缺株玉米行中心线提取算法研究

无人驾驶农机自主进行行驶路径检测和识别系统需要具备环境感知能力。作物行的中心线识别是环境感知的一个重要方面,已有的作物行中心线识别算法在缺株作物行中心线提取中存在检测精度低的问题。该研究提出了一种能够在缺株情况下提取玉米作物行中心线的算法。首先采用限定HSV颜色空间中颜色分量范围的方法将作物与背景分割,通过形态学处理对图像进行去噪并填补作物行空洞;然后分别在图像底部和中部的横向位置设置条状感兴趣区（Region of Interest,ROI）,提取ROI内的作物行轮廓重心作为定位点。在图像顶端间隔固定步长设置上端点,利用定位点和上端点组成的扫描线扫描图像,通过作物行区域最多的扫描线即为对应目标作物行的最优线;将获取的最优线与作物行区域进行融合填充作物行中的缺株部位;最后设置动态ROI,作物行区域内面积最大轮廓拟合的直线即为目标作物行中心线。试验结果表明,对于不同缺株情况下的玉米图像,该算法的平均准确率达到84.2%,每帧图像的平均检测时间为0.092 s。该研究算法可提高缺株情况下的作物行中心线识别率,具有鲁棒性强、准确度高的特点,可为无人驾驶农机在作物行缺株的农田环境下进行作业提供理论依据。     

基于正交小波系数的阈值降噪法

依据信号与噪声小波变换系数的差异,提出的用阈值法去噪可以很好的使噪声得到抑制,且几乎保留了原始信号所有的特征点.本文详细阐述了小波分析信噪分离的基本原理和方法,通过仿真分析得到良好的效果,为信号去噪提供一条有效的途径.     

基于粒子群算法和SDAE的采棉头故障诊断研究

针对采棉头故障诊断和故障预警缺失的问题,提出基于粒子群优化算法(PSO)优化堆叠降噪自编码器(SDAE)的采棉头故障诊断方法。将采棉滚筒转速与采棉头输入转速比和采棉头液压驱动压力作为输入,利用PSO算法对SDAE网络的超参数进行自适应选取,确定网络结构,然后将预处理后的数据输入PSO-SDAE网络进行深度特征提取,经过前向传播和反向微调,得到采棉头故障诊断模型。通过采棉头堵塞故障模拟试验对算法进行验证,试验结果表明：PSO-SDAE网络诊断方法在特征有效提取、故障诊断准确率方面均优于SDAE网络、支持向量机(SVM)、反向传播神经网络(BPNN)以及深度置信网络(DBN),可用于采棉头故障诊断和故障预警。     

Image denoising using HMT in PDTDFB domain

Based on the dependency of the PDTDFB coefficients across the interscale and interdirection and the statistical properties of HMT for the correlation properties, a new HMT in PDTDFB domain was put forward. Compared with the other typical denoising methods, the experimental results demonstrate that the proposed method shows better performance in image denoising, especially in edge maintenance.     

Application of Wavelet Transform in the Prediction of Navel Orange Vitamin C Content by Near-Infrared Spectroscopy

This study was to search for an approach for rapid measurement of orange vitamin C （Vc） content. By using different decomposing levels of Daubechies 3 wavelet transform, the near-infrared spectra signals obtained from intact fruits of 100 navel orange samples were denoised, and the results of the predicted Vc contents for the corresponding samples determined by the reconstructed spectra after denoising were validated by means of PLS-CV （partial least squared-cross validation）. It was shown that the prediction effects verified by PLS-CV analysis varied when different wavelet transform decomposing levels were employed. At the wavelet decomposing level 4, the best prediction effect was obtained, with the correlation coefficient R between the prediction and true values being 0.9574 and the expected variance RMSECV being as low as 3.9 mg 100 g^-1. Furthermore, the 11 different approaches for the pretreatment of the near-infrared spectrum were compared. It was found that the calibration model established by PLS using spectra pretreated by wavelet transform denoising provided the best prediction for Vc content, exhibiting the highest correlation between the prediction and true values by cross validation. In conclusion, the near infrared spectral model denoised by means of wavelet transform can be used for accurate, rapid, and nondestructive quantitative analysis on navel orange Vc content.     

人脸表情识别中滤波算法的研究

去噪滤波技术是数字图像处理中的一个重要内容,是计算机视觉技术、模式识别、图像数据分析的基础,因而受到广泛的研究;并在人脸识别、表情识别、遥感成像等领域获得广泛的应用。通过对多种去噪滤波算法进行比较,选定了一种改进的二维中值滤波快速算法将其应用到表情识别中,得到较好效果。     

基于遗传算法辨识的进给伺服系统摩擦特性研究

因为直线进给伺服系统容易受到摩擦力的影响,对于以高速高精度直线电机为组成核心的进给系统,消除摩擦力的影响尤为重要。因此,本文以直线电机导轨的摩擦力为研究对象,基于能反映摩擦过程中动静态特性的LuGre摩擦模型,考虑了摩擦迟滞非线性因素的影响。以单轴直线电机进给系统为实验平台,通过LabVIEW构建摩擦力实验测试平台,经过与MATLAB交互的小波去噪算法的滤波后得到摩擦力数据。利用遗传算法的摩擦模型参数辨识方法有效地对模型参数进行了参数辨识。该方法得到的结果与通过实验得到的数据具有一致性,验证了方法的正确性与辨识结果的准确性。     

基于三维点云的群体樱桃树冠层去噪和配准方法

樱桃树的栽培密度影响其冠层的光照分布,通过研究群体樱桃树的三维结构,可分析不同栽植密度下温室甜樱桃树冠层光照分布规律,指导樱桃树的科学种植,进而提高甜樱桃产量和品质。高质量的点云数据是构建群体樱桃树三维结构的基础,而点云去噪和点云配准是点云数据预处理的关键环节。本文提出一种基于三维点云的群体樱桃树去噪和配准方法,搭建群体樱桃树三维信息采集平台,使用2台固定的DK深度相机获取群体樱桃树彩色点云数据;提出基于颜色区域生长的二分类方法,设置颜色阈值分割点云并进行二分类处理,可有效去除彩色点云数据中的异常无效点,并设置点云离散度和RGB值,作为点云去噪评价标准;结合人工标记法和双相机位姿矩阵,提出基于颜色特征改进的ICP方法,解决传统ICP配准算法多依赖初始位姿且配准速度较慢的问题。该方法通过对点云粗配准,得到较好的初始位姿,使用SIFT算法提取颜色特征点,将颜色特征与ICP算法结合进行点云精配准,然后使用PCL中随机采样一致性算法,去除错误匹配点,有效减少配准时间,提高配准精度。以夏季和冬季的群体樱桃树20组点云数据为实验对象,对比分析ICP算法、NDT算法、SAC-IA算法和本文配准方法的配准精度和配准时间,结果表明,本文配准方法平均耗时分别为5.01、4.30s,均方根误差分别为2.316、2.100cm,有效减少了配准时间和配准误差,验证了本文算法的有效性和普适性。     

基于改进SVM分类器的动作识别方法

利用智能手机加速度传感器信号,提出一种改进的动作识别方法以降低传统动作识别方法的复杂程度,提高识别率。在特征提取时用盲选法,即用PCA(principal component analysis)进行特征值的降维和去除多维间的干扰,而所选特征没有对应的物理意义;并在分类识别中将遗传算法应用到SVM(support vector machine)分类器参数优化中。通过实验表明,该方法能够对日常的走路、站立、跑及上下楼等动作进行准确的识别。     

基于YCbCr颜色空间和Fisher判别分析的棉花图像分割研究

棉花的分割是采棉机器人研究的关键技术。本文分别在HSV、HIS和YCbCr颜色空间下,首先根据棉花的颜色信息与背景颜色信息的差距,对样本图像中的各个对象(棉絮、棉枝、土壤等)分类; 其次根据分类结果分别提取各类在各颜色空间下的样本像素值; 再根据类间离散度最大和类内离散度最小的准则计算出Fisher判别向量和各类的质心; 最后按照像素值离各质心最近的准则进行图像分割。结果表明, 在YCbCr颜色空间下产生的分割噪声最小,选取此颜色空间,采用贴标签的方法自适应去噪。实验仿真表明,本方法可有效避免阳光直射和阴影的干扰,对各种情况都能准确分割,分割准确率达90.44%。