基于欧氏距离的发芽马铃薯无损检测研究

根据发芽马铃薯的特点,提出了一种基于欧氏距离的算法对发芽马铃薯进行检测。首先利用机器视觉系统采集发芽马铃薯的图像,对获得的原始图像进行B通道灰度化、中值滤波和Otsu阈值分割等图像预处理;利用欧氏距离算法对发芽马铃薯进行检测,并结合形态学中的孔洞填充和移除小目标实现对发芽区域的准确分割并标记。结果表明:发芽马铃薯的正确识别率达94%;基于欧氏距离算法的发芽马铃薯检测方法方便可行,为研究马铃薯分级系统奠定了基础。     

基于融合小波的高光谱生菜农残梯度鉴别研究

为有效地实现光谱信息预处理,本文将类内距离和类间距离法引入小波阈值、小波分段预处理算法中,提出WBWT和WB-PWT两种融合小波预处理算法。利用WT、PWT、WB-WT和WB-PWT预处理算法对相同的生菜农药残留高光谱数据进行预处理。通过连续投影法对预处理后光谱进行特征选取,利用支持向量机对特征选取的光谱数据进行分类鉴别。结果表明,WB-WT和WB-PWT算法较传统的WT和PWT预测准确率有了较大的提高。其中,以db4、db6、sym5函数为小波基函数和WB-WT、WB-PWT算法预处理对应的模型预测准确率分别为75.00%、84.38%、87.50%和84.38%、90.63%、93.75%,它们的预测准确率均优于WT与PWT算法分别对应的模型预测准确率57.58%、62.50%、69.70%和72.73%、87.88%、90.63%,表明融合小波预处理算法能有效地提高分类建模预测精度。     

基于色敏传感器结合光谱技术的大米储藏期鉴别

应用色敏传感器阵列(CSA)结合可见/近红外(Vis-NIR)光谱检测技术,对大米储藏时间进行鉴别。大米按不同储藏期(0、1、2、4、6个月)分为5组。色敏传感器由氟硼吡咯类色敏材料制成,与大米挥发性气体发生反应后,分别提取色敏材料的光谱数据。光谱数据经SNV算法预处理后,用Si-PLS算法提取3类光谱数据的最佳光谱区间并合成一个数据集。分别用遗传算法(GA)、无信息变量消除法(UVE)和蚁群算法(ACO)提取光谱变量。并结合主成分分析(PCA)和线性判别分析(LDA)进行模式识别。结果表明,用Si-PLS-UVE提取的光谱变量建立的LDA预测模型正确识别率最高。取主成分数为9时,训练集正确识别率为98%,校正集正确识别率为96%,为大米储藏时间的检测提供了一种可行的方法。     

基于颜色距离算法的绿皮马铃薯检测方法研究

提出一种基于欧氏距离和相对距离对马铃薯绿皮进行检测的检测方法。该方法以颜色特征分析为基础,利用RGB空间特征,结合阈值选取,实现对马铃薯绿皮缺陷检测。首先建立马铃薯图像采集系统,采集绿皮马铃薯图像进行彩色图像预处理;通过利用阈值判别方法对马铃薯绿皮进行检测,实现对绿皮区域的准确分割。试验结果表明,该方法能够正确识别绿皮区域,准确率达93%,方法简单、识别率高、稳定性强。     

近红外玉米品种鉴别系统预处理和波长选择方

以7个品种玉米籽粒的鉴别系统为研究对象,对比研究了6种预处理方法和波长选择对模型鉴别能力的影响.结果表明,在被比较的6种预处理方法中,一阶导数方法能够使模型有更好的鉴别性能.使用一阶导数预处理和全光谱区的模型平均正确识别率和正确拒识率最高,分别为98.6%和98%,有5个品种的模型的正确识别率和正确拒识率都达到了100%.波长选择对一阶导数模型没有明显作用,但能使标准正态变量变换和矢量归一化模型鉴别准确度得到较大提高.     

高光谱图像结合机器学习方法无损检测猕猴桃

为实现对过量使用1-MCP化学保鲜剂猕猴桃快速、无损检测,提出高光谱技术结合机器学习建立识别模型的检测方法。首先对空白猕猴桃和过量化学保鲜猕猴桃在865.11～1 711.71 nm范围内进行高光谱数据采集。然后选用标准正态变量变换方法预处理原始光谱数据以去除噪声,采用波段比算法增强图像,数学形态学算法提取感兴趣区域,进而计算光谱平均值。最后采用主成份分析(PCA)、竞争性自适应加权(CARS)方法对全光谱数据(FS)进行特征提取,去除干扰项;以PCA和CARS提取的特征量和FS数据作为输入,结合偏最小二乘(PLS)和支持向量机(SVM)建立12个识别模型。试验结果表明,基于PLS和SVM建立的识别模型均能够有效检测过量化学保鲜猕猴桃,其中CARS-SVM模型性能最好,平均正确识别率达100%,运行速度最快,仅为0.015 348 s,满足工程实践中实时性高的要求,为快速、无损检测猕猴桃果品安全提供理论支撑。     

可见/近红外光谱结合软化指标快速判定沙果货架期

基于可见/近红外光谱技术探讨利用软化指标对不同货架期沙果进行分类的可行性。以SNV为最优预处理结合PLS建立软化指标模型,经优化后其校正和预测模型的决定系数R2分别为0.847和 0.813。证实软化指标与光谱数据之间存在很高的相关性,可以以软化为指标对不同货架期的沙果进行分类。分别采用非线性的LS-SVM和线性的PLS-LDA建立分类模型,结果表明：利用LS-SVM所建模型得到的效果要优于PLS-LDA模型,其正确识别率和正确拒识率都达到了94%。     

基于三维激光雷达与优化DBSCAN算法的果树定位方法

为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。     

基于高光谱病害特征提取的温室黄瓜霜霉病早期检测

针对温室黄瓜早期霜霉病高光谱图像田间采集环境光照的影响及有效病害特征难以提取的问题,提出融合病害差异信息改进的竞争性自适应重加权算法(Competitive adaptive reweighted sampling, CARS)和连续投影算法(Successive projections algorithm, SPA)相结合的特征波段提取方法,并建立了黄瓜霜霉病早期检测模型。首先,采集黄瓜健康叶片和染病12d内每天的高光谱图像,按病程分为7类;提取感兴趣区域,并计算平均光谱作为光谱数据;采用包络线消除法确定霜霉病害差异波段,基于病害差异波段采用CARS对7个不同阶段的光谱数据分别提取特征波段,再利用SPA进行二次降维寻优;最后,将各特征波段组合,得到47个特征波段数据,据此建立最小二乘-支持向量机(Least square support vector machines, LSSVM)模型,用于病害检测。在94个叶片样本组成的测试集上进行了病害检测实验,结果表明,融合病害差异信息的Dis-CARS-SPA-LSSVM对染病2d到发病12d均能取得100%的检测识别率;对染病1d的测试集检测识别率达到95.83%,其中染病样本的召回率达到100%,相较于未融合病害差异信息的CARS-SPA特征提取方法识别率高4.16个百分点。说明所提出的Dis-CARS-SPA-LSSVM模型能够有效实现温室黄瓜霜霉病害的早期检测。     

肉骨粉显微近红外标准光谱库的快速构建方法

利用傅里叶变换显微近红外成像系统,获取了3种不同种属肉骨粉骨颗粒样本的可见光图像和显微近红外图像。采用标记分水岭算法,基于Matlab软件和友好用户界面GUI设计实现图像颗粒的自动化提取与标记,以自动化批处理方式提高了光谱的提取效率,识别率为96.4%。基于颗粒标记,从三维显微成像数据阵中获取单条骨颗粒光谱,以全局马氏距离和邻近马氏距离为指标,提取其中具有代表性的光谱即可构建肉骨粉显微近红外标准光谱库。     

作物籽粒图象识别的光照条件研究

在模式识别理论分析基础上，依据光源光谱、ＣＣＤ摄象元件光谱响应以及作物籽粒表面反射率光谱特性，得出籽粒黑白图象识别系统最佳光源为单色光，其波长为使两待识籽粒反射率光谱差值与ＣＣＤ光谱响应二者的串联响应最大的波长。根据测得的正常和带紫斑病大豆的反射率光谱，计算出了用于识别这两类大豆的光源波长     

近色背景中树上绿色苹果识别方法

为实现大型果园生产中果实产量监控和预测,研究了基于机器视觉的树上绿色苹果识别方法。为彩色相机配备一环形闪光灯用于夜间苹果树的图像采集,设计了以归一化的g分量和HSV颜色空间中H、S分量为特征参数的支持向量机(SVM)分类器和以超绿算子(2G-R-B)为特征的阈值分类器组合而成的混合分类器,实现了绿色苹果在近色背景中的有效识别;针对识别结果中的果实粘连情况,通过计算区域面积以及区域长、短轴之比,识别粘连区域,并对粘连果实区域图像进行欧氏距离变换,进而针对粘连区域距离变换图像采用分水岭算法进行分割,可将大部分粘连果实分开,并最终实现近色背景中绿色苹果的识别与计数。通过对64幅果树图像实验表明,该方法平均识别正确率为89.30%。     

基于岭回归的土壤全氮含量反演模型

全氮含量是土壤肥力的核心指标之一,快速、准确测定耕层土壤全氮含量对农业生产具有重要意义.以南京市江宁区典型水稻田为研究对象,采用棋盘式布点法选取了60个点位,每个点位均在0～30 cm表土层进行取样,利用大疆精灵4多光谱无人机同时获取了土壤样本分别在5个波段(450,560,650,730,840 nm)的光谱反射率,通过土壤全氮含量与光谱反射率多元线性分析,揭示了光谱反射率数据特有的多重共线性问题,构建了基于岭回归的无人机遥感影像反演土壤全氮含量预测模型.计算结果表明,岭回归系数取0.12时,其回归R²达到了0.408,方差膨胀因子均在10以下,且回归系数具有统计学意义.基于岭回归的反演模型可以较好兼顾反演精度与光谱数据多重共线性问题.研究成果可为无人机遥感土壤氮素营养诊断提供理论依据.     

生物炭种类与施量对新复垦区土壤水分入渗过程的影响

为探究不同种类生物炭与其施量对新复垦区土壤水分入渗过程的影响,设置2个生物炭种类（玉米秸秆生物炭A、水稻稻壳生物炭B）和3个施量梯度（2%、4%和8%）以及不施加生物炭（CK）共7个处理,进行垂直一维积水入渗试验。结果表明：除低施量水稻稻壳生物炭处理（B2）外,添加生物炭延缓了新复垦区土壤水分入渗过程,玉米秸秆生物炭优于水稻稻壳生物炭。添加2%、4%和8%玉米秸秆生物炭处理（A2、A4、A8）随施量增加,入渗时间逐渐延长,与CK相比,入渗时间分别延长35.0%、46.0%和59.1%;而水稻稻壳生物炭组中仅4%施量处理（B4）延缓了水分入渗,入渗时间较CK增加28.5%。同时,添加生物炭降低了土壤初始入渗率及相同入渗时间内的湿润锋运移距离和累积入渗量,生物炭种类及其施量对这3项指标的影响与对入渗时间的影响规律相似。添加生物炭均提高了土壤表层含水率,增幅2.2%～20.3%,且两种生物炭在高施量处理条件下土壤保水能力明显优于中、低施量。湿润锋运移距离与时间符合幂函数关系,Philip模型能较好地模拟不同种类及施量生物炭处理下新复垦土壤的水分入渗过程。总体来讲,添加8%玉米秸秆生物炭处理有利于改善新复垦区土壤水分下渗快、保水能力弱的问题。     

基于高光谱成像的甘蔗叶片早期轮斑病与锈病识别技术

针对甘蔗叶片早期轮斑病与锈病发病症状相似,难以区分,导致在实际生产中不便对症施药的问题,以甘蔗早期轮斑病和锈病叶片为研究对象,探究利用高光谱成像技术来识别甘蔗叶片早期轮斑病与锈病的可行性。首先,利用高光谱成像系统在406～1 014 nm光谱范围内采集甘蔗健康叶片、早期轮斑病叶片和锈病叶片的高光谱图像,提取图像的感兴趣区域(Region of interest, ROI)并计算其平均光谱作为原始光谱数据,采用一阶导数(First derivative, FD)、Savitzky-Golay卷积平滑(Savitzky-Golay convolutional smoothing, SG)和标准正态变换(Standard normal variate, SNV)分别对原始光谱数据进行预处理。然后,在预处理的基础上采用主成分分析(Principal component analysis, PCA)算法、蚁群优化(Ant colony optimization, ACO)算法进行特征降维,并将降维后的特征作为后期建模的输入变量。最后,结合降维和不降维2种方式使用支持向量机(SVM)和随机森林(R...     

玉米籽粒的特征选择算法——基于支持向量机与遗传算法

在基于数字图像的玉米品种自动识别的研究中,寻找对识别贡献大的新特征项,对玉米品种识别率的提高具有十分重大的意义.把遗传算法和支持向量机算法相结合,设计了具体的基于支持向量机和遗传算法的玉米籽粒特征选择算法,利用这种算法优选提取出的玉米籽粒特征,从玉米籽粒的胚部和冠部的颜色特征与形状特征中找出了对玉米品种识别贡献较大的新特征.     

油菜氮素光谱定量分析中水分胁迫与光照影响及修

研究了油菜氮素和水分胁迫在光谱检测中的相互作用,以及光照的变化对作物光谱检测的影响.为了克服光照因素对光谱检测的影响,针对氮素和水分的特征波长分别建立了基于光谱反射率变化率的光照修正模型;为了实现对氮素和水分相互作用的解耦,针对不同含水率水平的植株分别建立了全氮含量光谱特征的主成分回归模型.利用氮素光谱组合分析模型对植株全氮含量进行预测,结果表明,实测值与预测值的相关系数R为0.92,均方根误差(RMSE)为0.53,优于前期采用6特征波长变量和主成分回归法所建立的预测模型.     

农业自动化喷雾机械标靶害虫自动识别系统的研究

农业喷雾对象的识别和定位是农业自动化喷雾机械研究中的核心技术之一。对病虫害甘蓝进行精准喷洒农药,实现病虫害准确自动识别成为关键。为此,利用机器视觉的欧氏距离甘蓝夜蛾虫害自动识别检测系统,结合由Qualityspec光谱仪组成的光谱成像系统,对甘蓝正常叶片和遭受甘蓝夜蛾虫害的甘蓝叶片的颜色特征和光谱特征进行分析,并采用机器视觉分割阈值选取中的Otsu算法和自适应波段选择方法提取出了颜色差异的最佳几何阈值和两种叶片的特征波段。试验结果表明:综合机器视觉和光谱技术能够实现甘蓝夜蛾虫害的自动且准确的识别,准确率可达94%。因此,建立机器视觉和光谱技术综合识别体系,可为农作物病虫害自动防治喷雾机器人的研制奠定基础,以达到农作物病虫害实时识别和及时治理的目的。     

基于光谱信息的玉米变量追肥控制系统优化设计与试验

基于近地光谱信息的玉米变量追肥技术是实现氮肥科学合理施用的有效途径。为提高追肥控制系统的光谱信息获取精度及控制精度,对光谱传感器布置方式及系统控制方法进行了优化设计,并进行了田间追肥试验。对行式及分布式布置方式对比试验表明：光谱传感器分布式布置方式采集NDVI优于对行式布置方式,获取NDVI均值平均提高6.4%,方差平均降低0.038。NDVI采集数据采用滑动窗口均值滤波算法进行滤波,滑动窗口边长为15,均方差为0.0079。系统响应特性试验表明,系统的平均响应时间为1.5s,平均稳态误差绝对值为0.775r/min,平均超调量为10.6%,系统在排肥轮工作转速范围内具有较高的控制精度。田间施肥量控制效果评价试验表明,排肥理论转速与监测转速的平均相对误差为3.35%,可以实现精准施肥的目标。