基于机器视觉技术的棉株识别定位

 针对棉花机械打顶中棉株识别难的问题,提出一种基于机器视觉技术的棉株识别定位方法,利用2个相同型号的摄像头搭建双目立体视觉系统,在此基础上进行相机标定、图像采集、图像分割、特征点提取等过程,利用最小二乘法计算出棉株的深度信息,并进行校正。校正后棉株定位误差在0.43～30.57 mm,误差均值为20.58 mm。研究结果表明基于机器视觉技术的棉株识别定位方法是可行的。     

基于微调卷积神经网络迁移学习模式下被害棉叶图像的识别

【目的】研究一种基于卷积神经网络的危害棉叶症状识别技术,提高棉花病虫害的识别准确率。【方法】基于caffe深度学习框架,在CaffeNet网络结构基础上增加一层全连接层(记为CaffeNet+1),并结合迁移学习方法对网络进行训练。采集健康、红叶茎枯、红蜘蛛、枯萎、黄萎、双斑萤叶甲、蚜虫、褐斑棉叶图像各975张作为样本集。随机选取验本集中80%的图像样本作为训练集,剩余20%作为测试集。【结果】迁移学习方式下学习率取0.005时的CaffeNet+1模型最优,在测试集上其识别准确率可达98.9%。【结论】在与全新学习模式下的CaffeNet模型相比,该方法可加速网络模型收敛,且具有更高的识别准确率,该技术方法在准确识别田间病虫害棉叶后表现症状的图像写出来具体方面具有重要的应用价值。     

基于卷积神经网络干制哈密大枣纹理分级

【目的】研究一种基于卷积神经网络干制哈密大枣纹理分级的方法。利用卷积神经网络解决干制哈密大枣的纹理分类问题。【方法】将大小统一的彩色图片输入网络,卷积核自动提取其纹理特征,进行分类。【结果】分类准确率达到了97.7%。【结论】与常用的灰度共生矩阵提取干制哈密大枣纹理特征(最大概率,相关性,对比度、能量、同质性和熵),再用BP神经网络和支持向量机(SVM)分类准确率相比的方法,避免了复杂纹理提取和图片预处理的过程,在测试时间相近的情况下识别率更高。     

葡萄果实定位方法的实验研究

准确的定位是实现果蔬自动化采摘的前提,本文以新疆特色葡萄为对象,利用自行设计搭建的葡萄定位双目立体视觉系统实验平台进行田间实验,当双目摄像机与葡萄的距离为400~950mm时,误差分布范围为0.15~11.50mm。通过该项实验进行研究,以期为葡萄自动化采摘精确定位奠定基础。     

拖拉机产品总体性能评价指标体系的探讨

提出了拖拉机评价指标体系的设置原则,建立了拖拉机评价指标体系的基本框架,同时对框架内涉及的指标进行了论述,特别指出有些指标的提出(如环保性、多燃料适应性)是随着社会的发展和技术的进步伴生而来的,是建设节约型社会的需要.指标体系覆盖面广,对拖拉机的评价和购置有一定的指导意义.     

夹持式棉花精密穴播轮作业振动对取种的影响

为了提高夹持式棉花精密穴播轮对作业地表的适应性,通过分析穴播轮作业时的主要振动形式及其振动加速度值得出穴播轮作业时存在失重和超重现象。穴播轮的作业振动对种子的可靠夹持影响较大,分析得出在超重状态下种子可以被可靠夹持,在失重状态下重块会产生反向转动,夹种口张开,种子不受夹持力,处于不稳定状态,依据研究结果改进了穴播轮的取种机构,经试验改进后的穴播轮在振动条件下作业时空穴率由9.3%降低到2.6%,穴播轮对地面的适应能力有明显提高。     

大型瓜果品质检测分级技术研究进展

较全面地介绍了目前国内外大型瓜果(甜瓜、西瓜、柚子等)品质检测分级技术的研究现状以及方法,包括声波特性、振动频谱法、电磁技术、机器视觉技术以及光谱技术。同时,提出了大型水果的检测分级技术目前存在的问题,并对未来大型水果品质检测分级技术的发展予以展望。     

翻转式哈密瓜分级装置设计

针对新疆哈密瓜分级中自动化程度低、分级结果不稳定及效率低下等问题,设计了一种翻转式哈密瓜分级装置。首先通过试验设计水果托盘,增加哈密瓜在传输过程中的稳定性;然后设计分级执行装置,实现哈密瓜的翻转;最后对控制系统原理进行阐述,以实现哈密瓜的准确分级。通过控制系统驱动分级执行装置运转,进而实现水果托盘的翻转,使哈密瓜滚动至分级区域,大大降低了哈密瓜在分级过程中的机械损伤。