基于分形维木材表面粗糙度的研究

应用分形维对木材表面粗糙度特征进行研究。首先，对Sarkar和Chaudhuri提出的分形维计算方法做了改进：其次，以60个树种为研究对象，提取和分析木材表面的分形维数。得出结论：分形维数能够反映木材表面的粗糙程度，可作为木材表面粗糙度的一种度量？     

遥感数字图像处理技术在地质填图中的运用

定义、描述和勘察特定区域的地层、构造。矿产资源和年代就是所谓的地质填图,随着科技的不断发展,在地质填图中对遥感数字图像处理技术进行了广泛的应用,并且,发挥着非常重大的意义,对此,文章通过下文对相关方面内容进行了阐述,进而为有关单位及工作人员提供一定的借鉴作用。     

卫星遥感技术在山西中阳县退耕还林中的应用

利用遥感技术 ,对中阳县进行土地利用现状分析 ,主要包括数字图像的特征提取 ,有监分类 ,土地利用图的生成 ,计算统计数据 ,以便为退耕还林 (草 )合理规划提供依据     

基于改进YOLOX的群养生猪轻量化目标检测方法

针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进YOLOX的群养生猪轻量化目标检测模型Ghost-YOLOX-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力。使用加入CBAM注意力机制的BiFPN作为模型的Neck部分,使得模型充分融合不同体型猪只的特征图,并使用Focal Loss损失函数解决猪圈环境下猪只与背景难以区分的问题,增强模型对正样本的学习。实验结果表明,改进后模型对群养生猪检测精度为95.80%,相比于原始YOLOX算法,检测精度提升2.84个百分点,参数量降低63%。最后将本文轻量化模型部署到Nvidia Jetson Nano移动端开发板,通过在开发板上实际运行表明,本文所提模型实现了对不同大小、不同品种猪只的准确识别,为后续智能化生猪养殖提供支持。     

香蕉假茎、球茎和根系动态生长模型构建研究

通过香蕉假茎、球茎和根系的表型生长模型及相关分析可为香蕉变量施肥作业提供数据基础。为解决人工测量球茎、根系外接圆难以确定问题,采用基于图像处理方法测量相关表型参数。通过测量广西宝岛蕉全生长周期内的20个阶段,采用图像处理表型测量方法测量假茎直径、球茎直径与根系水平分布长度,分别建立表型特征的生长模型并进行相关性分析。结果表明:假茎直径、球茎直径和根系水平分布长度表型生长模型均呈现“S”形,遵循作物的生长规律;香蕉假茎和球茎极显著正相关,相关系数为0.991 77(P<0.05);假茎和根系极显著正相关,相关系数为0.994 06(P<0.05);球茎和根系极显著正相关,相关系数为0.998 43(P<0.05),假茎、球茎和根系表型性状之间分别存在极显著正相关关系。由此表明,可通过测量香蕉假茎表型参数预测地下球茎和根系的表型参数,进而为变量施肥作业提供数据依据。     

锯材表面缺陷识别方法对比分析研究

锯材的表面质量对木结构制品的质量起着至关重要的作用。锯材的表面质量主要受锯材表面缺陷（如节子、虫眼、裂纹等）类型、分布、数量等综合影响。文中针对基于浅层学习网络和深度学习算法的2类图像处理方法,对比分析其在锯材表面缺陷识别中的研究现状、存在的问题及发展趋势;同时,结合准确率、平均识别精度均值和图像识别时间等目标检测评价指标,对比分析多种图像处理算法在锯材表面缺陷识别中的性能;最后,对未来锯材表面缺陷识别方法的发展趋势进行了展望。     

基于神经网络的多特征结合法鲫鱼质量估计

质量不同的鱼摄食能力不同,准确估计鱼体质量有利于水产养殖中鱼类精准投喂,避免饲料浪费及水体污染。首先使用1元硬币作为参照物采集鲫鱼图像和体重数据,其次对图像进行预处理,提取鲫鱼和硬币的特征值,最后采用BP神经网络、Elman神经网络以及Numpy库构建的神经网络实现多特征的鲫鱼质量估计。结果表明：使用BP和Elman神经网络估计鲫鱼质量时决定系数分别为0.925 6和0.906 4,均方误差分别为0.003 68和0.004 55。采用Numpy库构建的神经网络估计时决定系数值为0.823 7,均方误差值为0.008 1。因此,使用BPNN-面积-周长和Elman-面积-周长方法能够快速、准确地估计鱼体质量,实现水产养殖中鱼类的精准投喂,以及在鱼类被捕捞后根据质量进行分级,推进渔业现代化的进展。     

MATLAB在数字图像处理和分析中的应用

介绍如何利用利用Matlab开发平台强大的科学计算功能,快速实现图像处理,并通过一些例子来说明利用MATLAB平台来实现图像处理。     

窝眼轮排种器排种图像处理及性能分析

用视觉方法检测窝眼轮排种器的性能,通过采集窝眼轮排种口种子流样本视频文件,以MATLAB软件为图像处理技术手段,得到有清晰种子目标的二值化图片,并将每张图片中的种子数加以存储。通过判别种子数的多少来确定出漏播、合格、重播的型孔数目,从而得出该排种器的性能指标,实现了对窝眼轮排种器性能的无接触、无损伤、无污染、高效率和高精度检测分析。