基于近红外高光谱成像的粮虫生命体征检测研究

快速、准确地检测出粮虫的生命体征是粮虫有效综合防治的关键。用液氮低温猝死法杀死粮虫谷蠹,利用构建的近红外高光谱成像系统采集谷蠹的高光谱图像。随着粮虫死亡时间的延长,粮虫相对光谱反射率逐渐增大。提出了基于最大离差法的最优特征波长提取方法,提取出可区分活虫和死虫的最优波长为1 417.2nm。应用区域生长法分割粮虫的图像,并由固定阈值法进行粮虫的自动判别。自粮虫死亡后的第2.5天开始,活虫的识别率达到100%。粮虫图像平均灰度值和其体内的ATP合成酶活性、蛋白质含量之间具有很强的负指数相关关系,与水分含量之间具有很强的负线性相关关系。由此表明,利用近红外高光谱成像系统鉴别粮虫的生命体征是可行的。     

变电设备发热故障的原因及对策

1设备发热的原因 在我局工作实践中所发现的设备热缺陷中,隔离开关和导线线夹的热缺陷是最常见的.     

红鳍东方鲀(Takifugu rubripes)生长性状的遗传参数估计

通过人工受精的方法获得红鳍东方鲀8个半同胞家系(16个全同胞家系),共测量了790尾红鳍东方鲀8个半同胞家系(16个全同胞家系)135日龄和200日龄的体质量和体长。将135日龄生长性状作为协变量构建3个动物模型,模型(1)包含加性遗传效应、母本遗传效应和全同胞效应;模型(2)包含加性遗传效应和母本遗传效应;模型(3)包含加性遗传效应和全同胞效应。利用DMU软件,采用平均信息约束极大似然法估计各模型中性状的方差组分,用似然比检验法进行不同模型的差异检验。选择最优模型估计红鳍东方鲀200日龄生长性状的遗传参数。结果表明,母本遗传效应对200日龄红鳍东方鲀生长性状无显著影响,确定模型(3)为最优模型。200日龄红鳍东方鲀,体质量和体长的遗传力分别为0.16和0.14,全同胞效应比率分别为0.12和0.13。研究表明,红鳍东方鲀生长性状具备一定的选择潜力,应用家系选育方法能够获得较好的遗传进展。     

基于机器视觉的大田害虫检测系统

设计了大田害虫实时检测系统,诱集传输机构可自动诱集并调整害虫姿态,使其平稳经过摄像视区;光照及采集系统可提供均匀的无影光照,并实时采集害虫的序列图像信息;运用修正的自适应邻域平均法增强图像,用自动阈值法将害虫从背景中分割出来,以提取出的周长、不变矩等为特征,运用神经网络分类器对常见的9种害虫进行分类。试验验证了该系统的可行性。     

田间害虫图像识别中的特征提取与分类器设计研究

特征提取和分类器的设计是田间害虫图像识别中的关键环节。针对害虫目标的二值化图像提取出面积、周长、复杂度等7个形态学特征,并进行归一化处理;建立了9种害虫的模板库及隶属度函数,并基于最小最大的原则进行模糊决策分析;对稻纵卷叶螟、棉铃虫等田间危害严重的9种害虫进行识别分类的识别率达86%以上。     

中卫市沙坡头区农田水利基本建设的思考

中卫市沙坡头区是宁夏重要的优质、高产、高效农业生产基地。近年来,为了进一步提高农业综合生产能力,稳定粮食种植面积、提高粮食产量和促进蔬菜瓜果基地快速、健康、高效发展,全区因地制宜积极开展农田水利基本建设。但随着全市经济发展和市场经济体制的不断完善,需要进一步理清今后农田水利基本建设的总体思路及实施措施。基于沙坡头区的区情,当前及今后一个时期,     

基于ABC-SVM的内部含虫麦粒多光谱图像特征选择研究

为探讨利用人工蜂群算法(ABC)对内部含虫麦粒进行特征选择的可行性,基于该算法,以交叉验证训练模型的识别率作为特征子集的性能评价准则,对内部含虫麦粒的特征进行分析。结果表明,该算法从内部含虫麦粒的32维直方图特征和纹理特征中自动选择出6个特征的最优特征子空间,采用参数优化之后的SVM分类器对80个麦粒样本进行分类,识别率达到92%以上,说明应用人工蜂群算法对内部含虫麦粒进行特征选择是可行的。     

核函数主成分分析在粮虫特征提取中的应用

针对储粮害虫种类多、类别之间区分度比较小的特点,提出基于核函数主成分分析(KPCA)的粮虫特征提取方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核函数主成分分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从类间可分性指数和粮虫分类效果2个方面,将KPCA法...     

基于机器视觉的储粮害虫智能检测系统硬件设计

介绍了基于机器视觉的储粮害虫智能检测系统的硬件组成，该系统主要取样传送机构，均匀光照室和视觉系统3部分组成，取样传送机构可吸取任意检测点的粮食样本，并自动单层呈现给视觉检测系统，光照室可为CCD摄像机的视区提供均匀，恒定的无影光照；视觉系统可实时采集粮食样本的序列图像信息，并由计算机进行处理与识别，现场试验验证了该系统的可行性。     

基于FA-SVM技术的烟草早期病害识别

为准确检测和识别烟草病害,为制定合理的病害防治措施提供科学依据,提出基于萤火虫算法优化支持向量机(FA-SVM)技术的烟草早期病害识别方法。以烟草常见的蛙眼病与赤星病为研究对象,利用可见光拍摄带有2种病害的烟草植物叶片,获取图像样本。利用形态学方法和图像分割技术得到病斑图像。提取病斑的颜色、纹理及形态学等共计32个特征,构建原始特征空间。利用蚁群算法(Ant colony optimization,ACO)对特征空间进行优化,依据适应度值选取最优特征组合,当适应度值达到最高为95.68时,有13个特征被选择。运用萤火虫算法(Firefly algorithm,FA)优化支持向量机(Support vector machine,SVM)的惩罚因子(c)与径向基核函数参数(g),提高分类器性能。当c=94.12、g=2.43时,对不同发育时期的2种病害的识别率达到96%。结果表明,利用FA-SVM技术识别烟草蛙眼病与赤星病2种常见病害是可行的。