处理;然后采用无交互式图像分割算法处理显著检测结果图,可实现目标区域的完美分割,避免多次重复设置背景区域.通过对5种鳞翅目幼虫图像进行分割试验,结果表明该算法的分割准确性明显提高,平均分割精确度可达93.14%,较传统图像分割算法提高了约20%,并且复杂度低,运行效率高,分割精确度不受样本数量影响.进一步将该算法应用到体型和颜色多样化的鳞翅目成虫图像分割上,得到的平均分割精确度达到88.22%.