基于同态滤波和K均值聚类算法的杨梅图像分割

针对自然环境下光照不均杨梅果实分割效果不理想问题展开研究。应用同态滤波算法对HSV（色调hue,饱和度 saturation,亮度value）颜色空间下杨梅图像V分量进行亮度增强,以补偿光线。而后针对彩色杨梅图像的颜色特征,结合Lab（L（亮度Lightness）,a（色度chromaticity,+a表示红色,?a表示绿色）,b（色度 chromaticity,+b表示黄色,?b表示蓝色）颜色空间a、和b分量的特点,应用K均值聚类算法在Lab颜色空间中对彩色杨梅图像进行分割。为了验证该算法的有效性,在100余幅图像中选用15幅因光照不均和生长状态不同而存在不同程度阴影影响的杨梅图像,进行了3组比较试验,先采用K均值聚类算法对光线补偿去除阴影前后的杨梅图像分割结果进行比较;接着,采用基于色差2*R-G-B自适应灰度阈值分割算法和K均值聚类算法2种不同分割算法对去除阴影后的杨梅图像分割结果进行比较;最后,与基于灰度变换法、直方图均衡化方法的图像增强法去除阴影的效果进行对比。试验结果表明,该文算法的分割误差、假阳性率、假阴性率平均值分别为3.78%,0.69%和 6.8%,分别比光线补偿前降低了21.01,12.79 和21.14个百分点;与基于色差（2*R-G-B）自适应灰度阈值分割算法相比,分割误差、假阳性率、假阴性率这3个指标的性能平均提高了12.93,1.45和7.11个百分点;与基于灰度变换法图像增强法比较表明,分割误差、假阳性率、假阴性率平均值分别降低了32.94 ,6.85 和29.65个百分点,与直方图均衡化图像增强法相比,这3个值分别降低了24.92,6.12和33.06个百分点。通过试验结果图的主观判断和评价指标的定量分析,验证了该算法能有效地分割出杨梅目标,保证了杨梅目标在颜色、纹理和形状方面的完整度,研究结果为研究采摘机器人进行杨梅等果实的分割和识别提供参考。     

基于局部均值分解的触电故障信号瞬时参数提取

针对如何快速、准确地提取生物体触电故障暂态信号中的电力参数问题,提出了一种基于局部均值分解（local mean decomposition, LMD）的生物体触电时总泄漏电流信号瞬时参数提取方法,该方法首先利用局部均值分解将生物体触电时的总泄漏电流信号分解为一组乘积函数分量之和,每个乘积函数（product function, PF）分量可以表示为一个调幅信号和一个调频信号的乘积,然后由调幅信号和调频信号分别计算得到信号的瞬时幅值和瞬时频率。与采用希尔伯特黄变换方法相比,LMD具有瞬时频率曲线波动小和瞬时幅值函数端部失真小等优点。仿真信号分析结果表明：对测试信号进行LMD和经验模态分解（empirical mode decomposition, EMD）分解分别得到3个PF分量和5个IMF（intrinsic mode function）分量,分解前后信号的能量变化值分别为0.2851、0.5633,且LMD比EMD所需分解时间短0.0743s,与Hilbert变换相比,该文方法计算的瞬时幅值和瞬时频率更为平滑,在一定程度上避免了Hilbert 变换计算过程中的负频率和端点效应现象。试验信号分析结果表明：对消噪后的总泄漏电流信号进行LMD和EMD分解,分别得到5和6个分量,分解前后信号的能量变化值各为0.5574、0.8896,所用分解时间分别为0.0835、0.2479 s;在求取瞬时频率方面,LMD方法求取的主导分量瞬时频率可判定生物体触电时刻,而经Hilbert变换求取的瞬时频率不仅无法判定生物体触电时刻,还出现了负的频率值,无法解释其物理意义;在求取瞬时幅值方面,该文方法与Hilbert变换求取的触电前总泄漏电流信号的瞬时幅值的平均值分别为11.3240、12.3728 mA,与原生物体无触电时总泄漏电流的幅值11.3538 mA的绝对误差分别为0.0298、1.0190 mA,另外,2种方法求取的生物体触电后总泄漏电流信号的瞬时幅值与原生物体触电后总泄漏电流的幅值的绝对误差分别为0.4340、0.6643 mA。因此,仿真信号和试验信号分析结果均证明所提方法是有效和可行的。     

基于改进灰色聚类模型的矿区耕地损毁程度评价

为更加客观准确地反映矿区耕地的损毁程度, 更好地服务于耕地保护与土地复垦, 针对经典灰色聚类法单纯用阈值法确定权重, 不能较好地反映指标的损毁程度对聚类对象影响的局限性, 本文设定了有效土层厚度为主导限制性指标, 并将相对限制性指数融入到灰色聚类法中, 构建了GCM_DR(Grey Clustering Method_Dominant Restrictive Indicator & Relatively Restrictive Index)矿区耕地损毁程度评价模型, 并选用我国某高潜水位矿区塌陷损毁耕地进行了评价模型应用的验证。结果表明: 研究区2个塌陷盆地共计8个评价单元的损毁等级分别为Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅰ、Ⅱ、Ⅲ、Ⅲ, 该趋势与其他方法基本一致, 结合实地调研情况, 表现了较高的可靠性; 主导限制性指标的设定使得该模型既考虑到了综合因素又兼顾主导因素, 一定程度上减小了评价任务的工作量, 提高评价工作的效率; 与经典灰色聚类模型相比, 改进后的模型强调指标的相对限制性, 损毁程度大的指标权重较大, 聚类系数向损毁级别高的方向倾斜, 表现了较好的灵敏性; 在确定权重时改进后的模型强调聚类指标的相对损毁程度, 一定程度上减小了分级跨度不同导致的权重分配的不合理性。因此, GCM_DR模型可应用于矿区耕地损毁程度评价工作中, 在了解耕地损毁现状、编制土地复垦方案、确定赔偿责任范围等方面有较好的应用价值。     

采用K均值聚类和环形结构的狭叶锦鸡儿木质部提取算法

针对木质部交互统计误差大、效率低、重现性差、劳动强度高和传统图像处理算法精度不理想等问题,该文以狭叶锦鸡儿木质部切片图像为研究对象,根据木质部特点提出基于K均值聚类算法和环形结构提取算法相结合,实现木质部准确提取的方法。首先通过动态巴特沃斯同态滤波法对30幅供试图像进行光照不均校正,然后采用K均值聚类法对光照补偿后图像初分割,最后采用环形结构提取算法实现木质部提取计数。试验结果表明:采用K均值聚类算法对光照补偿后的木质部图像初分割分割误差R(section error, R)、过分割误差OR(over-segmentation error, OR)和欠分割误差UR(under-segmentation error, UR)均值分别为5.15%、1.48%和6.46%,优于未光照补偿和3R-G-B算法;该文提出的环形结构提取算法对初分割后木质部图像检测的平均相对误差为2.26%,比分水岭法低11.69个百分点,比凹点匹配法低4.93个百分点。从速度上看,该算法平均耗时3.17 s,比分水岭法快1.40 s,比凹点匹配法快4.88 s。该算法检测的均方根误差RMSE(root mean squared error, RMSE)为0.52%,约相当于分水岭法的1/3,约相当于凹点匹配法的1/2,该算法优于其他2种分割算法;在图像结构复杂、光照不均匀、内部分布不均等缺陷条件下,该文算法也能很好地实现木质部的分割和提取。该方法不仅能对狭叶锦鸡儿木质部自动分割和提取,也可为其他植物木质部分割提取提供参考。     

基于优化模糊C均值聚类算法的路面不平度识别

模糊C均值(fuzzy C-mean,FCM)聚类算法具有良好的抗噪声性能,但FCM是一种局部搜索算法,易陷入局部最优,而遗传算法则具有全局优化搜索的优点。基于此该文提出了一种改进的FCM算法与遗传算法结合的聚类方法,先运用遗传算法得到聚类中心,然后用改进的FCM聚类算法得到最优解。并基于真实采集的道路谱数据,利用该算法对路面不平度进行识别。试验结果表明,改进的FCM算法与遗传算法结合的聚类算法路面识别率为94.54%,比FCM聚类算法高出4.98个百分点,比改进FCM算法高出4.67个百分点,具有更好的处理噪声数据的能力,提高了聚类的准确率和路面的识别率。     

基于模糊C均值聚类的牛肉图像中脂肪和肌肉区域分割技术

介绍了一种自适应分割牛肉眼肌切面图像中脂肪和肌肉区域的图像处理技术。通过CCD摄像头获取以黑色平板为背景的牛肉眼肌切面彩色RGB图像。先根据彩色图像R分量的灰度直方图，利用最大方差自动取阀值法(OSTU)把黑色背景与整块牛肉图像分割开来；接着把处理后的图像变成灰度图像，用模糊C均值聚类算法(FCM)计算出牛肉脂肪像素和肌肉像素灰度值的聚类中心，以各个像素点灰度值与两个聚类中之间的绝对值距离来区分出图像中的脂肪和肌肉像素。结果表明，FCM方法是分割肌肉和脂肪区域的有效方法。     

基于模糊C均值聚类的作物病害叶片图像分割方法研究

为提高作物病害图像的分割效果,根据作物病害图像的特点,提出了一种基于模糊C均值聚类算法(FCM)的作物病害图像自适应分割方法.该方法将像素的灰度与其邻域均值作为FCM的输入特征,变换FCM的隶属度函数使其包含图像的局部邻域特性;通过聚类有效性验证分析和试验确定模糊C均值聚类算法(FCM)的最优聚类数、模糊加权指数.运用该方法对棉花病害叶片图像进行分割.结果表明:该方法能较好将病斑部分和正常部分分割开,平均分割误差率小于5%,对作物病害图像的分割处理非常有效.     

基于泄漏电流时频奇异谱和模糊聚类的触电故障诊断

针对实测触电故障信号具有非平稳特性而不易被辨识问题,提出了一种基于泄漏电流时频奇异谱和模糊聚类的触电故障诊断方法。首先,利用平滑伪威格纳-维尔分布(smoothed pseudo wigner-ville distribution,SPWVD)对触电故障信号进行时频分析并依据信号的能量分布特征选择时频区域;然后对选择的时频区域进行奇异谱分析,以获取的局部时频矩阵奇异值作为触电信号的特征量输入FCM,即可实现触电信号的故障诊断。对剩余电流保护装置试验平台上获取的实测触电故障信号的时频矩阵奇异值进行模糊C均值聚类,结果表明该方法识别准确率为97.50%,平均识别时间为0.008 5 s,其中植物和动物触电测试样本识别准确率分别为100%,95.00%,从而验证了基于泄漏电流时频奇异谱和模糊聚类的触电故障诊断方法的有效性,该研究可为研发新一代基于触电故障诊断的剩余电流保护装置提供理论依据和方法参考。     

基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测

根据陕西杨凌、合阳、长武3个站点各2 a玉米试验,在对玉米生长模拟模型CERES-Maize进行调试、验证的基础上,探索在生育期内进行动态产量预测的方法并验证.研究将目标生育期内未知气象数据分别用试验地的多年历史同期数据代替,结合生育期实时数据对应生成多个完整的气象数据序列运行模型预测产量.随着生育期的推进,逐日在气象数据序列中融入目标年实测的气象数据,从播种至收获动态模拟玉米产量.此外该研究使用改进前后的K-NN算法从历史气象年份中筛选目标年的气象相似年份进而预测产量.通过对3种方法预测精度及预测效率对比,确定改进的K-NN算法最优.研究表明,玉米生育前期产量预测可靠性和准确率均较差,抽雄后预测精度迅速提高;利用改进的K-NN算法在3个站点全生育期预测产量的平均绝对相对误差的均值分别为9.9%、19.8%、17.9%,抽雄后预测产量的平均绝对相对误差在0.2%~12.6%之间,相比于使用全部历史年份数据进行全生育期产量预测,模拟所需时间从61 min缩短至25 min.对该方法中降雨因子的筛选进一步改进可提高预报精度,未来有望达到业务应用水平.     

基于K-means 聚类和ELM神经网络的养殖水质溶解氧预测

为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络（extreme learning machine,ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量－相似度,通过K-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。     

基于EMD和MLEM2的滚动轴承智能故障诊断方法

针对旋转机械的自主故障诊断,提出一种基于EMD和MLEM2的智能解决方法。利用EMD预处理振动信号,在最适合的IMF分量上提取6个时域指标和5个频域指标构成无量纲的轴承故障特征向量。根据设备运行数据形成决策表,使用改进的MLEM2算法挖掘诊断规则,再结合改进的规则匹配策略进行状态识别。EMD能够剥离故障最本质的信息,提高所选分量的信噪比,而MLEM2算法无需对连续属性事先离散化,获得的诊断规则更完备、准确。SKF6203轴承试验表明,该方法诊断精度达到93.75%,相当于能够自主获取知识的专家系统,且只要一次初始设定,无需后续人工干预,是一种有效的智能诊断方法。     

基于MED-EEMD的滚动轴承微弱故障特征提取

针对滚动轴承在强噪声环境下故障信号微弱、故障特征难以提取等问题,提出了基于最小熵反褶积(minimum entropy deconvolution,MED)和总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)两者相结合的方法来提取滚动轴承微弱故障特征。通过对仿真信号和风电齿轮箱的振动信号分析,结果表明:为了弥补在强背景噪声下EEMD对微弱信号特征提取的局限性,该文选取MED作为EEMD的前置滤波器,最后对敏感的本征模态函数进行循环自相关函数解调分析,得出了风电齿轮箱的故障来自于高速轴的微小弯曲和高速轴输出端#10轴承外圈点蚀。同时与EEMD进行对比分析,表明了这种方法对微弱故障特征提取有较好的适用性。该文为多故障共存并处于强背景噪声下的微弱特征提取提供了参考。     

基于经验小波变换的复杂强噪声背景下弱故障检测方法

针对复杂强噪声背景下的非平稳振动信号的弱故障和复合故障检测的难题,引入经验小波变换(empirical wavelet transform,EWT)以提高故障确诊率,并提出一种基于EWT的复杂强噪声背景下弱故障的检测方法。EWT能够通过完全自适应小波基提取信号的固有模式,与经典小波变换一样具有完备的理论基础。通过对含有复杂强噪声的仿真信号和实际信号进行EWT分析,并对比经验模态分解,验证了基于EWT的复杂强噪声背景下弱故障检测的可行性和有效性。该研究可为复杂工况下机械设备的弱故障和复合故障检测以及故障特征提取提供参考。     

基于优化矩不变特征的鲜切菜在线分级技术

由于矩不变特征具有平移、旋转和缩放不变性,在物体形状识别领域得到了广泛的应用。在鲜切菜分级领域,鲜切菜的尺度是分级的重要指标之一,但是矩不变特征具有尺度不变性,不能区分不同尺度的鲜切菜。几何特征可以很好的描述物体的尺度,但是不具备旋转不变性。因此,本文将矩不变特征的平移、旋转不变性与几何特征优秀的尺度表达能力融合,提出了一种基于优化矩不变特征模型的鲜切菜在线分级方法。首先提取标准鲜切菜的几何特征和矩不变特征,并利用其统计信息建立数学模型,然后提取待分级的鲜切菜的几何特征和矩不变特征,最后计算待分级的鲜切菜特征与标准鲜切菜特征模型的相似度,完成鲜切菜的在线分级。本文以鲜切土豆丁为例,试验结果表明,本文方法能准确地将鲜切菜分级,实时性和鲁棒性高,具有很好的工程应用前景。     

温室环境温度预测自适应机理模型参数在线识别方法

温室小气候模型具有非线性、强干扰、时变等特性,常用的线性化模型或离线辨识模型无法有效预测温室环境动态变化规律,模型精度不高直接影响温室环境控制性能。针对模型的这种复杂特性,该文以温度模型为例,提出利用连续-离散递推预测误差算法,对非线性模型参数和状态进行在线估计,以提高模型精度。首先,考虑加热和通风2种控制输入,建立了温室温度模型。然后,论述了该算法的原理和优势,算法通过引入并调整增益矩阵,对系统噪声进行在线更新,减少了系统噪声初始化偏差对参数估计收敛性的影响。最后,基于试验温室实测数据,对温室温度模型进行了在线辨识仿真,结果表明,利用连续-离散递推预测误差算法辨识模型拟合度为93.7%,扩展卡尔曼滤波器拟合度为89.5%,该文提出的算法在预测温室温度方面更为有效。     

基于富集微流控芯片的稻曲病菌孢子光电检测方法

针对当前水稻真菌病害发病时间短、传播速度快,缺乏有效早期预警技术的难点,提出一种基于微流控芯片的空气流中水稻真菌病害光电检测方法。该文根据微尺度下孢子富集动力学特征设计了病害孢子高效富集微流控芯片,并结合光电检测系统进行病害孢子的检测。试验根据空气动力学原理以及孢子富集量的大小对微流控芯片通道尺寸进行设置。根据光检测原理和不同浓度孢子在富集区形成的光衰减特性,筛选具有高灵敏度特性的检测光强。在以检测光谱的灵敏度性能为目标并综合考虑线性度的基础上,优选检测波长。以水稻稻曲病菌孢子为检测对象,进行了自动化微流控富集和光电检测试验。试验结果表明:在光源光强1.1×104 cd,波长为650 nm时,利用所述检测方法针对水稻稻曲病菌孢子检测结果(相比与镜检值)误差小于17.5%,根据检测结果建立相关系数为0.992 9的检测模型,具有较好的线性度及可靠性。研究结果为便携式作物病害检测装备的研发提供理论基础。     

基于聚类分析的农机购置补贴区域分类

为提高农机购置补贴效果,合理配置补贴资源,提出健全农机购置补贴政策应进行区域分类研究。该文提出粮食生产能力、经济水平、农民购买能力及自然条件是影响补贴区域分类的4个主要因素,并选取粮食产量、人均GDP、农民人均纯收入、丘陵山区所占比重作为衡量指标,利用Q-型系统聚类分析方法,对中国农机购置补贴进行区域分类,通过定性修正得出将31个省（市、区）分为4类区域的分类结果。针对各区域特征、农业机械化发展及投入现状,在补贴总量及结构、补贴机具、补贴标准等方面提出优化农机购置补贴的政策建议。     

基于空载数据的鉴别食醋电子鼻信号漂移校正方法

由于传感器老化,环境温度等因素,电子鼻信号的漂移是不可避免的,且严重降低电子鼻的长期稳健检测能力。为了实现电子鼻对6种食醋样品的长期稳健检测,该文提出了一种基于空载数据的小波包分解系数的漂移递归校正方法。通过小波包对电子鼻空载数据的分解,给出空载阈值函数(no-load threshold function,NLTF),然后将NLTF转换为适合样本数据的样本阈值函数(samplethresholdfunction,STF)。在获得的STF基础上,构建样本检测数据小波包分解系数的校正函数。借助于所构建的样本测试数据的校正函数,对6种食醋样品的电子鼻数据进行漂移校正。同时,运用"样本测量时间窗口(sample measurement time window,SMTW)"的概念,实现电子鼻数据的递归校正,进而建立了可实现长期稳健检测的递归鉴别模型。针对6种食醋样品,进行了为期16个月的间歇式测试。当SMTW选为4个月的测试样本及每次递推前移1个月样本数据时,建立的基于递归校正的Fisher判别分析(Fisher discriminant analysis,FDA)模型可完全实现6种食醋样品的长期稳健鉴别,正确鉴别率达到100%,使紧随SMTW后1个月内的测试样本能得到准确鉴别。该校正方法能够有效的去除漂移并且实现了电子鼻的长期稳健检测。     

基于DTW距离的拖拉机传动轴载荷样本长度计算方法

针对工程领域载荷样本长度确定方法对农业机械载荷适用性较差的问题,提出了一种基于动态时间扭曲（DTW, Dynamic Time Warping）距离计算载荷样本长度的方法。首先,运用无线扭矩传感器获取犁耕作业下拖拉机传动轴的动态载荷,结合传动轴犁耕作业下的载荷特点,划分作业工况;再将作业循环叠加并经过归一化处理后进行DTW距离计算,确定传动轴载荷样本长度;最后,计算参数外推中均值混合正态分布函数的拟合参数相对误差。结果表明,运用DTW距离方法确定的载荷样本长度,能够使均值双正态分布函数拟合得到的参数相对误差保证在10%以内。近似均值精度估计法和均值曲线拟合法的拟合参数相对误差最大值分别为126.06%和80.62%,而基于DTW距离计算方法的拟合参数相对误差最大值为5.43%,验证了基于DTW距离的载荷样本长度计算方法的适用性。研究结果可为拖拉机传动轴田间试验载荷样本长度确定提供参考。     

基于LM算法的集群电机系统能耗评估校正模型

为了保证和提高电机系统能耗模型的计算精度与评估能力,该文提出了一种基于参数辨识理论的集群电机系统能耗校正方法。采用列文伯格-马夸尔特(levenberg-marquardt algorithm,LM)算法,对单台电机和集群电机系统的额定效率、额定可变损耗及不变损耗参数进行辨识,建立了电机能耗计算的校正模型。在此基础上,以典型三机集群电机系统为算例,搭建真实物理试验平台,对集群电机系统进行全域负载率能耗计算。结果表明,该文提出的能耗校正模型的计算误差远远小于能耗出厂模型(误差率不到1%),可以大幅降低集群电机系统的能耗计算误差,工程实用性较强,为电机用能系统的能耗评估和节能改造提供了一种有效的技术手段。