离心泵流动空化噪声测试

选择3个流量工况(80, 92,100 m³/h)对离心泵进行空化试验,利用TST6200动态采集系统、NoiseA 2.10噪声测试软件和灵敏度为-210 dB的水听器构成的噪声测试系统采集空化噪声信号,并利用照相机同时拍摄3个流量工况下水流中空泡的变化过程.采用功率谱法对空化噪声信号进行频域分析和处理,将整个频域分为高中低3个频段,统计各频段信号的平均功率,得到信号功率随汽蚀余量之间的关系曲线.研究结果表明:离心泵流动空化信号的特征主要集中在低频段,而在中高频段没有明显特征;利用功率谱法对空化噪声信号进行分析和处理,得到的结果能够很好地反映离心泵流动空化的发展过程;选择了2个功率带分别作为判断离心泵空化初生和临界空化时的阈值,利用该阈值可以对离心泵空化进行实时监测.     

小型方捆机草捆动态称量系统信号分析与处理

为实现小型方捆机草捆动态称量系统的准确测量,降低地面颠簸和机械传动引起的振动对草捆质量测量精度的影响,分析了打捆机作业速度、拖拉机PTO启停对草捆动态称量系统压力和角度噪声信号的作用机理。当系统采样频率为40Hz时,压力噪声信号频率主要在0.1~16Hz;角度噪声信号频率主要在3~4Hz和16~17Hz;打捆机作业速度与噪声信号强度呈正相关。在信号分析基础上,研究了信号处理方法。为提高滤波精度,首先采用基于3σ准则的双阈值动态滤波方法对信号进行预处理,消除奇异值影响,再利用分段线性插值补充空缺点,最后设计一种巴特沃斯带阻滤波器对噪声信号进行消除。田间试验结果表明,采用该方法对信号进行处理后,草捆质量预测相对误差为-4.15%~4.17%,优于均值滤波得到的结果,且该滤波方法适应性更好,更符合实际生产需要。     

从红蜘蛛为害叶片的高光谱图像中识别受害区域

探索从红蜘蛛为害叶片的高光谱图像中识别受害区域的方法,内容包括:1采集20片受害区域色素差异较明显的柑橘叶片的高光谱序列图像,从各叶片的高光谱序列图像中选取522、647和667nm等3个与叶片色素含量具有较高相关性的特征波段的高光谱图像,计算667/522、667/647和647/522等3个特征波段的高光谱图像的比值图像及其二值图像,识别叶片中的受害区域;2计算自动识别和人工识别间的误差,检验算法的识别效果。结果表明:从柑橘红蜘蛛为害叶片的RGB图像或单一波段的高光谱图像中无法直接和自动识别叶片的受害区域;667/647和667/522两个特征波段反射率比值的比值图像均能够有效地抑制高光谱图像中叶片周围的光噪声,进而还原叶片的外形轮廓;从667/522特征波段反射率比值的比值图像中识别叶片受害区域的平均准确率达92.84%,在3个比值图像中识别效果最好;识别算法能够通过计算机编程自动实现,可作为深入研究红蜘蛛的发生和为害规律的技术手段。     

基于相关分析与小波变换的齿轮箱故障诊断

针对大型机械工作噪声大,测取的振动信号信噪比很低,特征信号频率较高,信号消噪难度大,故障特征信号难以提取的问题,提出了一种基于相关性分析与小波变换相结合的故障诊断方法。该方法利用了相关函数降噪特性和小波多分辨特性,达到有效提取有用信号的目的。通过仿真与实验,证明这种方法能有效去除噪声,对故障特征信号有很强的提取能力。     

变工况下转子振动信号的时频分析方法比较

比较了时变参数自回归模型(TVAR)、短时傅里叶变换(STFT)、Wigner-Ville分布(WVD)、Choi-Williams分布(CWD)、连续小波变换(CWT)以及Hilbert-Huang变换(HHT)等几种时频分析方法的时频聚焦性、分辨率、交叉干扰项抑制以及计算效率.对一个具有调频和调幅特性的转子启动过程振动仿真信号进行分析,得出针对此类信号TVAR具有较好综合性能;以STFT的分析结果为比较基准,利用TVAR方法对加速启动工况下采集的实验台转子振动信号进行了分析.结果表明:TVAR不仅能够有效地分析转子启动过程非平稳振动信号,而且具有较强的信号特征提取和抗噪声能力.     

非接触电导检测土壤养分离子的谱峰自动识别方法

[目的/意义]电容耦合非接触式电导检测(Capacitively Coupled Contactless Conductivity Detection,C⁴D)在农业土壤养分离子检测方面发挥着重要作用。对C⁴D信号中离子特征峰的有效识别,有利于后续对离子特征峰的定性和定量分析,为加强农业土壤养分管理提供依据。然而,C⁴D信号的特征峰检测仍然存在无法自动精准识别、人工操作复杂、效率低等缺点。[方法]提出一种基于连续小波变换结合粒子群优化(Particle Swarm Optimization,PSO)和最大类间方差法(Otsu)的谱峰自动识别算法,旨在实现准确、高效、自动化的C⁴D信号峰识别。采用C⁴D检测样品溶液,得到离子谱图信号,对谱图信号进行连续小波变换,得到小波变换系数矩阵。通过搜索小波系数变换系数矩阵极值,识别出脊线和谷线。将小波系数矩阵转换为灰度图像,结合PSO和Otsu寻找最佳阈值,进一步对灰度图像的背景和目标分割,再结合原始谱图中的脊谷线识别谱图中的特征峰。[结果...     

基于Gabor特征的马铃薯图像芽眼识别

为了实现马铃薯智能化切块中芽眼自动识别,提出了一种基于Gabor特征的马铃薯图像芽眼识别方法。首先,设计了马铃薯图像采集系统,采集马铃薯图像;然后,进行马铃薯图像中芽眼特征分析,并基于Gabor特征进行马铃薯图像滤波,选择方向2和尺度4下的滤波图像进行形态学图像处理;最后,通过剔除马铃薯边界连通区域进行芽眼区域提取。选择50张马铃薯图像进行芽眼识别试验,结果表明:提出的算法芽眼识别率为93.4%,误识别率为7.2%,平均识别速度为0.28s。本算法可为马铃薯智能化切块中的芽眼自动识别提供方法。     

机器视觉技术的发展和应用

1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

精准播种机粒距检测系统信号与图像处理的研究

作为一种鉴定精准播种机是否符合精准均匀播种的重要手段,设计了一种由FPGA驱动的线阵CCD播种粒距检测实时成像系统,用于检测播种的种子间距。其中,线阵CCD扫描成像时输出信号夹杂着噪声会造成信号畸变及计算机生成的图像含有噪声。通过分析噪声的产生机理,采用相关双采样降噪技术来抑制噪声,获得优质的图像信号。利用MatLab通过小波变换及阈值收缩法对线阵CCD扫描获取的图像进行去噪处理,以信噪比(PSNR)和均方差(MSE)的评价指标做对比分析,选取最优的阈值处理方法,为精准播种机播种的种子间距检测系统的输出信号降噪和图像去噪提供理论基础及技术支持。     

苹果夜视图像小波变换与独立成分分析融合降噪方法

对不同人工光源辅助下采集到的夜视苹果图像,通过噪声分析,判定苹果夜视图像的噪声以高斯噪声为主,并混有部分椒盐噪声。针对高斯噪声去除难题,将小波变换(Wavelet transform,WT)与独立成分分析(Independent component analysis,ICA)理论引入夜视图像的处理系统,为了最大程度地降低噪声污染,提出WT-ICA融合降噪方法。通过仿真实验,结果表明融合降噪效果较为理想。为了更好地评价夜视图像的降噪效果,以自然光下的图像为参照基准,提出相对峰值信噪比(Relative peak signal-to-noise ratio,RPSNR)的概念。对所采集到的不同的夜视图像进行多次重复实验,结果表明,从视觉上看WT-ICA降噪方法得到的低噪图像噪点明显减少;从RPSNR看,WTICA得到的低噪图像,分别比原始图像、小波软阈值降噪、ICA降噪方法平均提高29.94%、8.09%、7.54%;白炽灯下的图像处理后的RPSNR最高,适合作为人工光源。WT-ICA融合降噪方法通过连续处理,排除夜视图像的噪声干扰,得到的低噪图像更利于进一步识别,从而为实现苹果采摘机器人的全天候作业打下基础。     

基于图像处理的温室黄瓜霜霉病诊断系统

为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。     

基于轻量型网络的无人机遥感图像中茶叶枯病检测方法

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。     

作物病害图像中重叠病斑分离算法

针对传统的分水岭分割算法的不足,应用了一种基于标记测地重建的分水岭算法对棉花重叠病斑图像进行分离.首先对病斑二值图像利用多尺度距离变换获得病斑的距离图像,通过极限腐蚀操作检测出标记种子;然后以种子标记为基础.运用形态学测地重建运算获取测地影响区骨架SKIZ--分水岭线;最后利用分水岭线与原病斑图像进行交集运算.从而得到分离的图像.运用该算法对棉花重叠病斑图像进行分离,试验结果表明:该方法能较好地将图像中的重叠病斑分离,并较好地保存病斑边缘信息,对图像中的微小结构和噪声不敏感,具有良好的鲁棒性.     

柑橘叶面病害监测颜色空间改进算法研究

柑橘叶面病害是影响柑橘产量和质量的重要因素,如何对柑橘叶面进行病害识别是后期病害检测的一个关键步骤。为了提高柑橘在各种病害环境下病斑图像识别的准确率,提出了一种针对柑橘病害监测的HSV颜色直方图空间的图像检索改进算法。此算法用颜色空间来展现柑橘病害所导致的颜色变动,根据柑橘叶面病变产生的异常颜色信息,结合传统直方图图像检索方法,对柑橘叶面图像颜色进行非均匀量化处理,且将非均匀化量化处理后的归一化颜色矩阵作为因子来进行图像检索。使用者可以经过使用这种形式来检测柑橘叶面图像,及早发现病害。与传统的方案相比,此算法在柑橘叶面病害监测方面的检索查准率和查全率均有显著提高,从而验证了本文算法的有效性。     

基于近红外图像的温室小型西瓜采摘信息获取技术

为实现温室立体栽培模式下小型西瓜的识别与空间定位,研究了基于近红外图像的西瓜采摘信息获取方法。测定、比较西瓜果实与茎、叶的光谱反射率,确定波长850 nm附近波段为区分西瓜与背景的最佳波段,在光强差异较大的两时段内采集了最佳波段下的西瓜近红外图像;通过Otsu算法滤除背景信息,利用"米"字型模板检测得到"浓缩西瓜"区域,实现西瓜果实识别;使用形心坐标计算公式获得采摘点坐标;根据西瓜果梗生长特性,利用分块定位算法获得切割点坐标信息。在温室环境下随机选择拍摄50幅有西瓜图像和20幅无西瓜图像进行识别算法验证,并对识别成功的有西瓜图像进行采摘点与切割点提取算法验证。结果表明,有西瓜图像识别成功率为86%,无西瓜图像为95%;采摘点、切割点定位准确度分别为93.0%、88.4%。     

基于GC-Cascade R-CNN的梨叶病斑计数方法

为提高梨叶片病害发生程度诊断的效率和准确性,本文提出基于全局上下文级联R-CNN网络（Global context Cascade R-CNN,GC-Cascade R-CNN）的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块（Global context feature model, GC-Model）,建立有效的长距离和通道依赖,增强目标特征信息。引入特征金字塔网络（Feature pyramid network, FPN）融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集,增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类,完成病斑计数任务。在梨叶病斑图像测试中,模型的各类病斑平均精确率均值（Mean average precision, mAP）达89.4%,检测单幅图像平均耗时为0.347 s。结果表明,模型能够有效地从梨叶片病害图像中检测出多类病斑目标,尤其对叶片炭疽病斑检测效果提升显著;不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R²均大于0.92,表明模型病斑计数...     

基于模糊熵及遗传算法的图像增强技术

针对农业图像中的不确定因素，提出用模糊熵的方法对农业图像进行增强。在Zadeh的模糊熵的基础上，根据农业图像的特点提出了一种新的模糊熵，并用遗传算法确定模糊隶属度函数中的参数。实验结果表明，本文的方法是十分有效的。     

基于近红外机器视觉的鱼类摄食强度评估方法研究

在水产养殖中,鱼类的摄食强度可以反映其食欲,准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题,本研究以实现鱼类食欲的自动客观分析为目的,提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先,利用近红外工业相机搭建了近红外图像采集系统,采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后,利用灰度共生矩阵提取摄食图像的纹理特征变量信息,包括对比度、能量、相关性、逆差距和熵等。之后,将这5个特征变量作为输入向量构建了模型的数据集,并训练了支持向量机分类器。为了提高模型分类的准确率,利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类,最终实现了鱼类摄食强度的评估。试验结果表明,图像纹理可以较好地描述鱼类摄食过程中的行为变化,正确识别4类摄食强度的准确率达到87.78%,且不需要考虑水花等对成像质量的影响,具有较强的适应性。本方法可用于鱼类食欲的自动客观评估,为后续投喂决策提供理论依据和方法支持。     

主从控制机械臂支承底架有限元静力分析

采用有限元分析方法对主从控制机械臂支承底架进行了静力分析,得出了支承底架在承受工作载荷工况下的位移、应力、应变云图,找到支承结构的强度薄弱环节,并据此提出了相应的修改方案,为改善支承强度、改进底架结构设计提供了理论依据。     

基于机器视觉和信息融合的邻接苹果分割算

提出了利用亮度和颜色的信息融合来分割邻接苹果的方法.首先使用Lab模型对苹果图像进行分割.然后计算分割后每个区域的面积,并判断其是否为邻接苹果区域.接着在邻接区域内计算亮度信息,利用亮度产生的亮斑对邻接苹果进行分割.这样,在邻接区域以外的部分,亮度信息产生的噪声被Lab模型的信息屏蔽,而邻接区域以内的部分,具有惟一性的亮度信息可以较好分割经Lab模型处理后的邻接苹果.实验表明,此算法对邻接苹果识别非常有效,识别率大于92.89%,而且算法简单快速,平均每幅图片识别时间小于0.5 s.