基于图像处理自动估算产卵场底质粒径分布研究

目前产卵场河床底质卵砾石粒径的量化仍然是河流特性研究中一个重要且具有挑战的问题。人工测量方法工作过于繁琐,危险系数大。图像分析技术的最新进展促进了数字图像中自动识别并测量砾石。本文提出了一种标记控制流域分水岭域法——B-FS法,该方法基于产卵场河床底质数字照片自动提取粒径分布。实验在实验室和现场分别进行可靠性验证,并与传统图像处理方法进行比较。与其他图像处理方法和手动筛分方法比较,B-FS在估算砾石数量和粒径分布百分比方面有更优于其他方法的效果产生。结果表明,B-FS是一种精确测量河床砾石粒径分布的有效方法。     

复叶中小叶主叶脉及其生长角的提取

复叶中小叶的生长角度可作为特征参数识别复叶植物。首先利用改进的Sobel算子和中值滤波提取复叶叶轴和小叶的主叶脉,进而利用Hough变换线性检测获取复叶叶轴和小叶主叶脉的直线,利用所检测的直线计算得到小叶的生长角度。此外,对基于Hough变换线性检测的适用性进行探讨,发现Hough变换线性检测可以很好地适用于小叶主叶脉呈直线的复叶;但对于小叶主叶脉呈现弯曲状时,Hough变换线性检测时会出现明显的缺陷,需要采用外接矩形方法提取小叶的生长角度。提取结果表明,所采用的算法可以有效地提取复叶中小叶的生长角度。     

基于温室植物叶片纹理的病害图像处理及特征值提取方法的研究

为了实现温室病害的智能化防治,深入研究了植物病害图像处理中基于叶片纹理的特征值提取方法。通过对温室黄瓜斑疹病和角斑病的处理研究发现,利用灰度共生矩阵方法提取出来的惯性值是识别这两种病害较好的特征参量之一。     

基于图像处理的水稻叶片三维可视化研究

介绍利用数字图像处理技术提取水稻叶片几何参数及边缘轮廓曲线的方法,分别利用三角网格化技术和贝塞尔曲线来描述叶片边缘信息,并对2种方法进行比较。通过二次生长曲线方程实现了水稻叶片的三维建模及可视化表达。     

基于图像处理的植物叶片参数测量系统

为实现植物叶子参数的快速、精确测定,研究并开发植物叶子特征参数的图像分析软件系统。综合运用图像增强、形态学处理及边界跟踪等方法对含有标定物的植物叶片照片进行图像预处理;利用边界跟踪得到图像的边界信息,采用边界链码法、像素法、最小外界矩形(MER)等方法测量叶片的周长、面积和矩形度等特征参数。测试结果表明,测量精确度基本满足植物学调查要求。     

绿原酸分布、提取与生物活性研究综述

评述了绿原酸在植物中的分布与生物合成、提取与分析方法、合成类似物的构效关系及绿原酸类似物的生物活性.     

基于图像处理的植物叶片参数的测量

针对传统植物叶片参数手工测量方法精度低、速度慢的缺点,提出了一种基于扫描仪和参考物利用图像处理技术来测量植物叶片参数的方法.首先利用扫描仪获得含有植物叶片和参考物的数字图像,然后通过图像处理技术分别获得参考物和被测叶片的二值图像,最后利用实物参考物周长和参考物在图像中周长之间的比例关系来求取被测植物叶片参数.对真实图像进行了实验,结果表明此方法具有较高的效率和实用性.     

基于图像处理的玉米叶片姿态测量方法研究

为实现玉米叶片姿态的自动测量,针对玉米叶片形态特征,提出了基于图像处理的玉米叶片姿态自动测量方法。首先采用迭代方法对叶片图像细化,提取骨架图像上的各像素点,然后采用最大距离法计算叶片的弯曲度,通过测量叶片最高点与叶尖的垂直距离计算下垂度,最后对2种测量方法进行测试和分析。结果表明,所提出的叶片姿态测量的2种方法对样本叶片的测试准确率分别为92.4％和88.2％,能够有效描述和量化不同玉米品种的叶片弯曲程度,方法简单易行,且测量过程不需要标度校准。     

基于Kruskal算法和主成分分析的农业经济信息评价

为了解县域单元内部乡镇之间农业经济信息的空间格局及结构,以山东省禹城市11个乡镇为研究对象,重点选取了反映农业经济信息的农业机械总动力等9项指标,运用主成分分析的统计方法,建立了农业经济信息的主成分载荷矩阵,计算了农业经济信息主成分综合得分,从计算机学科图论的角度人手,结合Kruskal求解最小生成树算法从定量的角度分析了禹城市11个乡镇农业经济信息的综合潜力状况,利用Kruskal算法和主成分结合的方法对乡镇单元尺度进行农业经济信息分析,确定最佳的区位优势、分类和组合,以便于农业的集约化和耕作的合理化,较好地配置农业的产业结构,为农业可持续发展和实现合理的农业地域分工提供科学依据。     

基于图像处理技术的黄瓜叶片病害识别诊断系统研究

为了提高黄瓜叶部病害检测与染病程度的分级的准确率和效率,综合运用图像处理技术、人工神经网络技术,实现黄瓜叶部病害检测与染病程度分级,并主要对发病率高且危害严重的黄瓜霜霉病、白粉病和病毒病进行试验研究.首先,通过接种方法获得了纯正的黄瓜病害样本,并采集染病植株的样本图像.利用基本图像处理的方法对黄瓜叶部病害图像进行处理,综合运用二次分割、形态学滤波得到病斑区域.其次,提取三种特征包括22个特征参数,采用BP算法训练的多层前向人工神经网络对黄瓜病害进行分类.实验证明,检测系统的黄瓜叶部病害平均识别精度为95.31%,并能够快速准确地对黄瓜叶片病害的染病程度进行分级     

基于图像处理的雾滴沉积分布试验研究

针对我国喷药作业以经验为主,过量使用农药的问题,采用超红算子2R-G-B与OTSU算法结合的图像处理方法,研究叶片表面形态特征、雾滴粒径和叶片倾角3因素对雾滴沉积分布的影响。结果表明:1)该图像处理方法能有效分割雾滴与叶片背景,基于该方法的雾滴覆盖率测定结果与人工分割方法比较,相对误差5%。2)叶片表面形态特征、雾滴粒径和叶片倾角3因素对雾滴覆盖率的影响均显著。3)在相同喷量条件下,雾滴覆盖率随叶片倾角增大而减小,但当倾角增大到30°时,粒径为138.2和157.6μm的雾滴在粗糙和光滑叶片表面上的覆盖率发生突增。4)雾滴覆盖率随粒径增大而减小,但当叶片倾角大于60°时,粒径为157.6和197.1μm的雾滴在相同叶片表面上的覆盖率差异不大。5)在相同叶片倾角条件下,粒径较小的2种雾滴的覆盖率在粗糙叶片表面上最大,在光滑叶片表面上最小。所提出的基于图像处理的雾滴覆盖率测定方法,可为雾滴在叶片表面上的分布研究提供评估手段。     

基于图像处理的秧苗均匀度合格率检测

插秧机试验鉴定时要人工测定插秧前秧苗培育均匀度,为提高鉴定效率,本研究提出基于图像分割和形态学操作的秧苗均匀度合格率自动检测方法.首先将获取的秧苗根茎部图像在2G-R-B颜色空间进行灰度化处理,阈值分割后进行形态学操作,完成面积阈值和形状阈值的二次分割,得到只含有水稻秧苗的二值化图像;其次根据移距和秧苗深度确定取样方格...     

基于图像处理的土壤颜色判别方法研究

基于土壤颜色定量化测定的重要性,利用图像处理技术设计一种简单而准确的土壤颜色测定方法。为验证该方法的可行性,以江西省6种母质发育水稻土为试验对象,分别采用目测比色法和改进后的方法进行土壤颜色测定,结果表明:不同母质发育水稻土R、G、B值区间分别为166.4～177.6、146.1～153.5和96.1～124.2。同一种土壤犁底层R值均显著大于其耕作层土壤R值;同一土壤采用目测比色法测得的颜色类型数均大于改进后的方法测得的颜色类型数,12种土样采用改进后的方法测定的颜色类型数平均值为1.4,而采用目测比色法得到的颜色类型数平均值为4.6,故与传统目测比色法相比,改进后的方法能显著提高土壤颜色判别的准确性。上述结果佐证改进后的方法克服了目测比色法测定过程中因为观察者个体视觉差异带来的误差问题,提高了颜色测定的准确性,同时又具备其简单易行的优点。     

基于计算机图像处理的稻米垩白测定系统的研究

基于Chalkiness V1.0,以Visual C++.NET为开发工具,设计开发计算机图像处理系统Chalkiness V2.0,专用于NY147-88标准中优质稻米分级质量指标垩白粒率、垩白度和粒型等参数的检测.系统由图像数据预处理模块、样品识别模块、垩白识别模块、长宽比识别模块、统计分析模块和输出模块组成.运...     

基于图像处理的大蒜蒜瓣朝向识别

根据蒜瓣形状的特点,应用数字图像处理技术,通过对蒜瓣图像进行转换、分割以及膨胀,以Visual C++6.0为平台开发了蒜瓣蒜尖朝向的识别模型。结果表明,该程序能够很好地识别蒜瓣瓣尖的朝向,正确识别率达到了92%,为提高大蒜播种机的自动化水平提供了技术支持。     

Yield prediction in apple orchards based on image processing

It has been suggested that apple ( Malus * domestica Borkh) flowering distribution maps can be used for site-specific management decisions. The objectives of this study were (i) to study the flower density variability in an apple orchard using image analysis and (ii) to model the correlation between flower density as determined from image analysis and fruit yield. The research was carried out in a commercial apple orchard in Central Greece. In April 2007, when the trees were at full bloom, photos of the trees were taken following a systematic uniform random sampling procedure. In September 2007, yield mapping was carried out measuring yield per ten trees and recording the position of the centre of the ten trees. Using this data (the measured yield of the trees and the pictures samples, representing the flower distribution), an image processing-based algorithm was developed that predicts tree yield by analyzing the picture of the tree at full bloom. For the evaluation of the algorithm, a case study scenario is presented where the error of the predicted yield was set at 18%. These results indicated that potential yield could be predicted early in the season from flowering distribution maps and could be used for orchard management during the growing season.     

基于镜头检测的成熟期水稻图像处理算法研究

快速处理视频信息,实时获取水稻生长密度,是实现水稻联合收割机喂入量实时控制的关键。采用模板算法,引入基于镜头检测的视频挖掘技术,提取视频信息中的关键帧作为水稻密度突变检测依据。结果表明,镜头检测技术的平均每帧检测时间是0.05 s,比传统静态图像算法提取作物的密度特征速度快16倍;模板算法可有效消除田间作物品种、生长态势、光照等自然因素的影响,算法具有通用性。     

基于图像处理的蜻蜒自动识别系统研究

研究了蜻蜓图像的自动识别技术,构建了基于浏览器/服务器(B/S)架构的蜻蜒自动识别系统.通过分析蜻蜒彩色图像的颜色和灰度特征,利用灰度阀值分割法去除图像背景,然后计算蜻蜒的几何不变矩纹理特征,将结果与建立的蜻蜒样本数据库数据进行相似度计算,确定蜻蜓种类.结果表明,该系统能够获得较好的识别效果,为昆虫识别的研究提供新的手段.     

基于图像处理的金免疫层析试条定量测试系统

设计了一种金免疫试条定量检测用的仪器,利用家用摄像头摄取图像,用图像处理的方法得到测试线颜色的绿色分量,并与浓度建立回归关系.数据表明用该仪器对金标试条进行定量检测是可行的.     

基于U-Net 的甘蔗提取方法

【目的】基于深度学习的分类方法是使用高分辨率遥感影像快速提取作物种植空间信息的新方法。【方法】以云南省陇川县甘蔗种植园为研究区,收集空间分辨率为0.5 m的Google Earth开放影像进行数据预处理,建立样本数据集,构建U-Net神经网络模型,训练模型参数;使用U-Net模型提取甘蔗种植空间信息,通过地面样方数据验证甘蔗提取精度。【结果】(1)基于深度学习方法的甘蔗分类总体精度和Kappa系数分别为92.76%和0.848 0,面积总精度为94.41%;平坝区、丘陵区分类精度存在差异,总精度和Kappa系数分别为97.10%、0.922 1和88.42%、0.767 3;(2)受部分地物RGB影像特征与甘蔗相似的影响,分类结果存在错分现象。【结论】基于U-Net神经网络模型的方法可用于高分辨率影像的甘蔗提取,更准确的分类精度还有待进一步研究和验证。