采摘机器人果实识别的多源图像配准

为了提高果实识别的准确性,减少非结构化环境对识别的影响,使用基于光学混合探测(PMD)技术的深度摄像机与RGB摄像机组合捕获果园环境的多源图像;SURF算法提取待配准图像的尺度不变特征,欧式距离作为判断特征相似性的测度,最近邻与次近邻比值实现特征向量的初匹配,最近邻的搜索策略加速匹配过程;剔除异常点与优化模型交替迭代的方法提纯匹配结果;并以均方误差(MSE)、归一化互信息(NMI)和相关系数(COEF)作为配准效果的客观评价标准.不同试验结果表明:双摄像机组合丰富了锁定目标区域的信息量,配准算法的实时性、鲁棒性及精度均能满足果园试验的要求.     

基于多媒体互动式的大学计算机基础课程教学研究与实践

针对当前大学计算机基础课程教学中的知识结构和教学内容及教学对象等实际情况,在传统的互动式教学方式的基础上,充分利用NewClass多媒体辅助教学平台和校园网络优势资源的潜力,建立了一种全新的多媒体互动式立体化的大学计算机基础课程的教学模式。研究和教学实践表明,该教学模式实际可行,整合共享了多种优质教学资源手段,提高了教学效率和质量,教学效果显著。     

基于遗传神经网络的植物叶片病害特征提取的研究

为提高作物病害定量、快速、准确识别,以大豆褐斑病为例,综合运用计算机数字图像处理技术与人工神经网络技术,建立了一个多层前馈遗传神经网络,实现了大豆褐斑病的识别与特征计算。本技术首先通过计算机视觉技术采集叶片图像,尔后,采用遗传神经网络完成了对病斑图像的识别,最后运用数字图像处理技术完成了对病斑区域相关特征值的计算,实验识别准确率达100%。     

计算机基础课网络教学平台的设计与实现

针对我校计算机基础课程门类多、及有纸化考试方式无法考查实际应用能力等弊端,开发了教与学并进的计算机基础课网络教学平台。该教学平台分为外网与内网两级层次,内网用于考试,外网用于平时学习。计算机基础网络教学平台是高等院校传统教学手段必要和有益的补充,能够丰富教学手段,有效提高教学质量和教学效果。     

基于双线性映射的植物叶片校正算法的研究

针对在应用数码相机采集大田作物叶片图像时出现的植物叶片图像倾斜和几何失真等问题,提出了基于双线性映射的植物叶片校正算法.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.实验验证该方法校正叶片图像,精度可达99%以上,是进一步提取植物叶面特征的基础.     

基于叶片的植物病虫害识别方法

综合运用计算机数字图像处理技术与人工神经网络技术,对叶片色度值进行了计算;同时,建立一个多层BP神经网络,实现了对大豆叶片中病斑的自动识别,运用区域标记法对病斑的特征参数进行计算.实验证明,该方法能有效地识别出病斑区域,识别率可达92.1%,计算的特征参数为病种的识别提供了理论依据.