基于梯度幅度和Hough 变换的林木根系GPR 目标检测

探地雷达图像中识别林木根系的重要依据是双曲线回波特征。通过分析精确检测到的林木根系探地雷达图 像中的双曲线,提出了目标曲线检测的改进方法。该方法包括2 个方面的内容:1)基于探地雷达图像具有子波频 率信息的特殊性,提出了一种基于梯度幅度的感兴趣区域(ROI)提取方法,为了使梯度幅度图中双曲线特征更为突 出,对普通梯度法进行了微分取值方式的优化,实现了双曲线的快速提取;2)对提取出来的ROI 进行Hough 变换以 检测双曲线,通过位置信息与幅度信息综合投票提高原始Hough 变换的精确度,去除背景杂波等虚假目标,从而实 现目标双曲线的精确提取。      

河南主要常绿木质藤本资源及利用

河南地处中原,藤本资源丰富,针对河南几种主要常绿木质藤本植物,从形态特征、资源分布、园林应用到适生性,进行了系统阐述,以期为推动这些植物在园林上的应用,丰富本地绿化形式,提高森林生态效益提供帮助。     

河南槭树科植物资源及景观价值

河南省槭树科植物资源丰富,通过对本土12种野生槭树形态特征描述及景观价值的分析。为野生观赏型槭树通过引种、驯化、快繁而应用于造林绿化和城市美化方面提供依据。同时对新引进的多种彩叶型槭树景观价值及适应进行了评价。     

基于GprMaxV2.0的树木根系正演模拟

将现场实验得到的相思树根系的探测信号图与利用Gpr Max V2.0软件模拟的根系信号图对比分析,得出根的埋深、水平间距、根的直径是根目标反射信号产生差异的主要影响因素。为得到更接近实际根系生长状况的图像数据,利用Gpr Max V2.0模拟了交错根系的图谱,并对其反射信号进行了分析;探查出交错根系不同角度的模拟图像的差异及其产生原因,进一步证实了利用Gpr Max V2.0软件模拟探地雷达探测树木根系的有效性。     

作物根系原位观测识别新方法综述

根系是植物从土壤中获取养分和水分并支撑植物体的重要器官,由于根系的复杂形态及土壤的不透明属性使得对其观测困难,缺乏有效的原位根系观测方法已成为深入研究植物根系的技术瓶颈。文章从根系观测技术和根系识别算法两方面分别进行了综述。在观测技术方面,主要对微根管观测法(二维根系观测法)和计算机层析成像法(根系三维构型观测方法)及其优缺点进行了综述。在根系识别算法方面,对根系二位形态识别算法和三维构型识别算法进行了分析,指出了算法的优点和局限。最后,在对两类观测识别技术深入分析的基础上梳理出自然土壤介质下根系三维构型原位观测识别技术(计算机层析成像法)是根系定量化研究未来的发展趋势。     

依据Faster R-CNN的活体植株叶片气孔检测方法

当前植物叶片表皮气孔计数多使用人工计数,该方法耗时费力,且准确性有限,为了使气孔检测这一问题变的简单快速,需要训练出基于目标检测的深度学习模型自动检测植物气孔,提出一种依据Faster R-CNN的活体植株叶片下表皮气孔快速检测新方法。该方法以深度卷积神经网络为基础,以现有Faster R-CNN为原型,实现了对活体叶片气孔的快速检测与统计计数,并得到了气孔的密度值。分别采用两种倍率下(500 X,1000 X)共1000张气孔图像数据组成500 X、1000 X和两种倍率的混合共3类数据集进行建模,利用测试集的200张气孔数据(500 X和1000 X各100张)作为测试集进行测试。算法性能验证采用交叉验证的方法得到气孔的检测召回率,其检测召回率最高值为99.32%(1000 X模型测试同倍率数据),最低值为89.59%(500 X模型测试1000 X数据),误检率为0,检测时间约为0.08 s/张,用召回率最高的模型计算出杨树叶片下表皮气孔密度为183个/mm^2。最后还用杨树气孔图像训练的模型对白桦叶片气孔图像进行了测试,检测召回率为95.60%。     

山东给1100万生猪戴“耳环”

从全国猪肉质量安全专项整治工作山东现场会上获悉，山东省生猪戴“耳环”工作将于11月1日前完成，届时将有1100万头生猪戴“耳环”。     

预成型软管内衬玻璃钢修复管道

介绍了预成型复合材料软管内衬修复技术及在胜利油田胜利采油厂φ219×7输油管道上的实际应用。预成型复合材料软管内衬修复技术是管道内修复技术之一,该技术采用浸渍树脂的预成型复合软管,以压缩空气作动力沿管内壁使其翻入管道,经加温固化后,形成紧贴在管内壁上的具有防腐抗渗、强度高的“管中管”。     

山东鸭敲开欧盟大市场

在发达国家不断提高贸易壁垒门槛的环境下,2010年11月17日,由中澳集团按照欧盟标准生产的第一批42吨欧式去骨烤鸭正式发车运往比利时,敲开了欧盟庞大的鸭肉市场,这标志着作为全球最大鸭产区的山东鸭熟品进入了大批量出口期。     

基于神经结构搜索的多种植物叶片病害识别

为实现植物病害的自动准确识别,该研究提出一种基于神经结构搜索的植物叶片图像病害识别方法,该方法能够依据特定数据集自动学习到合适的深度神经网络结构。采用包含14种作物和26种病害共54 306张的公开PlantVillage植物病害图像作为试验数据,按照4∶1的比例随机划分,分别用于神经结构搜索和测试搜索到的最优网络结构的性能。同时,为探究神经结构搜索对数据平衡问题是否敏感及图像在缺乏颜色信息时对神经结构搜索的影响,对训练数据进行过采样和亚采样平衡处理及灰度变换。试验结果显示,该研究方法在训练样本数据不平衡和平衡时均可以搜索出合适的网络结构,模型识别准确率分别为98.96%和99.01%;当采用未进行平衡处理的灰度图像作为训练数据时,模型识别准确率有所下降,为95.40%。该方法能够实现植物病害的准确识别,为科学制定病害防治策略提供有效的技术手段。