基于纹理和位置特征的麦田杂草识别方法

以化学防除适期麦田杂草为研究对象，对利用条播作物的位置和纹理特征识别田间杂草的方法进行了研究。根据条播作物小麦作物行的间距相对固定等位置特征，利用植物像素直方图法确定作物行的中心线和行宽，并识别行间杂草。然后，以作物行中心为基准来选取纹理块，计算量化级数为8级的H颜色空间的共生矩阵，提取5个纹理特征参数，利用K均值聚类法判别分析各块的类别来识别行内杂草。研究结果表明，杂草的正确识别率约为93％，作物的错误识别率约为7％。     

联合收割机稻麦收获边界激光在线识别系统设计与试验

针对联合收割机收获边界在线识别问题,利用激光无损探测技术,开发了联合收割机收获边界在线识别系统。首先介绍了系统组成、激光传感器选型及工作原理,将传感器输出数据极坐标转换为直角坐标,建立稻麦轮廓特征数学模型。由于收获过程会产生大量的灰尘,会对激光探测距离及信号反射产生影响。通过与作物特征阈值比较,对受灰尘影响的错误数据进行有效识别与剔除。采用移动平均数字滤波算法,消除系统测量噪声。通过信号阶跃变化模式识别算法,实现了收获边界的在线检测,准确推算出联合收割机作业割幅,并进行了田间试验研究。试验结果表明,该系统可实现在线监测,收获边界测量误差不大于12 cm,可为联合收割机智能监控系统的实际应用提供参考。     

基于固定光栅和CCD技术的近红外光谱分析系统设计

该文设计了一种基于线阵电荷耦合器件和固定光栅的近红外光谱分析系统。主要设计了电荷耦合器件的驱动电路、光谱信号采集电路、固定光栅光学系统、光源控制系统、电荷耦合器件温度控制系统及样品旋转台的控制系统。并利用MPA光谱仪验证了近红外光谱分析方法用于谷物品质检测的可行性,运用多种预处理方法进行了优化,其中采取一阶导数与附加散射校正结合的预处理效果较优。利用CA-06光栅光谱分析仪建立了小麦水分、蛋白的偏最小二乘法模型,验证了仪器性能的稳定性和准确性。     

基于脉冲耦合神经网络的蝗虫图像分割

由于脉冲耦合神经网络(PCNN)特有的脉冲传播特性,PCNN在图像处理与模式识别领域得到了广泛应用.为此,提出了如何用脉冲耦合神经网络(PCNN)进行蝗虫图像分割.计算机仿真表明,采用PCNN图像预处理算法,可使图像中的目标(蝗虫)易于被发现;经PCNN预处理后,相同的后续处理效果明显好于未经PCNN预处理的图像.此方法验证了PCNN在图像处理方面的功能,同时也拓展了蝗虫侦测的方法.     

基于简化脉冲耦合神经网络的蝗虫图像二值分割

采用参数简化的脉冲耦合神经网络（PCNN）分割图像，进行了蝗虫图像分割实验，区域正确识别率达94％，为蝗虫自动侦测系统中的数据处理提供了技术支持。计算机仿真表明，采用PCNN图像分割算法，图像中的目标（蝗虫）易于发现，分割效果明显好于采用开操作处理的图像。     

基于流域算法的谷物籽粒图像分割技术

为解决谷物外观品质检测过程中获取图像的籽粒粘连问题,提出了一种基于先验知识的流域分割算法。首先,设定合理的区域面积阈值Ath,标记并去除图像中的单个籽粒区域,结果记为M;然后,设定有效腐蚀次数Eth,对粘连籽粒区域进行流域分割,结果记为Mc;最后,取Ms与Mc的并集,作为分割结果。试验结果表明,该算法分割效果较好,分割精度达到95．4％。     

微波在线式粮食水分检测系统

微波检测是一种新的水分无损检测方法.为此,针对粮食水分检测的特点和要求,设计了基于微波的粮食水分在线式检测系统,实现了对粮食水分含量的实时和连续检测;重点介绍了微波水分检测原理、系统组成结构、数据采集及结果分析.     

电子鼻技术及其在小麦霉变检测中的应用

研制了一套能够快速对小麦霉变进行识别的电子鼻检测系统,该系统通过分析小麦的气味,从而判断所测小麦是否霉变.该电子鼻检测系统由5只TGS2600系列的气敏传感器组成,通过从每个传感器的响应曲线中提取4个特征值,采用RBF神经网络进行模式识别处理.该系统能够快速准确评判小麦的霉变情况,网络正确识别率为93.3%.实验表明,该系统对小麦霉变与否的检测是可行的、有效的.     

超低空无入飞行器虚拟现实技术实现与仿真

为了远程控制超低空无人飞行器起降和监视其飞行状况,设计了基于虚拟现实技术的导航与控制方法。借助Multigen Creator软件,建立了飞行器的三维仿真模型,由DEM数据生成了地形场景,研究了三维模型的驱动方法。根据飞行器上装载的GPS接收机和其他传感检测设备实时传递的参数对虚拟环境下的飞行器模型及飞行场景进行驱动。同时给出反馈信号,控制飞行器按预定路线和姿态飞行,利用GIS技术,在数字地图上显示飞行轨迹。对飞行器的飞行轨迹和飞行姿态进行实时控制,仿真试验表明,对飞行器的远程导航控制是可行的。     

农业车辆视觉实际导航环境识别与分

分析了对路径识别影响较大的变光照环境、杂草环境和阴影环境对农业车辆导航路径的影响,提出一种实际环境中的农业车辆视觉导航研究方法,即先采用神经网络算法对农田环境进行自动分类,然后再相应的选择不同的路径识别方法进行处理.环境识别与分类试验结果证明,该方法能够提高农业车辆视觉导航系统的实用性和可靠性,导航环境的分类准确率为95%,单幅图像平均耗时23 ms.