基于MatLab和DSP的哈密瓜纹理分割与分类

以新疆特色水果哈密瓜为研究对象,提出一种利用Matlab辅助DSP提取哈密瓜纹理的方法。该方法首先利用Matlab把待处理的图像转换为数据文件(dat文件),然后利用DSP强大的运算能力分割哈密瓜表面纹理特征,并将分割结果同样以dat文件传递给Mat Lab,最后利用Mat Lab强大的数据分析与图像显示能力建立哈密瓜分类模型。实验结果表明,该方法能够有效地对哈密瓜表面纹理进行分割与分类,分类准确率为88.10%。该方法不但能够缩短DSP系统的开发周期,且能够为今后开发基于DSP的哈密瓜品质实时检测系统奠定基础。     

水果检测装置夹持臂的有限元分析

夹持翻转机构是大型水果无损检测装置的关键部件,主要功能是夹持哈密瓜后翻转,对其瓜体全表面进行图像采集,为无损检测分析提供数据。图像采集对机构的稳定性要求较高,其强度和稳定性直接影响检测效果。为此,运用Pro/E建立了检测装置的三维模型,并用有限元分析软件ANSYS对夹持翻转机构进行了不同工况下的静态分析及模态分析,得到夹持臂在工作时的应力应变云图及模态频率。分析表明,影响夹持机构振动特性的模态频率主要集中在8Hz左右,为其机构设计与优化提供了理论依据。     

新陈代谢GM(1,1)模型在兵团农机总动力预测中的应用

借助灰色系统理论,利用兵团农机总动力的历史数据,建立并对比分析了GM(1,1)模型和新陈代谢GM(1,1),对兵团农业机械总动力进行预测,为以后兵团农业机械化的发展提供一定的参考。     

基于深度学习与图像处理的哈密瓜表面缺陷检测

针对传统人工检测哈密瓜表面缺陷效率低等问题,提出利用卷积神经网络(Convolutional Neural Networks, CNN)对哈密瓜表面缺陷进行快速检测。对原始图像进行主成分分析(Principal Components Analysis,PCA)、奇异值分解(Singular Value Decomposition, SVD)和二值化等预处理操作,通过数据扩充得到正常、霉菌、晒伤和裂纹的哈密瓜图像各2 500幅。构建一种改进的类似VGG卷积神经网络模型,将预处理后的图像输入模型,并使用随机梯度下降(StochasticGradient Descent,SGD)优化器进行算法优化,为探究CNN模型的特征提取原理,将改进的类似VGG模型每层卷积的特征进行可视化,最后利用开发的哈密瓜表面缺陷检测软件对模型进行试验验证。研究结果表明:图像预处理算法提高了模型的鲁棒性和泛化能力,改进的类似VGG模型优于Alex Net和VGG-16模型,其训练集和测试集准确率分别为100.00%和97.14%;对比预处理前后4类哈密瓜卷积特征可视化结果表明,随着卷积层层数的增加,哈密瓜表面缺陷特征越来越明显,图像预处理后卷积层特征提取效果优于原始图像提取效果。软件测试结果表明:静态下哈密瓜缺陷检测速率达到0.7 s/幅,识别准确率达到93.50%。研究结果可为哈密瓜表面缺陷在线检测技术提供理论依据和技术参考。     

基于 RFID 农畜产品质量安全溯源系统研究进展

随着人们经济生活水平的提高和农畜产品在流通过程中潜在安全问题的不断发现,消费者对农畜产品的安全问题越发关注,实施农畜产品质量安全溯源系统的重要性日益凸现,基于 RFID 技术的质量安全溯源系统得到了广泛的应用。为此,介绍了农畜产品质量安全溯源系统的内涵和国内外质量安全溯源系统的发展现状,重点分析了基于RFID的农畜产品质量安全溯源系统的应用以及存在的问题,并对其发展前景进行了阐述。     

农机产品设计中的人机工程理论探讨

随着科学技术和经济的发展，农机用户不仅对农业机械的工作效率、结构性能提出要求，还对其安全性、舒适性有了更高要求，因此深入研究影响机具有效率、安全性和舒适性的各种因素就显得非常必要。为此，从人机工程学角度探讨了如何设计合理、和谐的人－机－作业环境系统，使农机操作人员能够高效、安全、健康和舒适地工作。     

柴油机无载测功法的试验研究

以4125A4柴油机为试验对象，运用多项式回归的方法，寻求柴油机功率与耗油量（最高空转速及额客转速）之间的内在定量关系。所建立的模型具有较高的准确性，相对误差可以控制在3%以内。无载测功方法简便、有效，对柴油机的田间测试具有较强的实用性。     

基于MATLAB GUI的棉株顶尖特征提取系统设计

应用MATLAB软件的图形用户界面(graphical user interface,GUI)工具讨论了高级文件I/O相关函数的具体应用,设计出简明、美观的人机交互式界面,实现了棉株顶部图像读取、顶尖特征提取、显示、保存等功能,通过调用mcc编程器进行编译,将设计好的程序转化为独立的".exe"文件。本研究为基于机器视觉技术的棉株顶尖识别研究奠定了基础。     

基于RFID的棉种仓库信息采集系统的研究

针对棉种仓库传统管理方式信息采集效率低、管理繁琐等问题,提出了一种基于射频识别(radio frequency identification,RFID)技术的棉种仓库信息采集系统,保证了货物信息管理高效性和准确性,确保企业及时准确地掌握库存的真实数据,合理保持和控制企业库存。借助RFID技术和信息采集技术对仓库的管理,不仅能够高效率完成仓库的各种操作,而且也是企业核心竞争力的所在。     

基于帧间路径搜索和E-CNN的红枣定位与缺陷检测

针对红枣自动分级视频图像中红枣定位、缺陷检测难问题,提出一种基于帧间最短路径搜索的目标定位方法和集成卷积神经网络模型(Ensemble-convolution neural network,E-CNN)。通过建立图像坐标系及图像预处理,获得图像中单个红枣目标的位置坐标,并将其映射至空间坐标系中,结合帧间最短路径判定规则,实现目标位置坐标随视频时间序列更新、传递,并且运用此方法快速、有效地构建数据集。基于"Bagging"集成学习方式,采用E-CNN通过训练集构建基础卷积神经网络树模型,再根据每棵基础树模型输出结果,通过"投票"方式得出模型最终结果。试验结果表明,利用帧间最短路径搜索的目标定位方法,定位准确率达100%。同时,使用E-CNN,模型的识别正确率和召回率分别达到98. 48%和98. 39%,分类精度大于颜色特征分类模型(86. 62%)、纹理特征分类模型(86. 40%)和基础卷积神经网络模型(95. 82%)。E-CNN模型具有较高的识别正确率及较强的鲁棒性,可为其他农产品分选、检测提供参考。