基于脉冲耦合神经网络的粘连玉米种子图像分割

为解决玉米种子内部机械裂纹检测过程中存在的种子间粘连问题,提出一种基于自适应脉冲耦合神经网络(Pulse coupled neural net)模型与熵值最大原则相结合的图像分割算法。运用直方图均衡化和布特沃斯低通滤波器进行频域增强预处理,以提高玉米种子与图像背景的对比度;运用PCNN模型,结合最大熵值原则对预处理后的粘连玉米种子图像进行分割,并引入图像像素的拉普拉斯能量(Energy of laplace)作为PCNN网络各神经元之间的连接系数,以增强图像分割效果;采用维纳滤波和数学形态学对分割后存在的噪声和断点进行处理,得到最终的分割效果。试验结果表明:PCNN与熵值最大原则相结合的图像分割算法的分割准确率为92.5%,运行时间为1.166 2s,分割准确率高于改进分水岭算法、OTSU算法和最大熵直方图分割算法,用时略长于其他分割算法。     

玉米内部机械裂纹对种子发芽和幼苗发育的影响

【目的】深入研究玉米种子内部因脱粒产生机械裂纹的机理及其对种子发芽和幼苗发育的影响,为进一步优化设计玉米种子脱粒机提供参考。【方法】以辽宁主栽的辽单526、辽单565和郑单958 3个玉米品种为材料,利用体视显微技术分析玉米种子内部机械裂纹的形态结构、生成位置和扩展方向等特征,探讨内部机械裂纹对玉米种子发芽和幼苗发育的影响。【结果】(1)3个品种玉米种子中单裂纹发生率最高,达到19%~33%,其次为龟裂纹,双裂纹发生率最低,仅为2%~5%;裂纹主要产生于冠部,并向背部、侧面和腹部扩展。(2)内部机械裂纹对玉米种子发芽率、子叶长、胚根长、胚根数影响明显,其中龟裂纹对玉米种子的发芽和幼苗发育影响最大,发芽率最高仅为48%,并且幼苗子叶及胚根发育较差。(3)种胚中存在裂纹是影响玉米种子发芽的主要因素,发芽弱和未发芽玉米种子的种胚和胚乳存在不同程度的损伤。【结论】玉米种子在脱粒过程中产生的内部机械裂纹严重影响种子发芽及幼苗的后期发育。发芽弱和未发芽玉米种子内部存在不同程度的机械裂纹。     

玉米种子活力影响因素及检测方法的应用

玉米种子活力对玉米产量影响很大,文章从玉米种子活力的影响因素和种子活力检测方法两个方面进行综述,旨在对玉米种子活力有进一步的了解.     

胚乳裂纹对玉米种子萌发过程中贮藏物质效率的影响

以玉米杂交种种子为试验材料,研究了胚乳无裂纹、胚乳单裂纹、胚乳双裂纹和胚乳龟裂纹种子贮藏物质转运、物质效率和物质消耗率。结果表明,随着胚乳裂纹数的增加其幼苗干质量呈降低的变化趋势。种子胚乳无裂纹的幼苗干质量最高,种子胚乳龟裂纹的幼苗干质量最低。胚乳裂纹造成贮藏物质转运率和物质效率降低,而物质消耗率却提高。在其萌发7 d时,胚乳无裂纹的贮藏物质转运率和物质效率显著高于龟裂纹的转运率和物质效率,而胚乳无裂纹的贮藏物质消耗率显著低于龟裂纹的消耗率。说明胚乳裂纹不利于幼苗利用种子贮藏营养物质,在种子生产中应该减少胚乳裂纹产生。     

基于改进PCNN的昆虫羽翅图像修复

昆虫羽翅是一种结构比较复杂的纹理图像,目前的研究算法都是沿等照度线方向扩散信息,因而在修复线性结构的图像时效果较好,但在修复具有复杂结构的图像时效果不理想。提出了一种新的可以同时修复复杂结构和纹理细节的修复方法。结果表明,该方法对于昆虫羽翅的修复是有效的。     

基于声学响应和BP神经网络检测鸡蛋裂纹

为了提高鸡蛋裂纹检测的准确性,建立了声学敲击检测鸡蛋裂纹的装置,采集和分析鸡蛋被敲击后的声音信号。提取了4个特征频率、偏斜度平均值和峰度平均值共6个特征参数,并作为神经网络的输入量,创建了基于MATLAB的结构为6-15-2的3层BP神经网络模型判别鸡蛋裂纹。检测结果显示:对蛋壳受各种程度破坏后的鸡蛋判别精度可达92%以上,对蛋壳完整的鸡蛋判别精度达到96%,对鸡蛋总体的判别精度可达94%。     

利用玉米葡萄糖苷酶快速检测玉米种子纯度新方法

以单粒玉米杂交种子发芽4￣5d的幼苗为试材,提取葡萄糖苷酶进行电泳检测,根据亲本玉米葡萄糖苷酶1(Glul)等位基因的突变类型,准确、快捷地检测玉米杂交种子纯度。     

高光谱图像技术检测玉米种子真伪的研究进展

玉米种子真伪的检测是玉米种子在品种选育、种子检验、农业生产中的重要环节。随着图像技术和光谱信息的快速发展、高光谱成像系统硬件成本的降低以及性能的大大提升,高光谱图像技术在玉米种子真伪检测方面获得了更广泛的应用。为了能及时利用国内外的最新研究成果,从高光谱图像技术在玉米种子真伪检测方面综述了玉米种子及其他作物种子类型真伪检测的研究进展,并对其未来的发展方向进行了讨论和展望。     

基于区域分割匹配的图像识别方法研究

提出了一种基于区域分割匹配的图像识别(RegionRec)方法,能从复杂的图像中识别对象。该方法通过简化的脉冲耦合神经网络(SimPCNN)对识别对象的模型图像和测试图像进行彩色图像分割,然后在它们之间进行基于区域的匹配。为了减少光强度影响,引入了一种基于归一化RGB的颜色空间变换。该方法使用一系列自适应阈值,以去除离群点。实验结果表明:RegionRec方法具有可接受的识别结果,而且与现有的方法相比,基于区域分割匹配的图像识别RegionRec具有较高的识别准确率。     

杂交玉米种子机械制冷及生石灰除湿夏季贮藏效果研究

采用低温库机械制冷、生石灰除湿方法进行玉米种子夏季贮藏效果研究。结果表明,该技术能较好地保持杂交玉米种子批的利用价值,贮藏后发芽合格率为100%;但要掌握正确的贮藏技术,注意相应的关键问题,以防降低贮藏效果或造成毒害作用。     

基于MF-SSD卷积神经网络的玉米穗丝目标检测方法

目的 玉米穗丝是玉米的授粉器官,生长发育状况会影响玉米的产量。为了在玉米生长状态监测和产量预测工作中实时准确识别玉米穗丝,提出一种基于多特征融合SSD (MF-SSD)卷积神经网络的玉米穗丝检测模型。方法 基于特征图对玉米穗丝进行检测,在VGG16-SSD的基础上,用MobileNet替换特征提取器,加入多层特征融合结构,得到MF-SSD网络模型;通过网络优化调整,试验了MF-SSD-cut-3、MF-SSD和MF-SSD-add-3共3种网络结构,优选出检测性能最好的网络结构用于玉米穗丝检测。基于玉米穗丝图像数据集,应用0~180°随机旋转原始图像和水平翻转、平移原始图像2种数据增广技术提升模型训练效果。对是否使用二次训练策略和是否使用Focal loss解决样本不平衡问题进行了试验,并对比分析Loss的下降过程。结果 通过加入多层特征融合结构对SSD模型改进后能够提高网络的检测能力,提升识别速度。与VGG16-SSD相比,MF-SSD在交并比指标方面的平均精度提高7.2%,对玉米穗丝小目标检测的平均召回率提高19.6%,检测速度最高能提升18.7%。在存储空间和运行时间有较高要求的嵌入式环境下,MF-SSD-cut-3模型在满足检测效果的前提下,以较小的空间代价获得了相对较短的运行时间;在不考虑空间和时间因素的情况下,MF-SSD模型获得更好的检测效果。二次训练策略提高了网络的收敛速度和模型的稳定性;Focal loss有效解决了SSD算法中正负样本数量不平衡问题,使网络模型的训练更容易收敛。结论 MF-SSD模型对小目标的检测能力能满足农业生产中对玉米穗丝的实时检测需要,可以用于玉米生长状态的自动监控和产量的精准预测。     

基于声波信号递归图的鸡蛋裂纹检测

针对基于声波信号的鸡蛋裂纹检测过程中易受到噪音干扰的问题,采集运输线上敲击鸡蛋产生的声波信号,对信号进行递归图分析,采用递归定量分析提取递归图的量化特征参数,用于鸡蛋壳裂纹的分类检测。分别构建基于支持向量机(support vector machine,SVM)、反向传播神经网络模型的鸡蛋裂纹分类检测模型,对300枚鸡蛋进行检测。结果表明,SVM检测模型效果较好;在SVM模型中,完好蛋和裂纹蛋的识别率分别达93.98%和95.52%,效果理想。     

基于公理化设计的玉米收获机车架设计方法

玉米收获机车架是发动机、驾驶室、割台、剥皮机、粮仓等工作部件的安装载体,其不仅承受来自路面的不平激励,而且承受玉米收获机各工作部件工作时产生的冲击和振动。目前国内外针对车架的设计主要依靠设计经验或参考现有机型,设计方法多是经验性知识或概括性语言。基于公理化设计理论,对玉米收获机进行了功能需求分析,提取出了车架主要结构设计参数,完成了车架总体设计。其次,建立了整机总体布置模型、车架弯曲工况和扭转工况力学模型,确定了车架长L₁、宽L₂、轴距x以及横、纵梁截面（b,h,t）等车架结构参数的设计方法。最后,基于上述玉米收获机车架的设计方法,进行实例设计,并与现有车架结构参数进行对比,验证了该方法的可行性。将经验性、概括性车架设计知识运用数学语言进行了描述,形成了一套完整的玉米收获机车架设计流程,为车架设计提供理论依据和方法支撑。     

基于离散元法玉米秸秆双层粘结模型力学特性研究

针对玉米秸秆外表皮与内穰力学特性存在显著差异问题,建立离散元玉米秸秆双层粘结双峰分布模型,通过力学试验与虚拟仿真试验对比,标定玉米秸秆外表皮和内穰力学参数,校正离散元模型,探究玉米秸秆力学特性.结果表明,采用离散元Hertz-Mindlin with bonding颗粒接触方法可建立玉米秸秆双层粘结双峰分布模型.完善DEM方法建立玉米秸秆颗粒粒度随机分布的双层粘结模型方法.通过力学试验得出青贮玉米秸秆外表皮弹性模量和剪切模量分别为982.52和387.58 MPa,青贮玉米秸秆内穰弹性模量和剪切模量分别为28.64和8.13 MPa,外表皮木质部与内穰纤维部力学特性差异显著.计算得出外表皮-外表皮、外表皮-内穰、内穰-内穰之间粘结参数.通过单轴压缩试验,剪切与虚拟仿真试验对比验证离散元模型可靠性.文章所建立玉米秸秆双层粘结双峰分布离散元模型表征两者力学特性差异,为青贮玉米饲料数值化研究提供理论依据.     

sul型甜玉米种子乳熟后百粒重和活力变化的研究

试验以 3个早熟 sul型甜玉米自交系为材料分析了乳熟后甜玉米种子百粒重、发芽率和活力的变化。结果表明 ,从抽丝后 30 d起发芽率已较高。百粒重和活力指数随成熟度增加逐渐增大 ,5 0 d百粒重最大 ,达到种子形态成熟 ;4 5 d活力指数最大 ,达到种子生理成熟。最佳采种期应以抽丝后 5 0 d为宜     

基于Adaboosting_SVM算法的多特征蛋壳裂纹识别

以无裂纹蛋和裂纹蛋为测试对象,采用机器视觉技术和支持向量机等技术手段,分析无裂纹蛋和裂纹蛋在图像上的差异,提取特征参数,实现蛋壳裂纹的自动识别;针对蛋壳表面的亮斑,对预处理后的图像运行消除亮斑算法并进行区域标记。在此基础上,从5个不同视角提取13个能够表征无裂纹蛋和裂纹蛋的特征参数,分别是图像标记区域参数(区域标记数和标记点数)、几何特征参数(长轴和短轴)、基于Freeman链码的形状参数(形状数)、纹理特征参数(均值、标准偏差、平滑度、三阶矩、一致性、熵)和频谱特性参数(最大幅值和最大相位)。采用Adaboosting算子对上述特征参数进行优化,突出影响因子较大的参数组合,作为SVM的输入向量,建立蛋壳裂纹的识别模型。结果表明:该方法对蛋壳表面的亮斑、微小裂纹及普通裂纹均具有识别能力,模型正确率达97.5%,符合蛋品企业对蛋壳裂纹检测的精度要求。     

玉米和豆粕的蛋鸡净能值测定

【目的】测定玉米、豆粕的蛋鸡净能值,为蛋鸡饲料原料净能值的客观评定提供参考。【方法】采用交叉试验设计,将96只65周龄的健康来航蛋鸡,按照平均体质量相近的原则分为2个处理,通过消化代谢和呼吸测热试验,用差量法计算玉米、豆粕的蛋鸡净能值。【结果】玉米和豆粕的蛋鸡表观代谢能值分别为(14.70±0.45)和(10.61±0.52)MJ/kg;饲喂玉米-豆粕日粮和单一玉米日粮的蛋鸡,其代谢体质量产热量分别为(485.21±33.31)和(483.03±34.06)kJ/(kg.d);平均体质量为1.44kg的蛋鸡,代谢体质量绝食代谢产热为(390.29±4.58)kJ/(kg.d)。【结论】玉米和豆粕的蛋鸡净能值分别为(11.97±0.36)和(8.15±0.32)MJ/kg,玉米和豆粕代谢能转化为净能的效率分别为81%和77%。