基于轮廓特征的稻种芽谷检测方法

根据机器视觉检测杂交水稻种子质量的要求，针对单粒、静态稻种图像进行芽谷分析识别。对金优402、汕优10、中优207和加优99品种的稻种采集了黑、白背景， A、B两面共4×400幅图像，每幅图像提取出16个稻种轮廓特征参数，经主成分分析降维后作为网络输入，对网络结构进行优化并充分训练后分别建立了各品种的两层人工神经网络。网络对测试集正常稻种的识别准确率均超过95%，对芽谷的识别准确率在85%至90%之间。     

基于YOLOv4模型剪枝的番茄缺陷在线检测

为解决番茄缺陷检测过程中的精确性和实时性问题,该研究提出一种基于模型剪枝的番茄表面缺陷实时检测方法。采用模型剪枝的方法在YOLOv4网络模型基础上进行模型优化,首先将3个连续检测工位采集的RGB图像拼接生成YOLOv4网络的输入图像,然后采用通道剪枝和层剪枝的方法压缩YOLOv4网络模型,从而减少模型参数,提高检测速度,最后提出一种基于L1范数的非极大值抑制方法,用于在模型微调后去除冗余预测框,从而精准定位图像中的缺陷位置,并将模型部署到分级系统上进行实时检测试验。结果表明,该研究提出的YOLOv4P网络与原YOLOv4网络相比,网络模型尺寸和推理时间分别减少了232.40 MB和10.11 ms,平均精度均值（Mean Average Precision,mAP）从92.45%提高到94.56%,能满足实际生产中针对缺陷番茄进行精准、实时检测的要求,为番茄分级系统提供了高效的实时检测方法。     

基于双轮廓同步跟踪的果树枝干提取及三维重建

自适应果实振动收获是利用机器视觉技术识别果树的几何参数,从而分析其动力学特性并用来自动调整振动设备的参数,达到高效低损伤的作业目的。该文以自然生长的无叶山核桃树为研究对象,根据果实自适应振动收获方式的需要,研究了一种基于双轮廓同步跟踪提取果树枝干并利用双目视觉技术进行三维重建的方法。首先结合自适应阈值分割算法和轮廓跟踪技术提取果树枝干区域,细化后得到枝干骨架并用二叉树结构描述。然后根据极线约束和拓扑结构建立双视图中树枝的对应关系。考虑到果树树枝形状的连续性,在三维重建过程中引入了曲率约束,从而提高了重建的效果。最后利用植物学的营养管道输送模型,结合线性回归方法参数化树枝半径。试验结果显示,重建的三维果树枝干形态与真实果树在视觉上很接近,估计的半径与测量半径之间的相对误差小于9%。该研究可为果树动力学模型的创建提供树体的3D结构参数,从而为果实的自适应振动收获技术提供参考。     

红枣平衡含水率模型的拟合研究

应用静态法测定了红枣在10～50℃和全相对湿度范围内的吸湿、解吸平衡含水率,分析了相对湿度、温度对平衡含水率的影响。以相对误差、标准差为评价指标,对Modified—Henderson等四个方程与测定数据的拟合程度进行了比较,得到了描述红枣吸湿,解吸平衡含水率曲线模型。     

基于机器视觉的白掌组培苗在线分级方法

白掌在观叶类花卉中占有很大比例,其育苗多采用组织栽培法,且组培苗生产具有规模化。为提高成苗出苗品质,需要在组培苗炼苗前对其分级,而目前常用分级法不能有效解决自然状态下水平放置的白掌组培苗存在的叶片扭曲和重叠问题,因此该文提出一种基于机器视觉实现白掌组培苗在线分级的方法,通过对自然状态下水平放置的白掌组培苗的叶片面积、苗高、地径以及投影面积的分析,得到其投影面积与叶片面积呈线性关系,相关度为0.9344;投影面积与地径呈多项式函数关系,相关性为0.9067,故确定组培苗投影面积和苗高为实际生产中的分级指标。该文采用基于颜色模板匹配算法测量组培苗投影面积,得到的叶片面积和地径与实际叶片面积和地径的变异系数相对误差分别为0.35%和7.95%;利用最小外接矩形法(MBR,minimum bounding rectangle)测量苗高,得到的苗高和实际苗高变异系数相对误差为1.44%。通过整机分级试验发现在输送间距为0.25 m,输送速度为0.5 m/s,分级级别为3级的条件下,该分级装置的分级成功率可达96%,对应生产率为7 200株/h。     

基于机器视觉的苹果最大横切面直径分级方法

针对中国苹果产后分选率和分选精度均较低而影响其商品价值等现状,在GB/T10651-2008《鲜苹果》颁布的背景下,设计了一套基于机器视觉技术的苹果分选系统。针对红富士苹果,采用了一种利用RGB颜色模型R-B通道进行阈值分割和均值滤波后,通过行扫描提取出轮廓的方法。提出了2种对苹果进行大小分级的理论模型:一种以苹果轮廓线上两点之间的最大距离作为分级标准;另一种以苹果最大横切面直径作为分级标准,其中苹果最大横切面直径通过曲线拟合得出。利用VC6.0软件编程实现了上述2种分级模型的算法。通过40个苹果6次在线分级试验表明,模型一分级正确率为93.3%,模型二分级正确率为87.1%,双通道分级效率最高可达12个/s,达到了苹果在线分选商品化应用的基本要求,为近球形果蔬参照行业分级标准进行大小自动化分选提供参考。     

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。     

基于计算机视觉的牛脸轮廓提取算法及实现

计算机视觉技术已越来越多地应用于检测牛个体行为以给出养殖管理决策,牛脸轮廓的提取及形状分析能够进一步提高牛身份鉴别,咀嚼分析及健康状况评估的自动化程度。为实现基于计算机视觉的无接触、高精度、适用性强的肉牛养殖场环境下的牛脸轮廓提取,提出用自适应级联检测器定位牛脸位置,用统计迭代模型提取牛脸轮廓的方法。该方法采集牛脸正面图像,用级联式检测器定位出牛脸的位置,并分别采用监督式梯度下降算法(supervised descent method,SDM),局部二值算法(local binary features,LBF)和主动外观模型算法(fast active appearance model,FAAM)3种算法被用于提取牛脸轮廓。对20头肉牛共拍摄800幅牛脸正面图,随机选取训练数据720幅和测试数据80幅。结果表明,主动外观模型算法准确率最高,其轮廓提取误差为0.0184像素,适于应用在轮廓提取精度要求较高的场合,而局部二值算法的运行效率最高,在分辨率为744像素(水平)×852像素(垂直)的牛脸图像中轮廓提取时间为0.35 s,更适于应用在实时性要求较高的场合。该方法可实现养殖场中肉牛的无接触精确的面部轮廓提取,具有适用性强、成本低的特点。     

芒果双面成熟度在线检测分级系统

芒果属于后熟水果,芒果成熟度分级可为芒果后熟、加工、包装、运输等工作提供便利条件。针对芒果形状不规则,难以对整个外观进行检测的问题,该文提出了一种基于迁移学习的芒果双面成熟度在线检测分级系统。通过上、下层输送带将芒果运输到图像采集区域,分别获取正、反面图像;2层输送带之间利用柔性翻面机构实现芒果无损翻面,通过压缩试验及ANSYS软件建模分析芒果承受挤压力范围。合并正、反2张图像并进行预处理,将数据以8:1.5:1.5的比例拆分为训练集、验证集、测试集,并用迁移学习方法在卷积神经网络模型进行芒果成熟度分级。使用卷积神经网络模型对芒果成熟度分级平均准确率达到96.72%,系统测定单个样品的平均耗时为0.16s,研究结果为芒果成熟度在线分级提供参考。     

用亚甲基蓝方法测定红色污泥与棕闪粗面岩的表面积

The adsorption of methylene blue (MB) on three soil amendments, red mud from Hungary, red mudfrom UK and beringite from Belgium, was studied to determine the surface areas of the amendments usinga 0.005 mol L^-1 NaCl solution and deionised water as background solutions. The surface areas determinedby the methylene blue method in the 0.005 mol L^-1 NaCl solution were 3.357, 2.340 and 5.576 m² g^-1 forred mud (Hungary), red mud (UK) and beringite, respectively slightly lower than those in the deionisedwater system. The largest surface area of beringite suggested that the MB could adsorb effectively on theinterlayer surface of illite. The effect of NaCl on the surface areas was relatively small and may therefore beignored. Both the 0.005 mol L^-1 NaCl solution and deionised water could be used as a background solution for measurement of surface area of oxide-rich materials.     

基于电磁式同步执行机构的鲜枣分级机设计与试验

为了提高鲜枣机器视觉分级机的分级精度和速度,该文研究设计基于电磁式同步执行机构的鲜枣机器视觉分级机,整机由辊轮输送链、拨板链条、电磁铁、同步传动链轮、STM32F407图像处理器和STM32F103控制动作执行的协处理器等组成。执行机构单元拨板与辊轮输送同步,采用灵敏度高的电磁铁吸附硅钢开关扣板执行动作。图像处理流程为图像颜色分量、Sobel算子滤波、大津法二值化、椭圆拟合提取颜色和大小特征值。样机试验结果:拨板链同步位差为0.413 mm,单元拨板击撞力为2.57 N,红枣表皮瞬间承受最大力为12.69 N;每帧图像处理时间为50 ms,执行机构动作时间为40 ms,辊轮输送速度为320 mm/s,红枣分级速度达20个/s,实现鲜枣5个大小等级和1个绿色等级的分级,分级准确率为93.7%,无损率为100%,最大产能达1 400 kg/h。设计的基于电磁式同步执行机构的鲜枣机器视觉分级机实现了鲜枣的高准确率、高速度、无损分级要求,为机器视觉红枣快速分级设备的发展提供重要的技术支撑和理论参考。     

基于图像的植物叶面积无损测量方法研究

为了研究植物的生长规律,应用计算机视觉技术对大豆叶片实现无损测量。该项研究针对大豆叶面积无损测量中校正图像和去除叶片纹理特征等问题上, 提出了基于双线性映射的无损测量法。无损测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响, 试验验证该方法能很好地校正叶片图像,提取叶片的有效面积,并去除植物纹理斑点的影响,应用该方法校正叶片图像,精度可达99%以上。采用计算机视觉技术测量叶面积, 具有简单、准确、方便快捷的特点, 这对数字农业的植物信息快速采集和利用具有重要的意义。     

基于虚拟模型的水稻冠层叶面积计算方法

水稻冠层的叶面积是分析水稻生长状况的重要参数,传统叶面积统计方法效率较低且误差较大,难以对植株冠层不同高度层的叶面积进行测量。针对传统水稻冠层叶面积统计方法的薄弱点,该文提出一种基于虚拟模型的水稻冠层叶面积计算方法。该方法首先通过田间试验获取的水稻形态参数,建立虚拟水稻模型,然后基于该模型计算植株整体叶面积以及两株水稻在一定株距下不同高度层内叶片面积的大小,从而为水稻种植管理措施的优化提供参考。该文算法与长宽校正法相比,在整株叶面积统计结果上,二者相差在5%左右;每层叶片面积实际测定和仿真结果的比较,两者误差在10%之内。该方法对于水稻冠层叶片面积统计具有一定的实际意义。     

基于数字高程模型的树木三维体积测量

为了实现对树木高精度无损的三维体积测量,该文以三维激光扫描系统采集树木点云数据为依据,并运用数字化测绘成图软件对树木的点云数据建立数字高程模型,通过立体三角网的建立,利用成图软件的土方计算功能计算出树木的体积,并详细介绍了系统的计算原理。本文以试验区选定的20棵树为研究对象,采用该系统对20棵不同高度和体积的油松进行了10次重复试验,并将测量结果与人工测量结果进行了对比分析,试验结果表明与人工测量结果相一致,(标准误差δx=3.54,绝对误差限△=7.002,相对误差限E/%=3.15%,精度可达96.852%,)能够运用于树木体积的测量。     

冬枣氮素含量预测模型中特征波长选择方法的应用

为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。     

基于灰色系统及趋势测算的有效耕地面积计算方法

目前,中国很多地区调查统计的耕地面积并不是的有效耕地面积,其中存在大量小地物的干扰。该文拟通过数理分析,扣除耕地面积中的小地物面积,探索科学合理地计算有效耕地面积的方法,结合RS和GIS相关技术,建立灰色系统GM(1,1)模型以及相关趋势外推模型测算所有非耕地面积,并从区域总面积中予以扣除得到有效耕地面积,进而以北京市顺义区为例分析论证此方法的可行性。从而在不需要耗费大量人力、物力和财力进行抽样调查的基础上,简单方便地计算出有效耕地面积,这对有效耕地面积的计算、研究具有一定的参考价值。     

基于近红外光谱的室温贮藏下鲜枣霉菌污染动力学模型

为了预测鲜枣常温贮藏的保鲜期,确保鲜枣的品质要求及食用安全,应用近红外光谱建立了室温贮藏下鲜枣内部霉菌菌落总数变化的动力学模型。通过对几种数据预处理方法的比较及特征波数的选择,实现了鲜枣霉菌菌落总数变化的近红外模型的优选。结果表明:经过多元散射校正处理的鲜枣近红外光谱,应用多元线性回归方法建立的霉菌菌落总数模型预测能力较好,校正集相关系数为0.920,均方根误差为1.503,预测集相关系数为0.889,均方根误差为1.514。同时,将近红外光谱模型应用于霉菌菌落总数随贮藏时间变化的零级反应动力学模型中,得到模型的相关系数为0.981。根据近红外光谱吸光度值与贮藏时间的线性关系,当霉菌菌落总数初始值小于等于10cfu/g时,预测出鲜枣在室温下的保鲜期一般为8d。研究表明,结合动力学模型的近红外光谱技术可以作为一种无损、快速检测方法来检测鲜枣霉菌菌落总数变化。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业,该研究提出了基于点云配准的自然光照环境下的果树三维重构方法,并针对传统最近点迭代（Iterative Closest Point,ICP）算法对待配准点云的空间位置要求苛刻的问题,提出了改进的点云配准算法。首先,使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像,并通过信息融合实现相应角度下的点云获取。其次,对点云进行背景去除和滤波处理,基于直方图设定分割阈值,提取单株枣树点云,并将放置在树根附近的标靶球作为标记,使用人工标记法进行两站点云初配准。最后,在初配准基础上计算点云的曲面法向量和曲率,由曲率相近的点构成配对点对,使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point,kd-tree-ICP）算法完成精配准,对点云使用Alpha-shape算法面片化,实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明,通过引入初配准,有效提高了点云配准的准确性和稳定性,配准误差均控制在1.0 cm以内,平均配准误差为0.76 cm;重构模型真实感较强,在外观上更加接近真实树,重构模型枝干相对误差控制在7%以内。该研究重构模型精度较高,可为枣树智能修剪提供可视化研究基础和技术支持。