基于粗糙集的烤烟烟叶智能分级方法

针对烤烟烟叶的分级问题,提出了一种基于粗糙集理论的智能分级方法.为了适应烟叶分级的特点,将粗糙集理论予以扩展和改进,给出了相应的离散化和属性约简算法.同时构造了烟叶分组、分级的二级推理模型,以实现合理粒度的知识获取.通过烟叶的化学指标进行"部位"和"颜色"上的并行分组,可得到各自的推理规则以及影响指标和相应的重要度.在规则推理获得烟叶的分组后,借助所有化学指标的重要度进行多属性决策判定得到烟叶的分级.实验结果表明该方法有效可靠,并优于同类其他方法.     

基于粗糙集的烤烟烟叶智能分级方

针对烤烟烟叶的分级问题,提出了一种基于粗糙集理论的智能分级方法。为了适应烟叶分级的特点,将粗糙集理论予以扩展和改进,给出了相应的离散化和属性约简算法。同时构造了烟叶分组、分级的二级推理模型,以实现合理粒度的知识获取。通过烟叶的化学指标进行“部位”和“颜色”上的并行分组,可得到各自的推理规则以及影响指标和相应的重要度。在规则推理获得烟叶的分组后,借助所有化学指标的重要度进行多属性决策判定得到烟叶的分级。实验结果表明该方法有效可靠,并优于同类其他方法。     

基于残差网络的烤烟烟叶分级

烤烟烟叶等级是评价烟叶品质的重要依据,烟叶等级判定涉及国家、企业、烟农等多方利益,研究意义重大。基于此,研究团队采用深度学习残差网络ResNext50作为烟叶特征提取器,并在其中加入CA注意力机制,增强不同通道以及同一通道不同位置对特征的关注程度,同时采用多尺度特征融合的方式,获取不同的感受野用来表征烟叶的多尺度信息。研究结果表明,本研究提出的烟叶分级方法准确率达到91.7%,相较于基础ResNext50网络准确率提高了9.4%,为烟叶自动化分级提供了一个新方法。     

烤烟烟叶水分快速检测仪的研制

烤烟烟叶水分含量的高低直接关系到烟叶的收购品质。为实现对烤烟水分含量进行客观、快速判定,设计开发了一种基于单片机的便携式烤烟烟叶水分含量检测仪。以微型单片机和光电转换器为核心,利用近红外光透射分析方法,采用机采和人工输入相结合的判别模型构建,能够脱离PC机完成数据采集和建模运算,即时判别烤烟烟叶水分含量是否达标,并具有判别模型存储、判别结果输出报警等功能,较好地解决了烟叶收购工作中水分含量客观判定的问题。     

苹果无损检测和品质分级技术研究进展及展望

中国苹果总产量高,但出口量占比低,高端苹果市场多被进口苹果所占领,主要原因是缺乏果品品质分级精选技术与装备,采摘后处理自动化程度低,大部分果品未经加工或简单粗加工后进入消费市场,果品品质不稳定,大大降低了市场竞争力。本文分别对苹果品质无损检测和分级技术的现状进行了研究进展分析,并对其发展进行了展望。苹果无损检测技术主要包括光谱、电特性、CT、色谱、电子鼻和计算机视觉技术,针对各种技术的功能特点和优缺点,提出了发展基于新型传感器技术的苹果气味检测方法;苹果品质分级则主要采用基于机器视觉的多特征分级方法,苹果品质无损检测技术与分级技术的有机结合是苹果品质分级技术的发展方向,同时这对于提高苹果产业竞争力具有促进作用。整体而言,中国苹果品质无损检测和分级技术发展需求紧迫,检测新技术如采用纳米科学、生物技术和人工智能方法的传感器技术及产品在苹果无损、品质分级检测方面具有巨大潜力,多技术的融合如集成电、光、气和计算机视觉等实时、高效、高精度的苹果品质分级系统可能是提高苹果分级品质和提升苹果产业竞争力的重要发展方向。     

鸭蛋品质无损自动检测分级系统

设计了基于计算机视觉技术的鸭蛋品质无损自动检测分级设备的硬件系统和软件系统。阐述了总体结构、工作原理及检测方法。该设备可一次完成蛋心颜色、蛋壳厚度、蛋大小、新鲜度 4个指标的检测和分级 ,具有快速、准确、高效、可操作性强等特点 ,实现了鸭蛋品质在线检测、分级过程的自动化。     

基于径向基网络的烟叶光谱分级

烟叶的红外光谱特征不仅与其化学成分密切相关, 而且与其内部结构有一定的关系.为此,提出了基于光谱分析并利用径向基神经网络对烟叶进行等级分类的方法.首先,对复杂繁多的原始光谱数据进行小波变换;然后,采用RBF(Radial-Basis Function)神经网络进行分级.小波变换不仅可除去部分噪声,而且压缩后的数据可减少识别网络的输入维数,从而缩短了网络的训练和识别时间,并有效地减小了神经网络的VC维数,提高了网络的推广能力.对两种不同等级的50片烟叶红外光谱数据进行分析,取其中23片作训练样本,其他的27片作测试样本.实验结果表明:训练样本的正确识别率为100%,测试样本的正确识别率为96.3%.     

基于深度学习与多尺度特征融合的烤烟烟叶分级方法

为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。     

大型瓜果品质检测分级技术研究进展

较全面地介绍了目前国内外大型瓜果(甜瓜、西瓜、柚子等)品质检测分级技术的研究现状以及方法,包括声波特性、振动频谱法、电磁技术、机器视觉技术以及光谱技术。同时,提出了大型水果的检测分级技术目前存在的问题,并对未来大型水果品质检测分级技术的发展予以展望。     

可移动式苹果内部品质果园产地分级系统

为满足苹果内部品质产地检测分级需求,本研究研发出检测模块和分级模块,构成可移动式苹果内部品质果园产地分级系统。在此系统的基础上,以苹果糖度和霉心病为代表品质指标,提出一种基于乘法效应消除（Multiplicative Effect Elimination,MEE）的光谱校正方法,用于消除苹果物理属性差异导致的有效光程变化对光谱的影响。利用该系统获取苹果600~900 nm漫透射光谱数据,分别采用多元散射校正（Multiple Scattering Correction,MSC）、标准正态变量变换（Standard Normal Variate Transform,SNV）和MEE算法对苹果光谱预处理后,建立糖度偏最小二乘回归（Partial Least Squares Regression, PLSR）预测模型和霉心病偏最小二乘判别（Partial Least Squares - Discriminant Analysis,PLS-DA）模型。结果表明,MEE算法相比于MSC和SNV算法建模结果更好,糖度预测模型的校正集相关系数（Rc）、校正集均方根误差（Root Mean Square Error of Calibration,RMSEC）、预测集相关系数（Rp）和预测集均方根误差（Root Mean Square Error of Prediction,RMSEP）分别为0.959、0.430%、0.929和0.592%;霉心病判别模型的校正集敏感性、校正集特异性、校正集准确率、预测集敏感性、预测集特异性和预测集准确率分别为98.33%、96.67%、97.50%、100.00%、90.00%和95.00%。将建立的最佳预测模型导入分级系统进行试验,结果表明该系统的分级准确率为90.00%,分级速度约3个/s。该系统具有成本低、结构简单、移动方便等优点,可以满足苹果内部品质果园产地检测分级需求。     

基于图像处理的黄瓜叶片病斑分级方法的研究

目前由于植物病理学中辨别病害主要以目测为主,主观判断占据主导。为了实现可靠的病害诊断,开发出一种基于计算机图像处理技术的病害分级新方法,并运用了分水岭法提取叶片区域。为了减少由光照变化产生的干扰,经比较提出了在YUV颜色模型下选取V分量进行病斑分割的方法。最后通过计算病斑面积与叶片面积的比例得出病害的染病级别。实验表明,该方法能够快速准确地对黄瓜叶片病害的严重程度进行分级,具备良好的分类能力。     

烟草成分对其品质影响程度的粗糙集判别方法

运用粗糙集理论研究了烟草主要化学成分 (总糖、还原糖、总氮、烟碱、氧化钾和氯离子 )对烟草品质影响程度的判别方法。对比已有的研究结果 ,表明基于粗糙集理论的计算方法简单 ,结果明了 ,而且还能量化烟草成分对品质的影响程度。     

基于图像处理的叶斑病分级方法的研究

针对目前植物病害染病程度判别中以目测为主,存在着主观随意的缺陷,开发出一种基于计算机图像处理技术的病害分级新方法.同时,分析了图像分割中存在的各影响因素,运用Otsu法提取出叶片区域;提出在HSI颜色空间下选择H分量分割病斑以减少光照变化和叶脉的干扰,使用Sobel算子检测病斑边缘,分割出病斑区域,并通过计算病斑面积占叶片面积的百分比给出病害的染病级别.研究表明,使用该方法对植物叶部病害严重度进行分级具有快速精确的特点.     

基于单目多视角机器视觉的珍珠在线分类装置

利用摄像机前放置多枚平面镜组成的对称斗型腔体构成以物为中心的单目多视角摄像装置,在摄像机投影平面上直接获取从不同视角拍摄的珍珠表面图像;然后对不同视角的珍珠表面图像进行处理,获得反映珍珠品质的各种特征值;最后用特征融合的方式判定珍珠的品质。实验结果表明,设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,实时完成珍珠的大小、形状、光泽、瑕疵和颜色等外观品质指标的视觉检测与分类。     

基于机器视觉的烟叶面积在线测量

为提高烟草打叶复烤工艺中烟叶叶片结构的检测效率,研究了用于烟叶叶片结构在线检测的叶片面积快速测量方法.采用空变模糊矩阵还原了线阵相机的场曲模糊,利用张正友标定法校正了图像畸变;提出了对噪声、照明环境不敏感的R、G分量差值阈值分割法,实现了叶片图像的高精度分割;提出了计算效率较高的叶片面积拼接法,解决了在线检测时单个叶片被分割在2幅图像中的问题.采用多线程技术,编写了并行图像处理软件,开展了重复性实验,结果表明:图像处理速度达22帧/s,能够满足在线测量要求,在100～2500mm2量程内,相对误差小于0.50％,变异系数小于1.01％.     

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法（多卷积神经网络融合DXNet模型）。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。     

基于阻隔因素的耕地质量分等因素插值方法研究

在山地丘陵区,耕地质量等级调查评价中的分等因素属性值估算受到大、中型山体阻隔影响,造成分等单元各分等因素属性赋值结果的失准。以青海省平安区为研究区,研究基于阻隔因素的分等因素属性值估算方法,并与反距离权重插值、样条函数插值方法进行了交叉验证。结果表明:不同的插值方法对3个分等因素空间分布趋势的模拟基本一致;由于插值原数据的特征与插值原理的不同,导致基于阻隔因素的插值方法对不同的土壤性质表现不一致。土壤有机质和有效土层厚度最适宜的插值方法是基于阻隔因素的样条函数插值,而在土壤pH值插值中,基于阻隔因素的反距离权重插值精度最高;研究区内的土壤有机质含量和有效土层厚度的插值精度比不考虑阻隔因素的样条函数插值的平均绝对误差、平均相对误差、均方根误差、相对均方根误差分别提高了11. 23%、10. 98%、7. 54%、9. 20%和15. 08%、11. 74%、17. 41%、9. 40%;采用基于阻隔因素的样条函数插值方法对有机质含量和有效土层厚度进行插值,二者实测值与预测值之间的决定系数分别为0. 927和0. 901。     

基于智能称重的水果分级生产线设计

设计了一种基于智能称重的可以用于多种类球型水果实时、动态检测的分级生产线。整条生产线由水果输送装置、称重装置、控制装置、分级执行装置和托盘机构组成,水果输送装置将水果逐个输送到水果分级生产线的托盘机构,托盘机构随滑块循环运动至称重台上完成称重,质量信息传送至控制装置,控制装置根据国家标准判定每个水果的等级,发出指令传送给分级执行装置,完成水果的分级。     

水果声学特性测试系统的研制

研制了利用声学特性测试水果内部品质的试验台。声波信号由传声器接收后转换为电信号 ,经信号调理电路放大和滤波后由 PCL 180 0数据采集卡转换为数字信号存贮于计算机 ,采样频率为 10 k Hz。测试了 14只麒麟西瓜 ,测试数据采用 Matlab软件分析。西瓜内部空心存在与否对声波传播速度的测量结果有重要影响。该测量结果还受西瓜生长状态的影响 ,当西瓜的蒂部不靠近地面时 ,西瓜声波传播速度与测试点的含糖量在 3阶polyfit函数统计回归分析时 ,相关系数为 0 .94 6 8。