基于图像和YOLOv3的番茄果实表型参数计算及重量模拟

为了便捷准确地计算番茄果实长度、宽度和投影面积表型参数并模拟果实重量,以番茄粉冠F₁为试验材料,利用YOLOv3深度学习模型检测和裁切番茄果实图像,利用像素计算来分割番茄果实区域,将计算果实区域的6个特征参数输入线性回归模型、BP神经网络模型、支持向量机(SVM)模型中反演果实重量,以期从图像中获取番茄果实表型参数及重量模拟结果。结果表明,YOLOv3模型对番茄果实检测的平均精确度(AP)为90.06%;用果实长度、宽度、投影面积计算的平均相对误差分别为3.37%、5.65%、5.49%;用线性回归模型、BP神经网络模型、SVM模型模拟得到的果实重量的平均相对误差分别为44.68%、17.38%、6.45%。研究结果证实,从图像处理中获取番茄果实长度、宽度、投影面积表型参数是可行的,SVM模型对番茄果实重量的模拟精度较高。     

激光传感器在喷雾靶标检测中的研究应用

树木尺寸、形状等特征信息的获取,是现代化农业中重要的环节,为农林管理中的变量精密喷雾提供依据。为了实现对树木靶标信息的精确测量,搭建了基于UTM-30LX型激光传感器的室内滑台靶标检测系统,实现对规则物体、仿真树的扫描检测,通过编写的C++程序,实时读取数据信息并存储于控制计算机中。利用MATLAB软件对存储的数据信息进行后期的离线分析,重构物体三维图像,通过最大相对误差、轮廓相似度两个参数,分析激光传感器检测得到靶标目标尺寸、重构目标三维图像的精确度。以长方体柜子、圆柱体泡沫、2棵仿真树为试验对象,按照选取的3个检测距离和4个检测速度分别对4个试验对象进行检测与数据分析。试验结果显示,多次试验下,与人工测量尺寸比较而言,激光传感器测得的长方体柜子长度、宽度和高度尺寸最大相对误差分别为6.76%、6.86%和3.92%,圆柱体泡沫的高度、直径尺寸最大相对误差分别为4.25%和7.33%,仿真树1高度、宽度尺寸最大相对误差分别为4.06%和5.91%,仿真树2高度、宽度尺寸最大相对误差分别为3.24%和4.00%;仿真树1、2的激光扫描重构图像与对应实物轮廓相似度最小值分别为0.928 8和0.932 6。研究表明,UTM-30LX型激光传感器在各种试验条件下对多种试验靶标特征检测均具有较好的精确性和准确性,可以担负变量喷雾检测的任务,具有应用到农业生产中的前景。     

基于DSP的果树形态参数检测系统硬件设计

根据果树仿形喷雾作业的特点和要求,设计开发了一套基于DSP的果树形态结构参数检测系统. 该系统能够实时采集果树视频图像,并进行快速图像处理和果树部分形态结构参数的计算. 文章主要介绍检测系统的硬件结构、各部分功能和工作原理,并给出了一个简单的图像处理算例. 最终的试验与检测结果表明,该系统对果树最大冠幅和树高的检测相对误差分别在-2.51%～0和-3.0%～1.7%范围内.     

基于苹果朝向的最大横切面直径检测方法

为提高运动苹果的采后分选精度,设计一种基于苹果朝向的最大横切面直径检测方法。采集苹果在传送杆上多位置、多姿态RGB图像,利用张氏标定法进行图像畸变校正,通过颜色分割和形态学处理方法提取苹果区域;基于R通道分量的梯度变化获取苹果果梗/花萼区中心,通过对称性判断苹果朝向。计算垂直于朝向的最大直径,将其作为最大横切面直径;针对相机投影角增大产生的投影失真问题,构建投影校正方程以校正检测结果。结果表明：1）对60个苹果（富士和黄元帅各30个）的720幅图像进行直径检测,以单张图像检测结果在±5 mm内作为检测准确的判断标准,所提出的投影校正算法将单张图像的直径检测准确率从65.3%提升至95.3%。2）对每个苹果的12张图像的直径检测结果求平均值作为最终果径,准确率达100%,其中,86.7%的富士和93.3%的黄元帅检测直径在±2 mm以内,均方根误差分别为1.5 mm和1.1 mm。总体结果表明,本研究提出的最大横切面直径检测方法能够精确检测苹果果径,可为苹果大小分级提供技术支持,也为近球形的果蔬分选提供了有效参考。     

既有钢筋混凝土桥梁正常使用极限状态可靠度分析

分析了既有钢筋混凝土桥梁正常使用极限状态可靠度分析的特点;研究和讨论了模糊失效界限和荷载等级提高对既有桥梁正常使用极限状态可靠度影响;以钢筋混凝土最大裂缝宽度作为构件正常使用状态的分析对象,建立了混凝土构件在正常使用状态下的极限状态方程,并根据一座实际桥梁的检测资料进行了可靠度计算,讨论了正常使用情况下各个因素对混凝土构件可靠指标的影响.     

重组竹高温处理后的性能研究

为了研究重组竹在高温后的性能特点,将重组竹试样置于100~300℃下处理2h,自然降温至室温后,对其质量损失率、裂纹宽度、顺纹抗压强度及破坏形式进行测试和分析。结果表明,随着温度的增加,重组竹的质量损失率逐渐增大,当温度达到250℃,试样出现部分炭化,在300℃质量损失率快速递增到18.6%。在200℃以下裂缝出现较少,最大裂缝宽度只有0.18mm,从250℃开始裂缝增多,在300℃时最大裂缝宽度达到0.52mm。随着处理温度的增加,重组竹的抗压强度有所下降,在300℃时,其顺纹抗压强度仍有62.58 MPa,但极限承载力下降较多,最低的只有508.46kN,说明重组竹在高温后还具有较大的抗压强度,不会大幅降低建筑物的安全性能。     

基于图像处理的水稻育秧播种质量检测方法的研究

基于数字图像处理技术,研究出一套适用于水稻播种质量检测的算法。通过投影、差分等方法处理采集到的静态图像从而得到处理目标,然后用自行设计的检测算法判断每穴水稻粒数,最终可计算得到水稻育秧播种的空格率、合格率等。详细介绍了该套算法的具体思路及实现方法,同时通过试验验证了软件检测空格率的相对误差最大为0.2%,合格率最大相对误差为-1.5%,论证了该方案的可行性。     

灯泡贯流式水轮机装置甩负荷过渡过程基于内特性解析理论的数值计算方法

针对工程实际中具有双调节元件的水轮机装置缺少全特性曲线时无法进行过渡过程计算的问题,采用基于内特性解析理论的数值计算方法对灯泡贯流式水轮机装置甩负荷过渡过程进行研究和计算;采用自行开发的计算软件对广东省封开县白垢水电站灯泡贯流式水轮机装置进行甩负荷过渡过程理论计算.结果表明计算得到的最大转速相对额定转速上升了71.6%,实测最大转速上升率为67.4%,计算值与实测值的相对误差为6.2%;计算得到的最大压力相对初始压力上升了27.5%,实测最大压力上升率为28.75%,计算值与实测值的相对误差为4.3%.转速和压力上升率的相对误差均小于10%,满足工程需要.基于内特性解析理论的数值计算方法可供工程实际中计算过渡过程.     

基于DEM-MBD耦合的滚勺式精量穴播器成穴器运动参数优化

针对滚勺式精量穴播器固定成穴器成穴轨迹呈余摆线,余摆线过大造成撕膜和挑膜的问题,同时为降低株距的差异性,基于离散元法和多体动力学耦合方法对穴播器成穴器运动过程进行仿真分析。以牵引速度、牵引角度和穴播器质量为影响因素,以余摆线宽度、株距和播种深度为响应值,通过预试验和单因素试验确定各因素对响应值的影响规律,基于前期仿真试验结果开展多因素仿真试验获得最优参数组合,并通过田间试验验证最优结果的可靠性。结果表明：滚勺式精量穴播器成穴器运动的最优参数组合为,牵引速度523.43 mm/s、牵引角度21.9°、穴播器质量18.2 kg,此时株距为196.84 mm,余摆线宽度13.98 mm。以最优参数组合进行验证试验,株距为193.86 mm,相对误差1.51%;余摆线宽度13.28 mm,其相对误差4.39%。     

基于双目视觉与深度学习的番茄本体特征检测系统

[目的]设计基于双目视觉与深度学习的番茄本体特征检测系统,实现番茄本体特征的自动无损检测,为水肥一体化和智慧农业提供技术支持.[方法]采集4000张番茄图像作为研究样本,利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法,对番茄植株、茎、花、果实和叶进行检测.基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取.[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试,调用训练好的模型对番茄各器官进行识别和定位,对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%.利用基于双目视觉的图像测量算法对番茄本体特征进行测量,通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内,可实现番茄本体特征的精确检测,较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年,完成了对番茄全生命周期的本体特征检测,并可将数据保存于数据库,实现对番茄本体特征的自动、无损监测.[建议]优化番茄特征遮挡问题,丰富训练数据集,优化网络模型,提高识别率和鲁棒性;建立番茄特征数据共享云平台,实现番茄疫病的提前预警;确定本体特征与番茄长势的关系,以快速判断施肥量,实现大棚番茄自动精确施肥.     

斜拉索PE保护层表面伤痕检测算法设计

提出了一种检测斜拉索PE保护层表面伤痕算法的设计。首先,在图像的预处理阶段,对原始图像进行灰度化和滤波处理;其次,运用边缘检测、边界跟踪及Hough变换获得了拉索轮廓的连续边界;然后,利用原始的灰度图像和基于拉索轮廓的掩模板,获得了无背景的拉索表面图像;最后,通过基于图像间空间差分的伤痕检测算法,获得斜拉桥拉索表面伤痕的图像,结果表明该算法能有效地从爬升机器人采集的图像中提取出斜拉索PE保护层表面伤痕的图像。     

基于声波信号的HHT和Multi-PCA无损检测鸡蛋蛋壳裂纹

采用自行搭建的声波信号响应装置对实验中裂纹鸡蛋样本的蛋壳裂纹随机分布进行无损检测。利用端点检测等方法对声波信号(采集点在鸡蛋赤道部位)进行预处理,然后采用Hilbert Huang变换(HilbertHuang transform,HHT)和多重主成分分析(Multi-PCA)对预处理之后的声波信号进行分析,分别提取声波信号在时域和频域上的主要特征参数,用于鸡蛋蛋壳裂纹的分类检测。结果表明,当鸡蛋蛋壳裂纹大小和位置均随机分布时,由HHT和Multi-PCA提取的特征参量经由支持向量机(support vector machine,SVM)模型和人工神经网络(artificial neural network,ANN)模型均可达到较高识别率。在SVM模型中,采用径向基核函数的效果最好,检测精度高达90%;在ANN模型中,整体回归系数可达0.924 76,检测精度为86.70%。     

基于模糊数学的公路路面裂痕检测技术

根据公路路面实际裂痕灰度值比背景灰度值低,而路面非背景和非裂痕像素灰度值比背景灰度值高或低很多,设计了一种基于模糊数学的公路路面裂痕检测的新技术.首先使用改进的基于乘性模型的灰度校正算法对原始图像进行预处理,接着根据OTSU最大类间方差法计算得到原图像前景与背景的最佳阈值作为渡越点,构造一个新的模糊隶属度函数对预处理后的图像进行模糊处理,然后用Sobel算子对模糊后的图像边缘检测判断得到含有裂痕信息的区域,最后用图像分割算法区域分割出含有裂痕信息的图像子块.实验证明,新提出的方法在处理速度和检测准确性方面基本能够满足实际需要,能实时、自动检测出模糊图像的裂痕.     

混凝土裂纹结构三维重建可视化研究

依靠混凝土的CT图像信息,可以准确地展示混凝土内部裂纹结构。运用Amira 5.2.1软件,将CT原始图像信息进行了混凝土裂纹结构的三维重建研究。实验表明:所建立的混凝土三维模型骨料分布基本符合原始CT图像,裂纹空间形态较清晰,实现了裂纹的可视化,能够比较真实地展示混凝土材料的内部裂纹结构。三维重建图可看到骨料分布比较均匀,裂纹连接了部分原始孔隙,且主要出现在边部。     

马尾松木材空洞开裂残损的雷达检测成像初探

本研究以木结构古建筑常用的马尾松木材为研究对象，采取人工模拟的方法在马尾松木段端部制作中心空洞及外缘开裂的残损，通过开展残损木材的雷达探测及成像影响因素研究，给出不同残损在雷达检测下的表现形态，实现木材内部空洞和外缘开裂残损的快速识别及表征。研究结果表明:利用雷达无损检测技术可以实现木材内部空洞和外缘开裂残损的快速检出，而对残损大小的评估，雷达检测面积与实际残损面积存在偏差；当雷达探测到木材内部空洞时，其交界面会出现强烈的黑-白-黑形态图像，对应的反射波形为谷-峰-谷；当雷达探测到木材外缘开裂等凹陷特征时，其图像上会出现不同于正常背景的纵向干扰条纹；木材外缘开裂并不严重影响内部空洞残损的检出，木材表面存在贴合紧密的树皮或保护性地仗对内部残损的识别也无明显影响；木材含水率对雷达检测结果影响较为显著，在其他条件一定时，木材含水率越高，其雷达检测残损面积越小；雷达检测结果受含水率等因素影响，其残损的检测边界可能会产生一定的偏移，因此，在实际检测中应根据雷达检测图像进行深度方向的延伸分析。通过本研究可知:雷达无损检测技术可以实现木材空洞和开裂残损的快速检出，但对于残损的定量评估有待于进一步研究。      

基于脉冲耦合神经网络的粘连玉米种子图像分割

为解决玉米种子内部机械裂纹检测过程中存在的种子间粘连问题,提出一种基于自适应脉冲耦合神经网络(Pulse coupled neural net)模型与熵值最大原则相结合的图像分割算法。运用直方图均衡化和布特沃斯低通滤波器进行频域增强预处理,以提高玉米种子与图像背景的对比度;运用PCNN模型,结合最大熵值原则对预处理后的粘连玉米种子图像进行分割,并引入图像像素的拉普拉斯能量(Energy of laplace)作为PCNN网络各神经元之间的连接系数,以增强图像分割效果;采用维纳滤波和数学形态学对分割后存在的噪声和断点进行处理,得到最终的分割效果。试验结果表明:PCNN与熵值最大原则相结合的图像分割算法的分割准确率为92.5%,运行时间为1.166 2s,分割准确率高于改进分水岭算法、OTSU算法和最大熵直方图分割算法,用时略长于其他分割算法。     

玉米籽粒大小特征检测方法研究

提出一种自动获取玉米籽粒大小特征和总粒数的方法:通过振动给料机实现玉米籽粒快速喂料,利用输送带和线阵相机的无偏差匹配,准确获取玉米籽粒图像,对籽粒图像进行二值化、除杂、筛选、粘连籽粒分割等处理,测量玉米籽粒的粒长、粒宽和籽粒总粒数。研究了图像处理过程中不同阈值、不同粘连籽粒处理方法对测量结果的影响。对100个样品进行的试验结果表明:阈值数设定为24、采用平均面积法时,测量的误差最小,测量结果与人工测量值相比较,玉米籽粒总粒数、粒长、粒宽的相关系数分别为0.999 3、0.900 0、0.930 0,平均相对误差分别为0.26%、3.85%、3.63%。     

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

基于Matlab变压器故障红外图像边缘检测研究

红外图像处理在电力设备故障检测方面有着广泛的应用。介绍几种边缘检测方法,通过MATLAB对各种算法进行变压器故障红外诊断图像处理,实现边缘检测,比较这些方法的优越性,根据实际需要选取相应的边缘算法。