基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

基于遗传算法-鲸鱼算法优化反向传播神经网络的土壤参数预测

传统的土壤参数预测常采用物理、化学等方法,在预测准确性上存在较大误差,且易受到人为因素的影响。基于反向传播(BP)神经网络及其改进算法的土壤参数预测方法虽然不受人为因素的影响,但仍有较大的误差。为进一步提高神经网络预测精度,使用遗传算法-鲸鱼算法(GA-WOA)的混合算法优化BP神经网络,以此建立农业土壤参数预测模型,并与多种现有算法进行对比。结果显示,所提算法在农业土壤参数预测方面具有很强的适用性和更高的准确性。     

基于图像特征的小麦胚芽鞘识别

利用图像颜色特征,首先分割小麦种子图像进而确定小麦种子轮廓矩,根据其轮廓距确定小麦种子质心坐标,然后根据小麦胚芽鞘图像颜色特征对胚芽鞘图像进行分割、获取小麦胚芽鞘图像,其次利用Zhang-Suen并行快速细化算法对小麦胚芽鞘进行细化获取胚芽鞘骨骼线,进而获取骨骼线图像(单像素)上所有点对胚芽鞘骨骼线进行多段直线曲线近似,最后根据小麦种子轮廓质心坐标、胚芽鞘骨骼线近似曲线和切割距离(给定)确定胚芽鞘的姿态和对小麦胚芽鞘切割点位置进行定位。通过对小麦胚芽鞘30幅图片进行图像处理验证。结果表明,该方法能完整地提取小麦种子和胚芽鞘图像、小麦胚芽鞘姿态及位置信息。基于图像颜色特征的小麦胚芽鞘识别及定位方法,为小麦胚芽鞘的识别与分析提供了准确、快捷、可视的技术手段,对于构建胚芽鞘智能识别、定位的视觉系统及自动化切割装置的研究意义重大。     

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。     

果蔬农药残留萃取液颜色识别系统的研究

为实现果蔬农药残留萃取液颜色识别,设计了以3块TCS230颜色传感器为核心的颜色数据采集器;由单片机C8051F023对数据采集器输出的红、绿、蓝(RGB)三基色电压信号进行数据运算与处理,液晶显示器HTG240160C显示被测水果、蔬菜农药残留度。在算法上采用BP小波基函数神经网络算法,提高了颜色识别速度、精度和可靠性,该系统结构简单、操作方便。     

基于颜色分量与直方图的玉米苗期背景分割方法研究

对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。     

机器视觉识别田间成熟番茄的研究

为正确识别自然条件下田间成熟番茄,顺利完成其自动采摘,研究了基于颜色特征的田间番茄识别方法。对采集的100幅自然条件下田间番茄图片进行颜色特征提取和理解的基础上,建立了利用成熟番茄与背景(未成熟番茄、枝叶等)在I2颜色指标上的差异进行番茄识别的颜色模型,并利用Ostu法将成熟番茄从背景中分割出来。通过在顺光条件和逆光条件下进行试验,结果表明该模型可以较好地实现自然条件下田间成熟番茄的识别。     

基于HSI颜色模型的杂草与 土壤背景分割方法研究

针对杂草识别中如何将杂草与土壤背景分离问题,提出了利用HSI颜色模型中的H分量分割杂草和土壤背景的方法:该方法首先把RGB彩色空间转换到HSI彩色空间,然后根据色度分量(H)确定阈值将灰度图像转化为二值图像,并在此基础上进行适当腐蚀、膨胀,实现了杂草和土壤背景的准确分割.实验结果表明,该方法的准确率达到90%,验证了该...     

CIEL?a?b?颜色模型在烟草中的应用研究进展

烟草颜色特征指标主要依靠人工经验获取,主观性强,存在一定的不稳定性。CIE L~*a~*b~*颜色模型色域宽阔、色彩分布均匀,常用于烟草(含烟草制品和卷烟材料)颜色参数等的测定与分析。对CIE L~*a~*b~*颜色模型在烟叶产地、烟叶品种、烟叶分级等方面的应用进行综述,并对其在烟草中的应用前景进行展望,为烟草分级、采购、原料控制提供参考。     

亚热带地区农业土壤和植物中多环芳烃的分布

以汕头经济特区的农业土壤和蔬菜为例,运用气相色谱-质谱方法对美国EPA优控多环芳烃(PAH)进行定性、定量测定,分析了其在中国亚热带地区农业土壤和植物中的分布特征,讨论了影响其分布的主要因素.结果表明:该区农业土壤中的PAH以3环和4环为主,单个PAH以萘、菲、荧蒽和苯并[b]萤蒽为主;而植物中的PAH以3环为主,单个PAH以萘、菲为主.PAH可在0～100 cm的土层范围内有效移动和传输,其中表层土壤的输入比率要高于移动和传输的比率.影响PAH在土壤和植物中分布的因素除PAH本身的理化性质外,土壤的理化性质、植物种类和环境条件同时起重要的作用.