实时识别行间杂草的机器视觉系统

在实验室环境条件下,开发和测试了识别行间杂草的机器视觉系统。硬件系统主要由速度可控的土壤箱设备、三台实时采集图像的摄像机和计算机组成;软件系统根据植物和背景的颜色特征二值化图像,再根据田间作物的位置特征识别作物和行间杂草。实验表明,采集并处理一幅大小为710×512像素的彩色图像的平均时间为426 ms,系统的正确识别率达到了86%。     

联合收获机称量式测产系统软件设计

运用VB 6.0编程语言设计了应用于谷物联合收获机称量式测产系统平台的测产软件。该软件能实时接收、显示和保存测产系统所采集的数据,计算得到实时收获总质量、收获面积等田间信息。软件对谷物流量数据计算处理作出谷物流量图;将GPS接收到的经纬度转换为高斯坐标,在平面直角坐标系中作出GPS轨迹图;最终将流量数据与GPS轨迹数据结合运算生成产量图。作图过程中当曲线即将到达界面边界时,曲线图会自动平移远离边界以保证实时图像的正常显示,在作图结束后可拖拽图像查看完整图形。经测试,软件在室内测产相对误差小于2%,在田间测产相对误差小于3%。     

基于机器视觉的草地蝗虫识别方法

为了准确、自动地提取蝗虫信息进行蝗灾测报,提出了一种基于机器视觉的草地蝗虫识别方法,用于超低空蝗灾预警系统所自动采集的视频中草地蝗虫头数信息的提取。该方法先根据跃起草地蝗虫的背景构成,把原始图像分为天空子图像和草地子图像;然后,采用帧间差分法检测两子图像中的运动区域;最后,运用蝗虫的形态特征因子对检测的运动区域进行再分类,识别跃起蝗虫。把自动识别的跃起蝗虫头数,带入建立的跃起蝗虫头数与和地面蝗虫头数之间的数学模型中,从而得到地面蝗虫的数量,进行地面上草地蝗虫的间接计数。试验结果表明:跃起草地蝗虫的识别率为80%～100%,由建立跃起蝗虫和地面蝗虫的之间模型计算的地面草地蝗虫的精度大于80%。因此,基于机器视觉的草地蝗虫识别方法能满足蝗虫精准测报的要求。     

分级搜索GPS载波相位定位解的遗传算法

面向精准农业领域研究开发低成本、高精度的GPS测量系统需要解决GPS载波相位整周模糊度问题，应用模糊度函数法结合浮点数遗传算法搜索定位解是有效的方法。针对遗传算法适应度函数多峰特征的搜索问题，提出分级优选遗传搜索算法。该方法可以提高整周模糊度解的搜索可靠性、稳定性和实用性。通过对大型喷灌机高精度定位、导航系统田间试验数据的验证，表明该算法可行，相对于基本的浮点数遗传算法，搜索正确解的可靠性提高近100倍，而运行时间可减少28．6％。     

拖拉机自动转向系统容错自适应滑模控制方法

为提高拖拉机自动转向系统的可靠性,该文提出了一种具有前轮转角容错检测能力的径向基函数(radial basis function,RBF)网络自适应滑模控制方法。综合考虑拖拉机姿态信息和控制输出,基于卡尔曼滤波算法推导得出拖拉机前轮转角的两个估计值,并结合角度编码器实际测量值设计了前轮转角容错检测输出算法;以容错输出算法的输出值作为状态量,提出一种利用RBF网络进行干扰补偿的前轮角度自适应滑模控制方法,并通过仿真试验验证了算法的有效性。开展了拖拉机前轮转角容错检测和自动控制试验,结果显示:基于侧向加速度的转角预估值最大误差为2.94?,均方根误差为0.81?;基于横摆角速度的转角预估值的最大误差为1.73?,均方根误差为0.12?;当人为施加故障干扰时,算法可以提供容错的转角输出;拖拉机转向控制系统可以快速跟踪期望前轮角度且超调量较小,最大控制误差为0.21?,均方根误差为0.07?。试验结果表明,容错自适应滑模控制方法提高了自动转向控制系统的可靠性和准确性,有助于解决拖拉机前轮转角测量装置故障率高的问题。     

福建农村居民消费结构比较分析

根据福建农村居民2000~2009年收入和消费支出相关数据,把农村居民消费支出分为食品、衣着、居住、家庭设备、用品及服务、医疗保健、交通和通讯、文教娱乐用品及服务、其他商品和服务等消费支出,从纵向变化上、不同设区市间、不同收入群体、城乡家庭间比较分析福建农村居民消费结构的特点。     

支持向量机-近红外光谱法用于真假奶粉的判别

将基于统计学理论的支持向量机(SVM)与近红外光谱分析技术相结合,对真假奶粉进行分类判别.以50个奶粉样品作为实验材料,通过SVM建立识别真假奶粉的模型.实验中采用高斯径向基函数(RBF)为核函数,根据SVM的不同输入量调整核参数建立最佳SVM模型,对学习机的38个样品识别率可达到100%,对预测集12个奶粉样品预测率可达到100%.实验表明,应用支持向量机-近红外光谱法建立判别真假奶粉的近红外定性分析模型,为真假奶粉的判别提供一个方便快捷的分析方法.     

近红外光谱分析中定标集样品挑选方法研究

介绍了目前常见的几种定标集样品挑选方法：含量梯度法、Duplex法和Kennard-Stone法,并提出了新的挑选方法：GN距离法.该方法以全局距离来界定定标集样品范围,以邻域距离来剔除相似样品,根据不同的全局和邻域距离组合挑选出定标集样品建模,根据计算所得最小交叉验证误差SECV来确定最合理的定标集样品.通过实例,讨论比较了上述4种方法优缺点.结果表明：GN距离法能够在保持原始样品集覆盖范围的基础上,适量剔除异常样品,GN距离法挑选出的定标集所建模型具有较低的模型复杂度、较高的相关系数和较好的模型预测能力.     

基于色度和形态特征的蝗虫信息提取技术

采用基于数字图像处理技术的蝗虫(以粤北腹露蝗为例)自动识别和计数方法,计算新型超低空蝗灾预警系统自动采集视频中的蝗虫数量.根据灰褐色蝗虫与以绿色叶片为主的栖息地之间的颜色差异,利用基于色度空间的图像分割方法从蝗虫栖息地中分割蝗虫区域,然后利用蝗虫区域面积和分散度提取单个存在的蝗虫,根据群居蝗虫个体大小基本一致的特性,由单个蝗虫的平均面积计算蝗虫数量.试验结果表明:蝗虫区域的识别计数精度大于85%.     

农资仓储脉冲超宽带室内定位系统设计与试验及误差分析

针对仓储环境下农资物品与自动导引运输车(automated guided vehicle,AGV)的定位精度低的问题,开发了适用于农资仓储环境下的脉冲超宽带技术(impulse radio-ultra wide band,IR-UWB)室内定位系统。采用双面双程测距(symmetric double sided-two way ranging,SDS-TWR)方法,建立了考虑时钟频偏等因素的到达时间(time of arrival,TOA)定位系统模型。研究表明定位系统计算所带来的误差主要来源于距离测算方法和节点位置计算方法 2方面,在这2方面提出了相应的解决办法,包括测距算法的选择,基站的布置等。最后,以DW1000射频芯片为硬件基础,设计了定位系统移动站和基站节点,并在农资仓库的环境中分别进行了静态测距试验、静态定位试验、以及动态定位试验。试验表明:静态测距精度优于50 mm,静态定位精度优于50 mm,动态定位试验精度优于85 mm。综合结果表明,该文搭建的系统可满足农资物品定位的实际应用要求,可为室内农资仓储环境下AGV的定位和导航提供参考。