基于支持向量机的重叠大豆颗粒计数

为了提高大豆千粒重的测定效率和精度,提出一种基于机器视觉的有效分割多层重叠颗粒和记数方法.将由摄像机采集的大豆颗粒图像经预处理后,提取所有的颗粒块区域;寻找颗粒块区域的拓扑形状特征欧拉数和形状特征向量:颗粒块轮廓边缘上凹点、颗粒块类圆近似核心;采用支持向量机分类法智能识别颗粒叠加类型,将其分为串重叠、多个并粘连和两层并重叠,最后实现自动分割.结果表明:该方法能有效解决两层重叠或深度粘连类圆大豆颗粒的准确计数.     

车辆ABS控制算法的理论分析与试验研究

采用车辆动力学分析的方法，分析了逻辑门限值和滑移率ABS控制算法的不足，并提出了基于路面附着系数的ABS控制算法。设计和开发了适应于BJ2020车型的单轮防抱制动系统的硬件和软件，并在转鼓试验台架上进行了一系列试验。通过仿真计算和试验研究，证实了该控制算法的有效性，为防抱制动系统的研究提供了切实可行的途径。     

养鸡场死鸡探测系统研究初报

目前,规模养鸡场中大部分生产已能实现自动化,如鸡蛋的收集、饲料、清水的供应以及环境监控等。但还存在一项主要的人工劳动密集型工作。那就是死鸡的及时探测和清除。死鸡的人工检测是一项琐碎而细致的工作,所以开发死鸡的自动探测系统具有十分重要的现实意义。     

一种改进的小波模极大值杂草图像边缘检测算法

提出了一种改进的、基于小波多尺度和多分辨率特征的数字图像边缘检测算法,分别利用不同尺度的、小波变换后的、水平方向和垂直方向的高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像.通过该算法对杂草图像仿真实验和经典的两种算子对比,证明该算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,能有效地解决传统边缘检测方法中存在的精确及强去噪能力之间的矛盾.     

基于图像处理和蚁群优化的形状特征选择与杂草识别

利用叶片形状特征区分杂草和作物是杂草识别的一个重要方法。为了提高杂草识别的精度和效率,通过形态学运算和基于距离变换的阈值分割方法分离交叠叶片,从单个叶片中提取包括几何特征和矩特征的17个形状特征,用蚁群优化（ACO）算法和支持向量机（SVM）分类器进行特征选择和分类识别,选取有利于分类的较优特征并实现特征的优化组合。棉田杂草试验结果表明,该方法能实现分类特征的有效缩减,经优化组合得到的最优特征子集用于杂草识别的准确率达95%以上,识别率高,稳定性好,对识别杂草时如何兼顾准确率和实时性具有参考意义。     

遗传优化模糊控制器在温室控制系统中的应用

提出了采用遗传算法优化隶属函数实现模糊控制器优化设计的方法，并将这种优化设计的模糊控制器应用于温室集散控制系统中。试验结果表明，优化后的模糊控制器具有良好的、静态性能和较好的节能效果。此外，这种控制模式还能降低控制系统的成本，提高整个系统的运行效率和可靠性。     

基于伪球算子边缘模型的猪前景帧检测

针对固定区域监控非刚体前景目标的活动,提出一种基于边缘像素模型的、低计算代价的前景帧检测法。根据帧序列中前景帧的边缘像素稳定性远远小于背景像素的特性,首先采用伪球边缘检测算子提取每帧的帧边缘;接着根据帧序列滑动窗口帧数和背景边缘像素判定阈值,提取非背景边缘图像;然后根据边缘像素点数量阈值,消除噪声边缘;最后根据序列帧噪声边缘判断阈值,判断当前帧是否为前景帧。在具有相当平滑性的条件下,伪球算子的边缘定位误差小于canny算子。猪舍区域检测猪只目标的试验表明,采用不到原图像像素总数的3%的边缘像素点,可以有效地适应背景光线变化及前景运动缓慢或短暂滞留等情况,为后继的猪只运动分析创造有利条件。     

基于支持向量机的肉鸡腹水综合征自动检测法

在如今现代化规模养鸡场中鸡的疾病检测主要依靠人的肉眼去检测.为了克服人工检测的缺点,本文提出了一种新的检测方法——基于支持向量机(SVM)肉鸡腹水综合征自动探测法.     

基于轮廓特征的猪行为识别方法研究

[目的]提出一种基于轮廓特征的目标识别方法对猪的行为进行分类和识别。[方法]先采用背景减除法提取运动目标的轮廓,并利用HSV彩色空间模型的色度和饱和度信息消除阴影对目标检测的影响,再运用其轮廓的边界矩特征构建一个轮廓特征向量模型,分析比较待测行为姿态轮廓特征向量与每类标准模板之间的欧氏距离,对猪的4种行为即正常行走、低头站立、抬头站立和躺卧进行分类。[结果]该方法能够有效对猪的4种行为进行分类,准确率达80%以上。[结论]该项研究对养殖场中猪的精神状态和异常行为识别进行了有益的探索。     

基于行为监测的疑似病猪自动化识别系统

针对传统的群养猪行为观察方法的缺点,提出了1种疑似病猪行为自动监测系统。系统基于ARM平台,利用安装于猪舍排泄区的嵌入式监控设备对群养猪的排泄行为进行24 h监控,通过1种改进的运动目标检测算法和基于像素块对称特征的图像识别算法定位具有异常行为的疑似病猪,并将报警图像通过通用分组无线服务（general packet radio service）网络传送至监控中心。对一栏10头大约克夏猪的试验结果表明,病猪检测正确率为78.38%,基本达到了预期的目标。因此,该文设计的方法对我国的养殖业实施自动化监测具有一定的借鉴意义。