大豆叶片形态模拟模型建立方法的研究

叶片是大豆的重要器官之一,对大豆叶片结构模型的研究,有助于对大豆叶片功能的研究.为此,从大豆叶片轮廓的提取方法和模拟模型的建立方法两个方面进行讨论,提出了大豆叶片进行数字化处理的基本方法,应用L系统,成功地建立了大豆叶片结构模拟模型,解决了大豆生长模拟模型建立过程中的一个关键问题,对大豆植株模型的建立有着重要的指导意义.     

基于生长方程大豆叶片模拟方法的研究

针对大豆叶片的各项指标建立数学模型,叶片的轮廓采用贝塞尔(Bezier)曲线方程拟合,叶片长、宽与时间的生长模型采用理查兹生长方程模拟,设计出了能够真实反映大豆叶片特征的生长方程,基本实现了对大豆叶片生长的动态模拟.     

核桃缝合力测试系统的研究

针对目前各国对核桃缝合线紧密度分级标准各异、缺乏量值化这一现状，提出了一种基于虚拟仪器的核桃缝合力测试系统的方案。本系统能实现对数据的实时显示及存储，测试结果直观、可靠。这种新的分级方法更加接近实际，将对核桃坚果品质的优选和发展生产提供有利的数据支持。     

喷漆机器人喷枪轨迹离线优化方法

介绍了喷漆机器人喷枪轨迹离线优化方法问题的数学模型，建立了评价喷涂效果的目标泛函，确定了具体的算法．并以圆锥面工件为例对整个喷涂过程进行计算机仿真，得出优化仿真结果。     

面向远程布局的分布式虚拟气调库研究

提出了面向透视关系一致性的图像插值策略和基于敏感视野的渲染精度分配策略,解决了气调库异地布局评价领域存在的主要难点问题-透视关系一致性和渲染实时性.基于这些策略,采用基于图像的柱面纹理映射技术实现了分布式虚拟气调库系统,设计者可以远程访问这一系统.通过Web对库内布局效果进行直观感受,从宜人化水平出发,对库内布局设计进行远程评价和改进.该系统实现了库内异地布局评价,能有效地提升气调库布局设计效率和水平.     

基于线性组合核函数支持向量机的病害图像识别研究

合理的选择、设计核函数是支持向量机方法的重要部分,不同的核函数代表了利用支持向量机解决非线性分类问题时,进行的不同的非线性映射.核函数使支持向量机可以很容易地实现非线性算法.为此,提出了一种新的核函数-线性组合核函数,将该核函数应用于支持向量机方法中,并使用该方法对北京地区甜瓜病害图像进行了识别分类;同时也与人工神经网络和其它经典支持向量机核函数的分类结果进行了对比,实验结果也验证了该核函数的有效性.     

基于L系统的植物叶脉模拟的研究

近年来，随着计算机软硬件技术水平的不断提高，虚拟植物的研究得到了迅猛的发展。为此，针对网状叶脉的特征，以大豆为例，研究了其自相似性。在可视化模拟过程中，设计了描述网状叶脉形态的L系统，并使其在采自真实叶片的轮廓内生长，解决了传统的叶脉模拟方法中的叶缘不吻合问题，基本实现了对网状叶脉的较为形象的模拟。     

基于Hamming网络的苹果颜色分级研究

在基于计算机视觉的水果分选中,颜色是最主要的指标之一。为此,将Hamming神经网络应用于苹果的颜色分级。依据富士苹果的颜色将其分为3个等级,分析了各等级的平均色调累积直方图,据此构建了Hamming神经网络;从直方图上提取色调在0o,10o,20o,30o,40o,50o所对应的频度作为Hamming网络的输入向量;采集了3个等级各10个苹果图像作为训练样本,另外同样30个苹果图像作为测试样本。试验结果表明,Hamming网络颜色分级的准确率不低于96%,识别1个苹果的时间在0.1～0.2ms之间。     

单片机嵌入式系统的可靠性探讨

单片机在各种恶劣的工业控制环境中应用,对其嵌入式系统的可靠性要求越来越高。可以说,不提高其可靠性,不能有效地抑制干扰,单片机嵌入式系统就不能广泛地推广应用。由于工业现场环境的复杂性,单片机嵌入式系统中抗干扰问题一直是一个重要的课题,开展单片机嵌入式系统的可靠性研究、提高其抗干扰能力已成为当务之急。为此,在分析了单片机嵌入式系统干扰源的基础上,针对各种干扰信号提出了提高系统可靠性的具体硬件措施,主要从电源、传输通道和监测电路等方面进行了阐述。     

地表秸秆覆盖度图像识别技术的研究

农田地表秸秆覆盖是防止水土流失的一项主要措施,研究秸秆覆盖度与土壤风蚀、水蚀的定量关系对农田采取合理的覆盖形式有重要的指导意义。针对当前主要靠手工测试秸秆覆盖度存在效率低的问题,研究了如何应用MATLAB语言强大的图像处理功能来识别、分析秸秆图像。通过对样本图像类型的转换、灰度的均衡化和中值滤波等一系列的处理,得出较准确的秸秆覆盖面积和秸秆覆盖百分比,为准确快速测量秸秆覆盖度提供了测试手段。     

基于BP神经网络的葡萄干分级技术的研究

为了适应农产品机器视觉分级技术的需要,通过分析葡萄干的特征参数组合对BP网络识别率的影响,确定最能反映葡萄干形态特征的参数作为等级识别的依据.为此,以BP算法为基础,采用改进的BP算法,对网络进行训练;同时,建立了基于BP神经网络葡萄干分级鉴定模型.试验结果表明,该网络分级效果较好,其平均分级准确率达到93%.