基于C/S三层模式的大麦收购管理系统的设计与实现

针对大麦收购物流管理过程繁重、低效、自动化差,出错率高等弊端,本文设计了基于C/S三层模式的大麦收购管理系统。该系统运用分层的思想来构建软件系统的框架,最大限度的将数据抽象出来,使软件结构清晰明了,软件系统的可移植性大大增强。经在黑龙江龙垦麦芽责任有限公司测试,该系统可以较好地应用于大麦收购管理工作。     

农作物图像特征提取技术及其在病害诊断中的应用

农作物生殖生长时期的生理生态性状,可通过其冠层图像表现型特征呈现出来,为解决农作物冠层图像特征难以提取的问题,以北方寒地大豆为研究对象,将数字图像处理技术与多维特征选取机制相结合,研究了农作物冠层图像特征提取技术,并应用在大豆叶部病害诊断中。首先计算农作物冠层器官形状和颜色多维特征指标,然后利用主成分分析技术筛选有效特征参数,最后完成农作物病斑害图像特征提取及诊断方法。其仿真实验中病害种类诊断准确率为97.5%。该方法实现了农作物冠层图像特征提取及信息处理过程,为大田农作物全面系统地开展生长过程监测及病害防治提供重要理论支持。     

植物叶面积无损测量预处理技术研究

针对在计算机视觉技术对大豆叶面积的无损测量研究中,如何校正图像和去除植物叶片纹理特征等问题,提出了投影映射无损测量法。测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响。实验验证结果表明,该方法利用较少的特征点对就能很好地校正叶片图像,解决了非线性校正问题,并且图像信息量损失小。     

噻虫胺等药剂对韭菜迟眼蕈蚊的致毒效应

为了明确新烟碱类药剂对韭菜迟眼蕈蚊的毒力,采用管测药膜法和药液定量滴加法测定了噻虫胺等6种药剂对韭菜迟眼蕈蚊不同虫态的毒力,并研究了噻虫胺、甲氨基阿维菌素苯甲酸盐和辛硫磷亚致死浓度对其4龄幼虫生长发育和繁殖的影响。结果表明,新烟碱类杀虫剂噻虫胺、吡虫啉和噻虫嗪对成虫的击倒毒力均较高,分别是阿维菌素的5.75、3.86和3.51倍;6种药剂对韭菜迟眼蕈蚊卵的毒力均较低;对2龄和4龄幼虫的毒力,均以噻虫胺最高,LC₅₀分别为0.339 mg/L和1.020 mg/L,分别是阿维菌素的27.00倍和25.23倍。用噻虫胺亚致死剂量处理韭菜迟眼蕈蚊4龄幼虫,其发育历期和蛹期延长,蛹重、化蛹率、成虫羽化率、单雌产卵量和卵孵化率均降低。     

基于魏格纳分布的跳频信号分析方法的对比研究

时频分析是分析非平稳信号的一种重要数学分析工具,魏格纳分布是时频信号分析的非线形变换。针对跳频信号的特点,本文提出了一种采用平滑伪魏格纳(SPWVD)时频分析来分析跳频信号的方法,该方法可以在不需要知道信号任何先验参数的情况下,估计出跳频信号的跳频频率、跳变时刻等参数。     

基于三维点云颜色特征的苹果树冠层光照分布计算方法

合理的果树冠层结构有利于获取充足的光照,对提升果实产量及品质具有重要意义。为了揭示果树冠层光照分布规律,以自由纺锤形苹果树为研究对象,以目标图像的颜色变化与光照强弱存在相关性为理论依据,首先利用Trimble TX5型地面三维激光扫描仪以顶视法获取叶幕稳定期苹果树冠层三维点云,按照实际苹果树冠层划分方法,提取三维点云空间不同区域的颜色特征,针对自然环境下苹果树冠层颜色特征具有复杂性和模糊性,不能采用精确、定量的符号对其进行描述的不足,构建以颜色特征为输入、相对光照强度为输出的模糊神经网络,以此作为苹果树冠层光照分布预测模型。试验结果表明:提出的基于三维点云颜色特征的光照分布计算方法具有较好的可行性,预测精度为80.57%,能够为科学合理的苹果树修剪和整形提供技术支撑。     

基于证据可信度不确定推理的大豆病害诊断方法

针对大豆病害专家系统中诊断特征条件的复杂性和不确定性等问题,将病害证据可信度和不确定性推理的传递算法有机结合,提出了一种基于证据可信度不确定推理的大豆病害诊断方法。由植保知识库的专家先验知识和作物病害发生时期、部位和症状等表现特征,构成可信度权重作为推理依据;利用该文提出的基于证据可信度的不确定推理方法及推理规则,实现了大豆病害的自动诊断与决策。应用实践表明：该方法简单、可靠、易于实现,对大豆病害的诊断准确率达到87.62%,为植物病害的智能远程诊断和科学管理提供了一种高效的新途径。     

基于冠层颜色特征的大豆缺素症状识别研究

【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性,建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验,以垦农18为供试大豆品种,设计缺氮、缺磷、缺钾3种营养状况,采集大豆缺素症状的冠层图像样本,利用图像灰度直方图结合主成分分析方法,提取大豆冠层图像的红光值R、绿光值G、蓝光值B,计算最佳颜色特征蓝光标准化值B/(R+G+B)和绿光标准化值G/(R+G+B),将其作为正则化模糊神经网络输入向量,并利用实数编码的遗传算法改进传统梯度下降学习算法,将其作为模糊神经网络的学习方法,同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯度下降学习算法计算时,迭代次数为277次,其各项计算指标均明显优于传统梯度下降算法,大豆缺素症状识别准确率达100%;而采用传统的多元线性回归方程和BP神经网络算法计算时,识别准确率分别为52.50%,68.33%。【结论】以大豆冠层图像颜色特征为基础,利用改进学习算法的神经网络模型,能够快速有效地挖掘出大豆缺素症状与颜色特征向量之间的模糊逻辑映射关系,为大豆缺素症状识别提供了一种快速且准确的方法。     

基于移动终端的农作物叶面积测量系统设计与实现

为农作物叶面积实时快速地精准自动测量提供参考,采用可跨平台部署的开发平台为基础,应用面向对象编程语言Java,设计基于移动终端的农作物叶面积测量系统。以农作物叶面为研究对象,以数字图像处理技术与基于Android系统移动终端的开发技术相结合为创新设计,采用灰度识别算法和Ostu阈值识别算法,从包含叶片图片文件中像素点的个数为突破口,应用叶片所占的像素与标记点模块所占的像素点的个数进行比较,计算较为准确的农作物叶面积。结果表明:农作物叶面积测量系统测量的叶面积具有导入图片或照相、确定标记点、确定叶片区域以及计算叶片面积的功能,能对选择的叶片区域进行标定和叶面积识别,并对该区域叶片进行叶面积的精确计算。系统突破大田实际测量环境的局限性,用户可用手机进行叶面积测量,具有测量方式灵活、准确快速、操作简单及便于携带等优点。     

苹果采摘机器人中的图像配准技术

为了减少自然环境下的光线干扰,采用一个彩色相机和一个深度相机获取目标物的图像,利用多源传感器信息融合与互补方法,实现多目标图像的精确配准。基于TOF（time of flight）技术的PMD（polarization mode dispersion）相机,能实时获得强度图像和深度信息。以苹果树为研究对象,采用Harris检测提取特征点,在归一化互相关系数法的基础上运用邻域的支持强度实现了PMD图像与彩色图像的同名点配准。对自然场景中共50组图片进行试验验证,该方法顺光条件下正确匹配率达到85.75%,逆光条件下的匹配率是79.57%,能满足光线变化的图像精确配准的要求。