基于DPWS网络中间件与Petri网的微电网监控方法

针对目前微电网监控系统存在的协同性差、缺少动态配置支持、连续动态行为和离散事件共存的混杂性等问题,该文提出了一种基于设备网络服务框架(device profile for web service,DPWS)与解释Petri网模型的新型微电网监控方法。根据微电网监控系统功能需求,建立基于DPWS的分布式微源运行状态监控模型。利用DPWS技术的自动发现、自动组网机制对微电网监控系统进行重新配置,结合事件订阅机制实现微电网系统状态的实时监控,进而分析微电网系统在运行过程中的多重状态及其转换关系。基于DPWS技术信息加密机制,解决了微电网监控系统的信息传输安全问题。运用解释Petri网建立了微电网系统控制模型,提高了微网监控设备端的自动化程度,并完成了相应的数值仿真试验。试验结果表明,该模型能较全面地描述微电网系统中的并发及混杂现象,所提出的控制策略符合微电网系统实际运行要求,为微电网系统的安全、稳定地运行提供技术依据。     

基于工作流网的打假工作流模型设计与验证

借助于某企业打假管理工作流程实例,利用工作流管理思想对打假流程进行分析,介绍了工作流网的概念、基本组件及触发机制,设计了打假工作流模型,并对模型正确性进行了验证分析,以求对打假工作信息化提供启示。     

基于模块化设计的水利水保工程桩基钢筋笼加工平台研究

[目的]针对在水利、水保及民用建筑工程领域的基础工程施工中所用到的钢筋笼加工制作平台存在的造价高,使用不便,制作材料浪费大,标准不统一和加工质量差等问题,基于"系统化、模块化"的设计思想,设计一种钢筋笼加工制作平台。[方法]该设计主要包括固定支架模块和固定轴模块。固定架模块由一对固定支架组成;固定轴模块由高笼模块、中笼模块和低笼模块组成。内固定轴模块通过内滚动轴承连接外固定轴模块,外固定轴模块表面沿外圆周安装有数个主筋镶片,主筋镶片上有横向的主筋卡槽和纵向的加强箍或支撑箍卡槽。[结果]该设计解决了不同桩基设计要求的钢筋笼尺寸制作不通用问题,也解决了钢筋笼加工不统一、不标准,且一个工程一台机械,用完即丢弃的问题。不仅能使成品钢筋笼加工质量容易符合规范要求,而且能防止在制作过程由于就地制作造成的泥土和油污对笼身的污染,大大提高了制作和施工效率,节约成本,保护了环境。[结论]桩基钢筋笼加工平台的改进设计对不同类型基础工程中设备器材的可持续利用有重要意义,它可以促进建筑材料的循环应用。     

批次清单结合Petri网追溯模型提高小麦粉加工过程追溯精度

为解决小麦粉加工过程追溯质量安全信息交叉、单位个体追溯困难等问题,该研究在分析小麦粉加工流程和追溯关键信息的基础上,研究基于批次清单的信息追溯方法,以加工时间为依据结合高津托图(Gozintograph)数据结构构建批次清单(bill of lots,BOL),实现小麦粉产品信息和关键节点活动信息的精确追溯;在BOL的基础上,利用鱼骨图和Petri网分别描述小麦粉质量追溯点的位置和危害指标;结合山东某面粉厂实际生产参数对追溯模型进行验证,实现小麦粉产品与原料的批次关联和其质量危害传播路径的预测。分析结果表明,通过使用BOL和Petri网追溯模型与传统方法相比实现召回批次数量由7个减少到4个、危害因素查找数量由6个减少到5个。该研究提高了小麦粉追溯精度和缺陷召回效率,为粮食等小颗粒产品加工过程的追溯提供了理论支持。     

基于图像处理的边坡表面状态检测方法研究

针对图像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。人工设置两个目标体,一个作为参考标识点,一个作为监测点,标识点具有特殊的颜色（红色）与形状（圆形）,以两者之间的相对位移来表征边坡的状态变化。该方法由以下4个环节构成：选取特定目标体,设置目标体;将图像转换到HIS空间,提取特定的颜色---红色,确定感兴趣区域（ROI）;进行图像二值化,确定感兴趣区域的中心坐标;通过位移判定准则判定边坡表面状态是否发生变化。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。     

农业气象情报业务系统的设计与实现

针对辽宁省农业气象情报业务服务的内容和特点，基于WINDOWS操作系统平台建立了辽宁省农业气象情报业务系统。采用模块化设计，用多边形法实现了等值线和区域色斑图的绘制。文中介绍了系统的设计原则及指导思想、运行环境及结构、技术关键和主要功能等。     

基于达芬奇技术的收割机视觉导航图像处理算法试验系统

为缩短收割机视觉导航系统研发周期、降低确定图像处理算法的试验成本,该文阐述了达芬奇技术软件框架,分析了H.264视频编解码算法工作原理,研制了基于达芬奇技术的收割机视觉导航图像处理算法试验系统。该系统以双核数字视频处理器DM6446为核心,在达芬奇平台上实现了田间试验视频图像编码采集和室内视频图像解码与处理的功能模块。经试验验证,编码后的视频压缩率可达47～103倍,解码后视频帧率30帧/s,系统实时性高、工作稳定可靠,同时可进行多种图像处理算法试验。该试验系统对于收割机视觉导航图像处理算法研究提供了有效的分析手段。     

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XML／JSP技术的刊库网一体化的设计与实现

本文通过对现实生活中的几个问题的描述，并以中国农业科学院的农业网址在WEB系统及印刷系统发布的程序实现，提出这一领域的技术问题的解决方案，以期待能抛砖引玉，通过它阐述XML/JSP技术的特点及其在其他领域中的应用前景。     

基于神经网络与图像处理的花生仁霉变识别方法

为了采用机器视觉对霉变花生仁的自动识别与分选,研究了一种基于花生仁图像特征和人工神经网络的霉变识别方法。首先,利用Sobel算子直接对噪声含量少、边缘保存较完整的B分量灰度图进行边缘检测,经过形态学滤波、填充、合成等处理去除背景,得到分割后的彩色花生仁图像。然后提取颜色特征H、I、S及纹理特征RW、GW、BW,将其作为MATLAB所创建的神经网络的输入,并分别定义正常、轻度霉变、严重霉变3组代码为100、010、001的类型作为网络的输出,建立特征参数与霉变等级之间的神经网络识别模式。试验结果表明,该方法对正常花生仁、轻度霉变花生仁、严重霉变花生仁的检测准确率分别为95%、90%、100%,得到了较好的识别效果。     

基于人工神经网络与图像处理的苹果识别方法研究

针对中国苹果等级划分主要依靠人工感官进行识别判断的现状，提出了以应用计算机视觉以及图像处理技术为基础，通过改变传统学习向量量化(LVQ)网络输入层各参数的权重来改变其在竞争层中的竞争能力。采用改进后的LVQ网络算法，对苹果进行等级判别试验，取得了良好的试验结果，识别正确率达88.9%，且具有较好的稳定性。     

基于数字图像处理的苹果表面缺陷分类方法

为了实现苹果分级完全自动化，研究了苹果表面缺陷图像分类方法。提取了苹果表面缺陷图像区域的特征参数。根据表面缺陷特征，同时考虑缺陷形状的投影畸变，提出了一种苹果表面缺陷分类方法。分类方法利用二叉树将一个复杂的多模式分类问题分解为多级的、相对简单的二类模式分类问题,并采用人工神经网络与阈值判别相结合的方法，将苹果表面缺陷分为碰压伤、刺伤、裂果、病虫果和虫伤。试验表明：该分类方法能将苹果表面缺陷进行分类。     

基于形态学图像处理的重叠葡萄果径无损测量

葡萄果实尺寸变化能用来评价葡萄生长及诊断植株水分亏损状况。为实现重叠葡萄果实尺寸的非接触和精确测量,该文提出基于数学形态学的重叠葡萄果实直径测量方法,该方法首先通过内外对象标记消除图像中存在的伪极小值点,再对去除伪极小值点后图像进行分水岭变换得到目标果实的精准轮廓,从而依据目标果实区域计算果实当量直径。试验和现场应用表明,该方法具有好的定位精度,能为葡萄果实直径测量提供精确的轮廓信息;测量系统具有非接触和高精度等优点,测量的重复精度可达±9 μm,为葡萄生长规律研究及葡萄缺水诊断提供了参考。     

基于全景图像的玉米果穗流水线考种方法及系统

为提高玉米果穗考种效率和精度,该文提出一种基于全景图像的玉米果穗流水线考种方法和系统。利用托辊传送装置实现果穗自动连续推送,基于工业相机自动检测果穗运动状态并实时采集图像,获取覆盖果穗全表面的图像序列;建立果穗运动、摄像机成像、表面拼接关系,从图像序列中抽取果穗中心畸变最小区域拼接出果穗表面全景图像;最后,结合果穗边界检测、籽粒分割和有效性鉴定等技术提取出果穗表面上有效籽粒。试验结果表明,该文方法和系统较好地平衡了玉米果穗考种的效率和精度,图像采集和计算平均效率达15穗/min和4穗/min,穗长和穗行数指标计算精度可达99%和98.89%,可为研发全自动、高通量玉米果穗表型检测装置提供有益借鉴。     

基于形态学图像处理的麦穗形态特征无损测量

小麦穗部形态参数是直接反应小麦生长状况的重要参数,是育种和考种专家关心的重要参数。为了实现小麦穗部形态特征的无损测量和基于这些特征的快速品种分类,该文提出了基于形态学的穗部性状：芒个数、平均芒长、穗长和穗型的自动提取方法。首先通过小麦图像的形态学运算将麦芒去除得到只有小麦主部的图像,通过寻找主轴方向角和旋转计算外接矩形长度的方法计算穗长,通过对麦芒图像的细化和角点检测方法计算芒长和芒个数,通过宽度系数比例判断穗型,然后利用提取的其中8个特征参数,设计了一个3层的BP神经网络,对4个小麦品种240张图片进行分类识别,识别准确率达到88%。该方法可为小麦快速品种分类提供参考。若能将小麦的其他外部参数同时作为品种识别的输入数据,将会大大提高品种识别的准确性。     

基于图像处理技术的小麦叶面积指数的提取

为了较好地模拟叶面积指数的变化动态,在大田条件下进行试验,获取5个品种5个密度下不同发育期的小麦群体冠层数字图像,并手工测得实际叶面积。通过研究设计了复杂背景下小麦冠层图像叶面指数的有效提取方法,将图像处理得到的叶面积指数数据与实际测得的数据进行拟合建立模型。结果表明：品种、密度和发育期的差异对拟合模型参数影响显著,对模型经过随机抽取样本图像进行假设检验,均能够通过检验。模型的相关系数平方均达到0.86以上,能够实现高精度的小麦冠层叶面积指数的估测。     

基于显微图像处理的稻瘟病菌孢子自动检测与计数方法

稻瘟病菌孢子的检测通常在显微镜下由人工目测完成,该方法费时、费力、自动化程度低。因此,该研究提出了一种基于显微图像处理技术的稻瘟病菌孢子自动检测和计数方法。首先,采用显微图像系统获取稻瘟病菌孢子图像;然后提出一种分块背景提取法对其进行光照校正;根据显微图像中孢子的边缘特征,利用Canny算子进行边缘检测,其中Canny边缘检测过程中的阈值应用模糊C均值算法在梯度图上自动确定;接着对边缘检测后的二值图像进行数学形态学闭开运算处理。根据孢子和主要杂质的形态特征,利用椭圆度、复杂度和最小外接矩形宽度等形态特征参数对目标物进行分类,提取只含孢子的二值图像。最后,提出了基于距离变换和高斯滤波的改进分水岭算法对粘连孢子进行分离。测试结果表明:在100幅测试的显微图像样本中,孢子检测的平均准确率为98.5%,满足稻瘟病菌孢子自动检测和计数要求。