不同仓型的粮堆温度场重现及对比分析

为了揭示不同仓型粮堆内温度场和水气分压场随季节的变化规律及其对储粮安全的影响,该文以天津地区的钢板浅圆仓和平房仓为研究对象,以小麦为储粮目标,采用阵列式分布的温度传感器监测粮堆温度,利用温度拟合算法和WU模型构建粮堆温度场模型,重现粮堆在冬末春初之际和夏季的温度场和水气分压场分布;根据温湿度场耦合理论分析其云图特征,并在此基础上比较2种仓储粮状态的差异。结果表明:夏季,浅圆仓和平房仓的小麦粮堆中均存在大体积的冷芯,使整个粮堆可以安全度夏;冬春交替之际,2种仓的粮堆中均存在多区域分层现象,但由于浅圆仓的表层粮堆水分吸收速率大于平房仓,致使次年春季浅圆仓的粮堆表层更易发生结露;根据平房仓小麦粮堆的等温曲线变化方向可推测有邻仓存在,且由2个毗邻的平房仓温度场融汇度可判定邻仓有储粮。研究结果将为粮堆结露研究提供新思路,为结露预测提供理论依据。     

复杂背景下甜瓜果实分割算法

为解决复杂背景下甜瓜果实与背景图像分割的问题,该文提出了一种融合颜色特征和纹理特征的图像分割算法。首先,把采集到的甜瓜果实图像从RGB色彩空间分别转换到CIELAB和HSV色彩空间,应用a*b*分量建立角度模型,根据甜瓜果实的颜色特点选取阈值并对图像作二值化处理;为降低光照分布不均匀对图像分割的影响,采用HSV空间的HS颜色分量对果实图像进行阈值分割。在以上2种色彩空间分割的基础上,融合角度模型分割和HS阈值分割的结果,得到基于颜色特征的分割结果。然后,再按照图像的纹理特征对图像进行分割处理,融合按照颜色特征和纹理特征的分割结果。最后,为解决分割结果中的分割误差和边缘毛刺问题,以颜色特征分割的果实区域为限定条件,对按照融合特征分割的果实区域进行约束性区域生长,得到最终的图像分割结果。为了对该文提出算法的分割效果进行检验,采用超绿阈值分割算法和归一化差异指数算法(NDI)对试验图像进行分割,3种算法的平均检出率分别为83.24%、43.12%、99.09%。对比3种分割算法的检出率和误检率,可以看出,该文提出的算法试验结果明显优于超绿阈值分割算法和归一化差异指数(NDI)分割算法。     

基于温湿度场云图的小麦粮堆霉变与温湿度耦合分析

为了研究粮堆霉变和温度场、湿度场的时空耦合关系,该文建立了模拟仓装置,在模拟仓内装入体积比为9∶50的高水分小麦(20.1%,w.b.)和低水分小麦(11%,w.b.),于18℃恒温室内储藏800 h。试验过程中,高水分小麦中心插入30℃的加热元件,短时加热引发粮仓内部湿热迁移,通过构建温、湿度场云图,检测CO_2气体浓度和储藏霉菌变化,揭示温、湿度场与粮堆霉变的时空耦合关系。通过云图观察到湿空气上移而形成窝状高湿区,在温度适宜的条件下,高温中心区由于湿度偏低,几乎不发生霉变,窝状高湿区霉变最严重。当温度降低后,模拟仓内粮堆霉变受到抑制,微生物生长速度减慢。试验结果表明,在温度和湿度的变化和耦合过程中,粮堆霉变不仅是时间的函数,也是空间的函数。由于粮温散失较快,试验过程中,粮堆内没有观察到自发热点。该文可为今后进一步建立粮堆多场耦合规律和储粮过程中霉变发热的监测预报奠定基础。     

基于颜色及纹理特征的果蔬种类识别方法

为更好地表述果蔬图像纹理特征,提高智能果蔬识别系统识别准确性,提出一种颜色完全局部二值模式纹理特征提取算法。果蔬识别系统模型利用颜色完全局部二值模式提取图像纹理特征,利用HSV颜色直方图、外点/内点颜色直方图提取图像颜色特征,采用匹配得分融合算法将颜色和纹理特征相融合,采用最近邻分类器实现果蔬农产品分类。通过不同光照条件下和不同数量训练样本条件下的试验得出：颜色完全局部二值模式的果蔬图像纹理表述能力明显优于和差直方图等果蔬图像纹理操作子,识别率提升最小在5%以上,更适合果蔬分类;对比其他纹理特征提取算法,采用颜色完全局部二值模式与颜色特征进行融合时,识别率最优,时间开销约为1.1 s。该方法能够应用到智能果蔬识别系统中,提升系统识别准确性。     

基于离散余弦变换和区域生长的白粉虱图像分割算法

图像分割是病虫害自动识别的难点之一,目前大多基于颜色、纹理等信息采用阈值法或聚类法进行分割,简单,易实现,但分割精度较低。该文针对田间开放环境中,不能用颜色、纹理特征有效分割病虫害图像的问题,引入离散余弦变换(discrete cosine transform,DCT),提出用清晰度对病虫害图像进行分割,以提高分割精度。DCT的低频信号表示图像轮廓,高频信号表示图像细节,对于病虫害图像,焦点通常聚集在目标区域,该文提出截断DCT高频信号,再与原图做差的方法以区分清晰部分和模糊部分,然后结合病虫图像局部聚合度较高的特性,利用区域生长方法提取完整目标。采用该算法对白粉虱图像进行分割测试,并与阈值法和GMM方法比较:分割结果中,目标的一致性和边缘的清晰度明显好于阈值法和GMM方法,平均正确分类率为98.49%,分别较R,B,Y空间中阈值法和Y空间中GMM方法分类正确率高2.96%、3.28%、3.24%和9.65%,差异达到显著水平。基于DCT和区域生长的分割算法鲁棒性高,能够有效地将病虫害区域从自然环境中采集的叶片中分离,可用于分割白粉虱图像。     

基于改进K-means聚类算法的大田麦穗自动计数

单位种植面积的小麦麦穗数量是评估小麦产量和小麦种植密度的一个重要参量。为了实现高效、自动地麦穗计数,该文提出了基于改进K-means的小麦麦穗计数方法。该方法建立从图像低层颜色特征到图像中包含麦穗的一个直接分类关系,从而不需要再对图像进行分割或检测。以颜色特征聚类为基础的这种方法能够估计麦穗在空间局部区域中数量,并且在不需要训练的情况下更具有可扩展性。统计试验结果表明,该文算法能够适应不同光照环境,麦穗计数的准确率达到94.69%,超过了传统基于图像颜色特征和纹理特征分割的麦穗计数方法 93.1%的准确率。     

基于多层感知神经网络的水稻叶瘟病识别方法

为实现水稻叶瘟病的快速诊断,综合利用图像处理技术和神经网络来进行叶瘟病斑的识别研究。该文设计了3个多层感知分类器来进行病斑识别准确率的对比验证,分别采用叶片正常区域和病斑区域的纹理特征、颜色特征以及纹理和颜色的组合特征作为不同分类器的输入单元;输出层采用1个单元用于输出病斑区域和正常区域的识别结果。首先,该文将采集到的RGB图像转换成灰度图像,利用灰度共生矩阵分别提取叶片正常区域与病斑区域的能量、对比度、熵、逆差距作为纹理特征;紧接着,将RGB彩色空间转换至HIS和Lab空间,分别提取病斑区域和正常区域的L、a、b值作为颜色特征。最后,采用不同的BP神经网络分类器进行病斑区域识别。该文共采用120副图像作为待测对象,试验结果表明,采用颜色和纹理的组合特征进行识别,准确率要比单独使用纹理特征和颜色特征高10%～15%。本文的研究结果为进一步实现水稻病害自动诊断打下了基础。     

基于改进蜂群算法优化神经网络的玉米病害图像分割

更加细致的体现病害外部形态特征和较为完好的保留病害区域颜色纹理信息,是玉米等作物病害分割的关键性研究问题之一。该文提出一种基于改进人工蜂群算法的脉冲耦合神经网络图像分割算法,该算法以最大香农熵和最小交叉熵加权线性组合作为蜂群算法收益度评价函数,通过引入尺度因子调整引领蜂和跟随蜂的解搜索策略,改进后人工蜂群算法与脉冲耦合神经网络相结合,实现网络参数的自动优化调节。在RGB色彩子空间上将该算法用于一组玉米常见病害彩色图像分割,并借鉴利用彩色图像合并策略得到最终病害分割结果。试验表明,该文算法较为细致的体现病害外部形态特征,较为完好的保留了颜色纹理信息;利用分割区域色度误分度V(I)值作为评判标准,该文算法V(I)幅值顺次降低2.03%、7.05%、10.15%和11.2%,综合降低了7.32% 也优于对比算法。因此,该文算法为病害彩色图像分割提供了一种较为有效的方法。     

玉米单倍体种子胚部特征提取及动态识别方法

为了实现基于机器视觉方法的玉米单倍体种子识别,该文研究了一种玉米单倍体种子胚部特征提取及动态识别方法。采用一种基于B通道平均像素值的胚部特征提取方法,提取了具有Navajo标记的玉米种子的胚部图像,基于此在RGB颜色空间内提取了样本的Navajo标记图像,从而得到一套玉米单倍体种子快速识别RGB组合算法。在玉米分选试验台上进行了动态分选试验。试验结果表明,该算法对LC09124-UH400品种玉米单倍体的识别正确率为98.04%,对杂合体的识别正确率为94.44%。该文提出的玉米单倍体种子RGB组合快速识别算法与玉米分选试验台结合形成的动态分选系统,有助于实现玉米单倍体种子的自动化分选。     

基于机器视觉和BP神经网络的超级杂交稻穴播量检测

为了保证秧盘上每穴超级稻种子数量一致,实现精密播种作业,需对播种性能进行准确检测,但超级杂交稻播种到秧盘中,多粒种子存在粘连、重叠、交叉等情况,传统的面积、分割算法对上述情况播种量检测精度低,因此需提高上述情况种子播种量检测精度。考虑到种子连通区域的形状特征反映种子数量,该文提出一种基于机器视觉和BP神经网络超级杂交稻穴播量检测技术。针对超级稻颜色特征,采用RGB图像中红色R和蓝色B分量组成的2×R-B分量图和固定阈值法获取二值图像;投影法定位秧盘目标检测区域和秧穴;提取连通区域10个形状特征参数,包括面积、周长、形状因子、7个不变矩,建立BP神经网络超级稻数量检测模型,检测连通区域为碎米/杂质、1、2、3、4和5粒以上6种情况;试验结果表明,6种情况的检测正确率分别为96.6%、99.8%、97.2%、92.5%、86.0%、94.3%,平均正确率为94.4%,每幅图像平均处理时间0.823s,满足精密育秧播种流水线在线检测要求;研究结果为实现精密恒量播种作业提供参考。     

基于混合特征的互联网茄子图像检索方法与系统

互联网图像数据的爆炸式增长使得有效检索变得越来越重要,不同于文字的检索,有效的图像检索仍然是一个开放的问题。该文提出了基于混合特征的互联网茄子类图像的检索方法,并开发了图像检索系统。该文采用Hu不变矩(hu invariant distance)作为几何不变特征,采用颜色矩方法,通过计算HSV空间的三阶矩来描述颜色特征,采用分水岭算法(watershed algorithm)提取茄子的轮廓特征,通过长宽比特征区分长茄和圆茄,最后综合几何不变特征、颜色、轮廓特征进行茄子对象的描述,分别给3种特征赋不同的权重,形成检索系统。试验验证,该文方法和系统在测试数据集上查全率为87.6%,查准率为87.6%,相比于只采用Hu不变矩方法(其查全率为31.75%,查准率为31.75%)在Hu不变矩加颜色特征方法(查全率为52.8%,查准率为52.8%),有了一定的提升,验证了方法的有效性。     

基于机器视觉的水稻杂质及破碎籽粒在线识别方法

为了解决目前国内联合收获机缺乏针对含杂率、破碎率的在线监测装置的问题,该文提出基于机器视觉的水稻图像采集,杂质与破碎籽粒分类识别方法。采用带色彩恢复的多尺度Retinex算法增强原始图像,对HSV颜色模型的色调、饱和度两个通道分别设定阈值进行图像分割,并结合形状特征得到分类识别结果。采用综合评价指标对试验结果进行量化评价,研究表明,茎秆杂质识别的综合评价指标值达到了86.92%,细小枝梗杂质识别的综合评价指标值为85.07%,破碎籽粒识别的综合评价指标值为84.74%,平均识别一幅图像的时间为3.24 s。结果表明,所提出的算法能够快速有效识别出水稻图像中的杂质以及破碎籽粒,为水稻含杂率、破碎率的在线监测提供技术支撑。     

储料竖向压力对粮仓中小麦粮堆湿热传递的影响

粮仓中存在压力场、温度场和湿度场等多物理场,为了得出各物理因子共同影响下的粮堆内湿热传递规律,该研究利用自行研制的粮堆多场耦合试验装置,针对仓内小麦粮堆单元体,研究在高温边界38.5 ℃、低温边界5.2 ℃,初始粮温25.8 ℃,竖向压力分别为50、100、150 kPa条件下小麦粮堆湿热传递情况。试验结果表明：竖向压力增加,粮堆孔隙率减小,热量通过粮食籽粒间传导增加,传递速率加快,竖向压力从50 kPa 增大至150 kPa,粮温较入仓时下降约0.5～1.3 ℃,温度梯度变化率达8.7%,不同压力下粮堆高温区面积随储藏时间呈幂函数减小。粮堆内湿空气在边界处累积至峰值时会有部分湿空气向粮堆内迁移。粮堆中部与靠近低温边界温差大于6.3 ℃时,粮堆内湿空气扩散加快,粮堆中部平均相对湿度下降速率随竖向压力增加而加快。研究结果可为散装粮堆多场耦合研究提供理论支持。     

仓储稻谷热湿耦合传递及黄变的数值模拟

为了研究稻谷在整个储藏周期的温度、含水率分布规律以及黄变情况,该研究以南昌地区混凝土结构浅圆仓为研究对象,基于多孔介质的传热传质理论和局部热平衡原理,建立了仓储稻谷储藏过程中粮堆内部流动和热湿耦合传递的数学模型,并结合稻谷黄变数学模型,采用数值预测的方法模拟分析了全年自然（密闭）储藏和全年自然（密闭）储藏加机械通风时仓储稻谷内部温度和含水率的分布规律以及稻谷黄变规律。研究发现,当稻谷全年自然（密闭）储藏时,由于谷物呼吸放热,粮堆内部大部分区域温度都非常高,超过了35.0 ℃,并且这部分区域的稻谷极易黄变;自然（密闭）储藏期间,在自然对流的微气流作用下,粮堆内部水分向粮面迁移,导致粮面附近的含水率升高。在自然（密闭）储藏期间进行机械通风时,粮堆内部温度下降,且由于太阳辐射的影响,粮堆高温区在南墙壁附近和靠近南侧的粮面附近,这部分区域的稻谷黄变也较严重;通风后的自然（密闭）储藏期间,在自然对流的微气流作用下,粮堆内部水分向仓底附近迁移,仓底附近的稻谷含水率较高。研究结果为粮食仓储企业安全储粮提供参考和理论依据。     

基于模糊彩色聚类方法的西红柿缺陷分割研究

缺陷的检测一直是应用计算机视觉技术进行水果自动分级的难点。在HSL颜色模型的基础上，提出了基于模糊颜色聚类的缺陷分割方法。将RGB颜色模型转化为HSL颜色模型；用三角隶属度函数定义H、S、L模糊集，进而构成模糊颜色集；在模糊颜色的基础上，定义模糊颜色相似度测度，分析两种模糊颜色的形似性。将该分割方法应用于西红柿的缺陷分割，试验表明：准确率达96%。     

基于轮廓分割的草莓叶片三维建模

为精确构建原位草莓植株三维空间结构,以高架栽培模式生长环境下的草莓植株为研究对象,提出了一种基于多源图像轮廓分割的草莓植株结构形态三维重建算法。通过改进的多源图像融合算法,建立多源图像映射关系,融合预处理后的多源信息得到待分割强度图;计算待分割强度图矢量场卷积的局部中心,选出多目标的初始轮廓控制点,将参数的活动轮廓模型应用于待分割强度图像进行叶片的分割;采用标记的方法将分割轮廓映射至距离点云集,设计以单个叶片为单位的平面拟合选择机制,最终完成草莓三维模型的重建及显示。为验证该算法的有效性,将三维重建后的有效叶片数,平均单叶长度及叶片距离差作为评价指标,实验结果表明,有效叶片数正确率为85.6%,平均单叶长度模型正确计算率为88.4%,叶片距离差正确计算率为82.4%,研究结果可应用于原位草莓植株的空间位置测量,可为农业机器人局部视觉场景中植株空间结构的构建提供参考。     

基于内容的小麦害虫图像检索系统研究与实现

以小麦害虫图像为研究对象,研究并开发了基于内容的害虫图像检索系统。重点研究了基于内容的图像检索中的图像特征提取、图像相似性度量和用户相关反馈技术。提出一种重叠四分块颜色矩和一种基于BP神经网络的图像相似性度量方法,并引入灰色相关反馈算法实现了基于语义的图像检索。应用排序评价方法、查准率与查全率对系统的检索性能进行测试,结果表明,系统具有一定的实用性,为快速准确地诊断、识别农作物害虫和害虫图像资源共享提供了技术依据。     

基于无人机采集的视觉与光谱图像预测棉花产量

为了高效管理农田,该文提出了一种应用低空遥感视觉与光谱图像预测棉花产量的方法。盛花期前的棉花图像由无人机遥感平台在距地面50m的飞行高度下采集,采集的局部图像通过拼接处理得到棉花地的全景RGB图像与CIR(color-infrared,彩色红外)图像。基于全景图像提取并计算了色度、植株覆盖率与归一化植被指数(normalized difference vegetationindex,NDVI)3个特征参数,用于构建棉花产量的预测模型。包括产量与特征参数的原始数据集随机分为训练集(90%)与测试集(10%)。训练集数据首先基于产量概率分布特征去除了10%的离群值,然后通过均值滤波器滤波,处理后的数据用于构建预测模型。通过SAS软件对比分析了单变量、双变量以及三变量构建的线性回归模型,预测模型由P值、决定系数R2、每0.4 hm2面积下估计值与真实值之间的平均绝对误差百分比(mean absolute percentage error,MAPE)这3个参数进行评估。试验结果表明,单变量、双变量以及三变量构建的共7个线性回归模型,其P值均小于0.05,则7个线性回归模型均具有统计学意义(5%显著性水平)。其中,由三变量构建的多元线性回归模型具有最大的决定系数R2=0.9 773,因此适应性最优。基于测试集验证模型精度,试验结果表明,采用多元线性回归模型进行产量估计,估计值与实际值之间的平均绝对误差百分比为4.0%。因此,无人机搭载图像传感器采集提取视觉与光谱特征能够有效用于作物产量的预测。