基于图像识别的边坡表面位移检测方法研究

针对边坡表面状态发生的变化检测,提出了一种新的智能检测方法。人工设置两类标识体,一类为定位标识,一类为观测标识。用图像识别方法对标识体的质心进行提取和计算,通过一定的判别准则来判断边坡的表面位移状况。具体处理方法为先将图像转换到HIS空间,根据设定的颜色提取感兴趣区域。进行图像边缘二值化处理,计算出感兴趣区域的中心坐标值。实验证明,该方法具有鲁棒性好、检测准确率高等特点。     

基于图像处理技术的种子粒距检测方法研究

提出一种了基于图像处理与分析技术的种子粒距检测方法,并成功地将该方法用于精密播种机性能检测。采用彩色图像3分量独立采集技术,实现了3个播种单体排种情况的并行实时采集。采用基于标记的图像匹配技术,成功地实现了长序列图像的拼接。粒距的检测误差小于2mm。     

基于深度学习与图像处理的哈密瓜表面缺陷检测

针对传统人工检测哈密瓜表面缺陷效率低等问题,提出利用卷积神经网络（Convolutional Neural Networks, CNN）对哈密瓜表面缺陷进行快速检测。对原始图像进行主成分分析（Principal Components Analysis,PCA）、奇异值分解（Singular Value Decomposition, SVD）和二值化等预处理操作,通过数据扩充得到正常、霉菌、晒伤和裂纹的哈密瓜图像各2 500幅。构建一种改进的类似VGG卷积神经网络模型,将预处理后的图像输入模型,并使用随机梯度下降（Stochastic Gradient Descent, SGD）优化器进行算法优化,为探究CNN模型的特征提取原理,将改进的类似VGG模型每层卷积的特征进行可视化,最后利用开发的哈密瓜表面缺陷检测软件对模型进行试验验证。研究结果表明：图像预处理算法提高了模型的鲁棒性和泛化能力,改进的类似VGG模型优于AlexNet和VGG-16模型,其训练集和测试集准确率分别为100.00%和97.14%;对比预处理前后4类哈密瓜卷积特征可视化结果表明,随着卷积层层数的增加,哈密瓜表面缺陷特征越来越明显,图像预处理后卷积层特征提取效果优于原始图像提取效果。软件测试结果表明：静态下哈密瓜缺陷检测速率达到0.7 s/幅,识别准确率达到93.50%。研究结果可为哈密瓜表面缺陷在线检测技术提供理论依据和技术参考。     

基于图像处理的玉米收割机导航路线检测方法

快速精准的检测出导航路线并对田端做出准确判断是收割机视觉导航的前提。为解决玉米收割机导航作业过程中因玉米列阴影、玉米田端的杂草等因素对检测精度干扰的问题,该文通过分析视觉导航图像的颜色特征去除阴影干扰,对玉米收割机提取导航作业路径和判断田端提出了检测算法。为减少计算量,设定关注区域作为非第一帧图像的处理范围;为去除玉米列阴影对检测结果造成的干扰,强调关注区域内G(绿色)分量并减弱R(红色)或B(蓝色)分量;为加快处理速度,采用跳行累计G分量的方式确定候补点。在关注区域内对图像中去除阴影干扰后的G分量垂直累计值查找候补点,对图像上半部分收敛性好的候补点通过方差计算确定出已知点,再利用过已知点Hough变换拟合出玉米列边界所在的导航线。最后采用R分量的连续突变判断收割机是否到达田端。田间试验表明:目标直线的平均检测时间为50.13 ms/帧,对田端的检测准确可靠,满足玉米收割的作业要求。该研究成果也适用于高粱等其它高杆作物的机械化收获应用。     

基于图像处理技术的红火蚁检测识别

对红火蚁（Solenopsis invicta Buren）进行准确检测是红火蚁巡检无人化首要解决的关键问题。该研究提出了一种基于图像处理技术的红火蚁检测识别方法。首先,将草坪环境下红火蚁蚁巢明度分量图像的背景区域进行压缩,并将压缩后的明度与色调差值图像与超绿模型分割提取的背景区域做差值融合,将其结果作为红火蚁蚁巢的检测识别模型。其次,在YOLOv5s算法的主干网络添加注意力机制,构建红火蚁昆虫图像的检测识别模型。最后,将采集到的红火蚁蚁巢图像与红火蚁昆虫图像分别在检测识别模型上进行对比测试。试验结果表明,草坪环境下采集的红火蚁蚁巢图像样本识别的IoU（Intersection over Union）最高可达96.87%,且IoU高于80%的样本占比81.67%;对红火蚁昆虫图像样本进行识别的平均检测速度可达48.53帧/s,精确率（Precision）可达91.50%,召回率（Recall）为89.28%,平均精度值（Average Precision）为95.40%,F1综合评价指标为90.38%,与原YOLOv5s算法相比有较大的提高。该技术方法对草坪环境红火蚁的智能化检测具有一定的可行性。     

基于计算机视觉的粒度检测方法研究

利用计算机视觉技术进行超微粉碎物料粒度检测方法的研究。采用非线性变换对图像进行对比度增强处理，利用自动取阈值算法分割目标和背景，设计了识别算法用于去除凝聚颗粒，以得到样本真实粒度和分布。实验证明用显微图像进行粒度检测，测定分布状态直观明了，检测结果稳定，可测量0.1～150 μm颗粒粒径。     

基于EM-PCNN的果园苹果异源图像配准方法

针对果园环境下双目采集系统采集的飞行时间（Time of Flight,ToF）与可见光异源图像间匹配精度差的问题,该研究提出一种基于局部峰值的目标显著区域提取策略及最大期望算法的脉冲耦合神经网络分割的ToF与可见光果园苹果图像配准方法。首先,利用高斯差函数计算可见光图像中显著性区域,对可见光图像的红绿分量进行预处理;然后,以图像局部灰度值的二维正态分布作为目标分量,使用Otsu提取具有固定阈值的前景作为局部峰值提取策略,对ToF与可见光图像初步筛选特征区域,利用最大期望算法改进脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）动态阈值,使用局部图像梯度计算链接强度计算链接强度,利用图像区域方差改进终止条件,提出一种基于最大期望的脉冲耦合神经网络（Pulse Coupled Neural Network based on Expectation Maximization,EM-PCNN）算法对预选区域进行精细化分割;接着计算连通区域不变矩,利用不变矩特征原理寻找目标中心同名点,进一步筛选特征区域;最后,同名点进行随机抽样一致算法（Random Sample Consensus,RANSAC）提纯,将提纯后的同名点坐标代入变换模型计算模型参数,完成配准。在不同光照条件下均方根误差达3.05～4.75,配准点达3～5。EM-PCNN算法对两组ToF置信图像分割的准确率分别为96.62%和73.84%。试验结果表明该方法对双目采集系统采集的ToF与可见光异源果园苹果图像可实现较好配准效果,且对图像平移、旋转、缩放均具有可抗性。研究结果对ToF与可见光异源图像在果园环境下自动配准提供了技术参考。     

基于Petri网的棉花图像处理系统模块化设计方法

图像处理在农业领域中的应用十分普遍,但要做到对图像实时处理的同时降低用户的使用成本是该领域的难题。该文以棉花图像处理系统为例,提出一种基于图像处理系统模块化设计方法,首先划分图像处理系统功能模块,基于Petri网模型构建顶层控制器;然后将Petri网模型图转换为VHDL语言文件,并在QuartusII环境中进行仿真验证;最后以底层模块中的图像分割模块为例,说明系统的并行性。这种基于Petri网的全局异步的设计方法,可以降低图像处理系统设计与调试的难度和对时序的要求。     

3维图像处理系统在稻米品质检测中的应用研究

利用微切片3维图像处理系统对稻米的品质特性进行了探索性的研究。结果表明，借助于3维可视化技术，可以对稻谷的外观品质、营养品质及蒸煮品质等进行更为直观且客观的观察与测定。尤其是在营养成分分布密度的评价、心白米内部组织的分析、蒸煮过程中组织结构变化的观测等方面，取得了传统研究方法难以获得的结果。利用该系统对垩白度的定量化测定，为食品的定量形态学研究开辟了一条新的研究途径。     

一种圆形颗粒检测的图像处理技术

为进行圆形农业颗粒物料的分析与识别,根据图像处理的基本方法,设计了高效检测圆形物体的算法,给出了算法的详细描述。与传统检测方法比较,该算法具有较高的计算效率和可靠性,计算结果描述直观。     

基于近红外图像纹理分析检测作物叶片含水率的研究

利用水分子对９６０ｎｍ附近的红外光有较强的吸收这一特性,采用图像处理技术中纹理分析的灰度梯度共生矩阵法分别对两种作物（苞菜和青菜）叶片的近红外图像求出各自的特征量。实验结果表明,特征量与叶片干基含水率之间的线性关系不仅和特征量有关,而且和拍摄图像时的实验因素（如摄像头的工作距离,光圈,光强等）有关,另外还取决于梯度图像灰度级的数目。     

基于支持向量机的独立学院教师计算机评价系统的研究

独立学院是现在高等教育体系的重要组成部分,为提高教学质量,促进教师自身素质的优化和教师教学能力的提高有必要对教师的能力进行评估。在现有评估教师方法的基础上,提出了采用基于支持向量机的方法对教师的能力进行评价。     

基于多源遥感的土地利用动态监测图像分类方法研究——以陕北黄土丘陵沟壑区为例

在陕北黄土丘陵沟壑区的土地利用动态监测中,采用一种遥感影像和单纯的监督分类方法,难以获得高精度的土地利用数据。为解决此问题,以陕北无定河流域为研究区,以主成分变换的方法对多源遥感影像(TM多光谱数据和SPOT全色波段数据)进行融合处理;同时在分类中采用监督分类与非监督分类相结合的混合分类法,改进训练样本选取方法。先以非监督分类获得初始训练样本,在对样本进行删除、增补、合并等调整的基础上,再进行监督分类,这2种方法的结合使用,使土地利用信息自动提取的精度明显提高。与仅以TM影像为信息源,采用单纯监督分类法的分类结果对比可知,土地利用各类别的提取精度都有不同程度的提高,分类总精度从82.0%提高到89.2%;水体、水田和城镇用地等面积较小类别的精度提高了10%以上;坡耕地与林草地的混分现象明显减少,精度均提高了5%以上,取得了良好的分类效果。研究结果为陕北黄土丘陵沟壑区土地利用变化的动态监测,提供了重要的技术支持和借鉴。     

晋陕甘宁地区农业可持续发展能力的比较研究

晋陕甘宁地区处在我国的干旱半干旱地带,又同为我国水土流失严重和生态环境脆弱的省区,分析研究和掌握该地区农业发展的现状及其可持续发展的能力,具有很重要的意义。利用比较优势理论,通过比较所选择的各项指标在全国的相对排序,并计算各“相对资产与负债”值;然后分析该地区的农业发展现状及其可持续发展能力。研究认为,晋陕甘宁地区为农业发展的较强不可持续发展地区;其中,山西和陕西省为不可持续发展省,甘肃省和宁夏自治区则为农业发展的强不可持续地区。在此基础上,提出了本区农业发展的基本对策。     

基于影像融合的陕北黄土丘陵沟壑区土地利用自动分类

 采用1种遥感影像和单纯的监督分类方法,在黄土丘陵沟壑地区的土地利用调查中,难以获得高精度的土地利用数据。为解决此问题,以陕北无定河流域为研究区,以主成分变换的方法,对多源遥感影像(TM多光谱数据和SPOT全色波段数据)进行融合处理;同时,在分类中,采用监督分类与非监督分类相结合的混合分类法,改进训练样本选取方法,先以非监督分类获得初始训练样本,在对样本进行删除、增补、合并等调整的基础上,再进行监督分类。2种方法的结合使用,使土地利用信息自动提取的精度明显提高。与仅以TM影像为信息源,采用单纯监督分类法的分类结果对比可知:土地利用各类别的提取精度都有不同程度的提高,分类总精度从82.0%提高到89.2%;水体、水田和城镇用地等面积较小类别的精度,提高了10%以上;坡耕地与林草地的混分现象明显减少,精度均提高了5%以上,取得了良好的分类效果。研究结果为陕北黄土丘陵沟壑区土地利用变化动态监测,提供了重要的技术支持和借鉴。     

基于WOE法的下辽河平原地下水硝酸盐氮特殊脆弱性研究

通过分析影响下辽河平原地区地下水特殊脆弱性的因子,建立基于GIS平台的预测因子图层数据库,利用Arc-Wofe系统进行证据权重法模拟预测,对下辽河平原区地下水硝酸盐氮特殊脆弱性进行研究,得到硝酸盐氮浓度后验概率分布图。从预测结果看,后验概率高或较高的地区正是硝酸盐氮浓度已经比较高的地区或预测的硝酸盐氮浓度高值区;并通过多种途径检验了研究结果的客观合理性。     

基于博士点立项建设的高校图书馆服务保障研究

以河北联合大学图书馆为例,阐述了图书馆应以本校博士点授权单位立项建设为契机,通过加强资源和服务两个体系的建设,为博士点授权单位立项建设提供强有力的支撑。