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...     

农田秸秆覆盖率检测方法与试验

针对秸秆覆盖率检测准确率易受光照不均匀影响以及现有检测方法对无秸秆图像检测精度较差的问题,提出一种基于图像行平均灰度标准差分类及图像分块可变阈值检测法.首先通过计算图像的行平均灰度标准差对图像进行分类,将标准差小于阈值的图像判断为无秸秆覆盖;然后将标准差大于阈值的图像划分成多个子块,对每个子块分别采用最大类间方差法进行...     

基于颜色特征的水稻秧苗图像分割

本文针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿颜色因子将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,超绿颜色因子可以对水稻秧苗图像有效分割.     

基于 Hough 变换的马铃薯机械损伤检测研究

由于马铃薯机械损伤缺陷具有直线性,且与干腐、发芽、绿皮等缺陷具有不同性,因此提出一种基于Hogh变化的方法,可以准确检测到马铃薯机械损伤缺陷,并结合了B通道灰度化和最大类间方差法。实验研究结果显示:该算法检测准确率为94%以上,对马铃薯机械损伤缺陷检测具有有效性。     

基于多特征融合的遥感图像河流提取

遥感影像中地物复杂多样,为得到较高精度的河流区域信息,弥补单一特征河流提取适用性受限的局限,提出一种融合纹理、光谱和形状特征的河流区域提取方法。首先选取图像红外通道作为输入,根据纹理特征计算灰度共生矩阵,并选取灰度共生矩阵统计量中的角二阶矩图作为处理对象;接着根据光谱特征对角二阶矩图进行最大类间方差（OTSU）计算获取二值图像;然后进行连通域标记,根据几何特征构建特定滤波器以滤除非河流噪声,最后生成精度较高的河流流域图。处理的河流遥感影像中包括了林地、城市、山地、耕地等不同类型的区域,通过与经典算法的对比验证,提取结果显示该方法能够提高河流流域提取的精确度和完整度。     

基于高光谱成像技术的小麦条锈病病害程度分级方法

为了快速、准确地对小麦条锈病病害程度进行分级评估,提出了一种基于高光谱成像技术的小麦条锈病病害程度分级方法。首先利用Hyper SIS高光谱成像系统采集受条锈菌侵染后不同发病程度的小麦叶片高光谱图像,通过分析叶片区域与背景的光谱特征,对555 nm波长的特征图像进行阈值分割获得掩膜图像,并用掩膜图像对高光谱图像进行掩膜处理,提取仅含叶片的高光谱图像;然后用主成分分析法(Principal component analysis,PCA)得到利于条锈病病斑和健康区域分割的第2主成分(The second principal component,PC2)图像,采用最大类间方差法(Otsu)分割出条锈病病斑区域;最后根据条锈病病斑区域面积占叶片面积的比例对小麦条锈病病害程度进行分级。试验结果表明:测试的270个不同小麦条锈病病害等级的叶片样本中,265个样本可被正确分级,分级正确率为98.15%。该研究为田间小麦条锈病害程度评估提供了基础,也为小麦条锈病抗性鉴定方法提供了新思路。     

基于深层卷积神经网络的初生仔猪目标实时检测方法

针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95. 76%和93. 84%,召回率分别为95. 47%和94. 88%,对分辨率为500像素×375像素的图像检测速度为53. 19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。     

基于改进K均值特征点聚类算法的作物行检测

精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。     

基于k-means聚类算法的入侵检测系统的研究与实现

本文通过将模式识别中的K近邻算法和K-均值算法融合在一起,将其运用到入侵检测领域中,使它能够适应入侵检测的需要,通过实验分析表明,在运用结合之后的算法后,系统不仅能够保证实时性,并且具有了一定的未知入侵检测能力。     

基于机器视觉和随机方法的作物行提取算法

根据农田作物图像特点,采用基于垂直投影的窗口移动方法,得到代表作物行的定位点,提出了基于机器视觉和随机方法的作物行提取算法.该算法从定位点中随机选取2个不同点,决定一条候选直线,再根据阈值规则,进一步判断候选直线的真实性.实验结果表明,该算法可以提取不同作物的作物行,处理一幅640×480像素的彩色图像平均需要220 ms,正确识别率达98%.     

基于机器视觉的试管液位检测方法研究

利用目前机器视觉技术,提出一种基于数字形态学结合Laplacian算子的边缘检测算法,将其应用到对试管液面检测中,得到了精度高、定位准的液面位置,从而可以得出液面高度与试管内试剂体积.通过CCD工业相机拍摄试管图像,对图像进行灰度化、滤波,图像增强后,利用LoG边缘检测算法结合数字形态学操作得到清晰的边缘图像,最后得出...     

高斯拉普拉斯算子检测马铃薯斑点缺陷研究

提出一种用高斯拉普拉斯算子的方法对马铃薯斑点缺陷进行检测,也称为"Lo G斑点"检测,该算法结合B通道灰度化及迭代阈值分割法可以有效地识别马铃薯表皮的干腐、结痂缺陷。实验采集了2 5 8个马铃薯样本的516个正反面图像,正确识别率94%以上。结果表明:该方法对检测马铃薯的干腐及结痂缺陷有效。