基于数学形态学的镰刀菌显微图像边缘检测

用计算机进行图像分割是图像识别和图像分析的基础.为此,根据镰刀菌显微图像的独特特性,在分析综合传统的图像增强和图像分割算法的基础上,将直方图变换与数学形态学相结合,提出了基于形态学的镰刀菌显微图像边缘检测方法,并通过实验证明,该方法能够有效抑制显微图像的噪声、提高检测精度和保护边缘细节.     

沼液抑制三七镰刀菌的影响因素研究

沼气发酵残留物应用于种植业,能防治作物病虫害、提高作物抗逆性、改善农产品品质。有关沼液抑制或杀灭植物病原菌的机理一直是人们关注的重点。以三七镰刀菌为供试菌株,改变沼液的原料来源、pH值、温度和微生物状态,测定沼液对病菌的抑制效果,结果表明不同原料来源的沼液对病菌有相同的抑制趋势,pH值在上限值为9.0,下限值为5.0的时候仍然有显著的抑制效果,沼液随温度的升高抑制效果减弱[1~4]。     

几种罹病植物镰刀菌的分离鉴定

就山西省几种植物萎蔫病株进行了镰刀菌的初步分离与鉴定,分别采集了不同地区的5种作物萎蔫病植株,共分离到12株镰孢霉菌株,经形态学鉴定分别为尖孢镰刀菌（F.oxysporum）、半裸镰刀菌（F.semitectumBrek.）、异孢镰刀菌（F.heterosporum）、潮湿镰刀菌（F.udum）和尖孢镰菌芬芳变种（F.oxysporumvar）。     

基于改进支持向量机算法的农业害虫图像识别研究

为提高农业害虫图像识别效果,采用改进支持向量机算法.首先通过交叉验证优化惩罚因子,Manhattan距离确定核函数选择;然后建立农业害虫图像的特征模型,包括颜色特征、纹理特征、形状特征;接着对害虫图像多特征融合识别,各种害虫的颜色特征、纹理特征、形状特征所分配的权值通过Fisher计算,避免害虫识别误判的发生.试验仿真...     

萃取浓缩沼液对尖孢镰刀菌和腐皮镰孢菌抑制效果的影响研究

为了研究不同有机溶剂萃取浓缩沼液对尖孢镰刀菌(Fusariumoxysporum)和腐皮镰孢菌(Fusariumsolani)抑制效果的影响,该实验采用6种常见的有机溶剂(乙酸乙酯、苯、乙醚、甲苯、环己烷、石油醚)对已经去除80%水分的沼液浓缩液进行萃取后再浓缩,将最终的萃取浓缩物进行抑菌试验。结果显示:6种有机溶剂萃取得到的萃取浓缩物都对尖孢镰刀菌和腐皮镰孢菌有抑制作用,且萃取浓缩物的抑制效果强于浓缩液、原沼液和萃取后剩余浓缩液的抑制效果。该实验可为沼液防治三七根腐病的利用奠定基础和依据。     

稀酸水解抑制物对尖孢镰刀菌生长与乙醇发酵的影响

采用摇瓶发酵法,研究了尖孢镰刀菌乙醇发酵对甲酸、乙酸、糠醛、香草醛、邻苯二酚等水解抑制物的耐受能力,结果显示:尖孢镰刀菌乙醇发酵时对各种抑制物的敏感程度顺序为甲酸、乙酸、香草醛、邻苯二酚、糠醛,乙酸在pH值为6.5,而甲酸则在pH值为7.5的培养基中,酸质量浓度均为0.6 g/L,乙醇产量与对照组产量相当。低质量浓度的甲酸和乙酸促进菌体的生长,高质量浓度时则抑制菌体生长,香草醛、邻苯二酚、糠醛对菌体的生长抑制作用强于甲酸和乙酸。尖孢镰刀菌对于单一抑制物的耐受能力强于混合抑制物,当培养液中甲酸、乙酸、香草醛、邻苯二酚质量浓度均为0.05 g/L,乙醇产量为对照组的78%。     

基于HSV与形状特征融合的花椒图像识别

光照条件变化会对花椒目标识别率产生影响,关系到机器视觉技术能否有效应用于生产现场的花椒采摘。通过对HSV特性图像识别技术的分析,提出HSV和形状特征融合的花椒识别算法。该算法采用同态滤波方法对光照进行补偿,解决因为光照不均匀而导致的花椒识别率低的问题,最后利用花椒圆度特征,排除树枝及树叶等的干扰,实现花椒的准确识别。利用同态滤波方法对光照进行补偿,对于光照不强或者发生遮挡的花椒图像有较大改善,通过试验得出其平均识别率达到94.0%,比单独采用HSV特性识别时,在顺光,背光和遮阴条件下,识别率分别提高4%,13%和21%,此外在遮阴条件下运行时间缩短14.6%。为遮阴条件下提高花椒识别率提供一种方法。     

树木图像拼接系统特征点匹配

运用模板提取和搜索匹配特征点的方法进行了树木图像拼接研究,通过树木图像的颜色分割、灰度化、梯度化获取模板,以相似性测度寻找匹配特征点,结合模板半径与拼接成功率和拼接时间的关系,最终达到拼接成功率94.9%、一次拼接时间174 ms的综合水平,为农药精确对靶喷雾技术中扩大采集树木图像视野实时树木图像拼接提供了方法.     

树木图像拼接系统特征点匹配

运用模板提取和搜索匹配特征点的方法进行了树木图像拼接研究,通过树木图像的颜色分割、灰度化、梯度化获取模板,以相似性测度寻找匹配特征点,结合模板半径与拼接成功率和拼接时间的关系,最终达到拼接成功率94.9%、一次拼接时间174ms的综合水平,为农药精确对靶喷雾技术中扩大采集树木图像视野实时树木图像拼接提供了方法。     

树干直径自动识别与测量技术研究

在森林资源调查中为实现树干直径快速、精确测量,使用电子元件进行了树干影像自动识别与测量。通过摄像头和CMOS传感器获得图像,经灰度转换后,使用窗口大小为5行5列的高斯滤波器,利用Canny边缘检测算法提取边缘,包括平滑、非极大值剔除、双阈值的边缘连接等,在提取的边缘图像基础上,设计了树木直径自动提取算法。以4列的窗口为模板,自上而下,对经过Canny算法后的图像进行竖直线段的提取。在提取所有竖线后,将最大宽度的2条竖线当作树干轮廓线,通过焦距、物距、像距与像素宽度之间的关系计算出树干直径。最后选择了不同树种共计16棵树木进行了验证,实验结果表明树干直径识别的精度为96.9%,绝大部分测量数据符合森林资源调查要求。     

自动对靶精准施药机研究——基于图像边缘检测和目标识别

为了提高施药作业的效率和实际着药量,降低喷药成本和给环境造成的负担,提出了准确精量的对靶施药系统的设计理念,并给出了施药平台的原理和结构构成,最后对施药平台的图像处理系统进行了重点设计。为了验证方案的可行性,以传统的施药机械为搭载平台,将PC图像处理器嵌入到了精准对靶控制系统中,选择地势平坦的果园为实验场地,对施药平台进行了实验研究。实验结果表明:基于图像边缘检测和目标识别的自动对靶施药平台即使在光线不好的条件下,仍可以准确地得到果树果实和枝叶的位置信息,施药平台的实际着药量要比传统施药平台更高,而成本却更低,从而验证了方案的可行性。     

基于图像处理的杂草叶片识别参数研究

杂草种类繁多、危害严重,对杂草种类进行精确识别,可以提高除草效率,减少除草剂使用量,降低其对环境的污染.为此,应用图像处理的有关技术,以杂草叶片为研究对象,以形态、纹理和颜色特征相结合的方法来描述杂草叶片信息,提出了共16个特征参数可对杂草叶片信息进行精确描述,该特征参数可区别不同种类的杂草,为农药的精确投放和现代施药装备的开发奠定基础.     

基于机器视觉的杂草实时采集与处理算法的研究

随着计算机技术的不断进步,机器视觉技术在包括农业工程的各个领域的应用与研究中得到了广泛的发展,机器视觉在杂草实时采集与识别的技术研究中已成为科学工作者们的主要研究方向。为此,研究了杂草图像的实时采集、处理算法以及软件系统的开发,并利用现有的实验平台作为模拟试验系统。     

基于RFID和图像处理的目标物识别处理系统的研究

介绍了RFID技术和图像处理技术,研究了基于图像处理和卷积神经网络的水果识别与分类模型,设计了一套水果目标物识别处理系统,可以实现对苹果、梨子、水蜜桃和香蕉等4种水果的识别与分类。实验结果表明:卷积神经网络模型采用自主学习型的网络,识别错误率只有0.93%,相比其他传统模型分类错误率降低较多,证明了卷积神经网络模型性能优良,具有较好的可行性。     

基于图像识别的无人机导航系统设计

无人机提高了农业生产效率,但作业性能受各方面因素的影响,而导航能力是重点关注的内容.图像识别技术通过分析图像中的大量信息来辨识目标,可以提高无人机的自动导航能力.固定翼无人机在飞行速度和高度上具有优势,进行农业信息监测和保险勘察时效率更高,但精准导航的难度较大.为此,设计了一个基于图像识别的无人机导航系统,以固定翼的航...     

模糊识别技术在大田害虫检测系统中的应用

介绍了基于模糊识别技术的大田害虫实时检测系统。该系统运用修正的自适应邻域平均法增强大田害虫图像的质量，用数学形态学开、闭运算将害虫从背景中分割出来，并利用去除杂点法对分割后的二值图像进行滤波。从其十多个形态学特征中选取出7个有效特征，采用了模糊识别算法进行了分类。识别正确率达到了97．7％。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

基于图像处理的工业生产手机屏幕裂纹检测

针对工业生产手机屏幕中的裂纹缺陷问题,提出了一种基于图像处理的手机裂纹缺陷检测方法,通过工业CCD相机采集图像,获得手机屏幕缺陷图像,运用图像预处理,边缘增强,图像分割的图像算法得到二值图像,对裂纹缺陷进行特征分析.最后去除瑕疵干扰,并与标准模板匹配,得到缺陷,并由缺陷特征分析得出裂纹缺陷.实验结果表明,这种检测方法速...