玉米籽粒内部组分低对比度透射图像精确分割研究

为解决玉米籽粒透射图像由于对比度较低造成内部组分提取不精确的问题,提出一种基于色彩通道非线性变换的多通道重叠区域分割方法,对玉米籽粒图像在灰度、R通道及b通道下得到的二值图像使用重叠区域原理,实现玉米籽粒组分的精确分割。首先,采集不同玉米品种的籽粒透射图像,提取单粒玉米籽粒;其次,采用多通道重叠区域法分割单粒籽粒图像,得到玉米籽粒胚部、角质胚乳和粉质胚乳3部分的图像;最后,以查全率和查准率评价多通道重叠区域法与传统图像分割方法对不同品种玉米籽粒的分割效果。不同品种玉米籽粒的分割试验表明:多通道重叠区域分割方法的查全率、查准率及综合评价指标均达到98%以上,分割效果优于传统的图像分割方法,能够实现不同品种透明角质玉米籽粒透射图像的精确组分分割。     

葡萄干彩色图像的背景分割研究

背景分割是分析葡萄干其他特征的基础。为此,经研究提出一种改进的迭代算法,用来获取葡萄干灰度图像阈值;基于RGB阈值法与亮度阈值法,对葡萄干进行背景分割后的图像分析比较,证明亮度阈值法能较好地进行葡萄干彩色图像背景分割,保存图像的颜色信息。     

回转筒内秸秆碎料回转周期和料层完全混合时间研究

基于试验和理论分析,研究了回转筒型固态发酵罐内秸秆粉碎料的料床回转周期,建立了数学模型,其计算准确度达95%以上;结合图像分析法和料床回转周期,发现筒内上下料层完全混合时料层所转圈数与筒体转速关系不大,与筒内料体积填充率呈线性关系。由此回归并推导出只需知道筒内料体积填充率和筒体转速,便可预测上下料层完全混合的公式,其计算准确度达90%以上。提出了以上研究成果在工业级发酵罐中应用的方法。     

试论综合布线系统的电气保护

综合布线系统是智能建筑的一部分,与传统的布线相比,其主要特点表现为兼容性、开放性、灵活性、可靠性、先进性和经济性,它既能使语音、数据、图像设备和交换设备与其他信息管理系统相连,也能使这些设备与外部通讯网络相连接.     

基于对数相似度约束Otsu的自然场景病害果实图像分割

针对自然场景下,由于复杂背景以及多变环境,水果病害果实图像分割难的问题,提出了一种基于对数相似度约束Otsu和水平集活动轮廓的近椭圆形病害果实图像分割方法。考虑背景的复杂多变,提出对数相似度约束Otsu分割来区分病害果实与背景;由于水平集活动轮廓模型的局部最优性,提出采用自适应膨胀系数的改进距离规则水平集活动轮廓模型来精确演化轮廓。先对病害果实区域样本的颜色进行混合高斯建模,获得整个病害果实图像与样本模型的对数相似度;对对数相似度进行约束Otsu阈值分割以及形态学滤波;采用最小二乘法对滤波后的曲线轮廓进行椭圆拟合,对拟合后的椭圆采用自适应膨胀系数的距离规则水平集活动轮廓演化,得到病害果实完整轮廓。对18个不同场景的病害果实进行分割,平均误判率和漏判率分别为1.77%和1.6%,实验结果表明,该方法可以从复杂自然场景图像中分割出病害果实。     

农机制造业钢板板形拼接算法研究

随着我国经济的高速发展,板形控制已成为当今冶金业迫切需要解决的问题。为此,对用于农机制造的钢板板形图像拼接和特征提取过程中进行了图像预处理,利用图像本身的特点,进行了特征提取后的拼接算法研究,并针对准确和快速的特点,对几种算法进行了对比分析,给出了典型算法的计算机框图和算法选用的建议。     

萝卜抗真菌蛋白Rs-AFP2基因PCR定点突变及其在大肠杆菌中的表达

根据已报道的萝卜抗真菌蛋白Rs-AFP2基因序列，结合基因及其表达调控中遗传密码的偏爱性，人工合成引物，利用PCR重叠延伸法，使编码序列区的部分核苷酸突变，采用嵌套PCR，迅速克隆到目的基因片段R -AFP,连接到pGEM-T easy载体上，转化大肠杆菌XL1菌株，筛选到阳性克隆。序列分析结果表明，PCR产物全长240bp，有一个阅读框，编码29个氨基酸的信号肽和51个氨基酸的抗真菌蛋白，与突变前的Rs-AFP2基因相比，在编码区第3号氨基酸Lys相差一个碱基（TTG→TTA)，第5号氨基酸Gln相差一个碱基（CAG→CAA），第6号稀有密切Arg相差两个碱基（CAG→CGA），但二者编码产生相同。重新合成引物，将切除信号肽的Rs-AFP2基因和Rs-AFPm基因分别克隆到pET-21b( )质粒载体上，导入大肠杆菌BL21菌株。Tricine-SDS-PAGE电泳显示工程菌中存在6KD左右的目的蛋白带；软件分析显示，突变后pETAFPm的表达产物约为突变前pETAFPo表达产物的2倍；抑菌结果表明，pETAFPm表达产物的抑菌半径大于pETAFP2表达产物的抑菌半径。这些都说明改造后的Rs-AFPm基因与Rs-AFP2基因相比，已有效的提高表达量。     

基于注意力机制改进卷积神经网络的柑橘病虫害识别

柑橘是我国种植面积最大、产量最高的水果作物,对我国的经济发展具有重要作用。柑橘病虫害侵染是导致柑橘产量及品质下降的重要原因之一,高效、准确的柑橘检测技术对柑橘产业的发展具有重要意义。因此,本研究提出一种基于注意力机制改进卷积神经网络的柑橘病虫害识别算法,以多尺度特征提取网络Inception v3为基础,在Inception结构间加入CBAM注意力机制,构建基于注意力机制的多尺度特征提取网络;然后融合残差注意力网络,提升模型的整体性能,以实现对柑橘病虫害的精准识别。试验结果表明,基于注意力机制改进卷积神经网络的柑橘病虫害识别算法从通道和空间维度提高了对输入有效特征的关注度,在融合残差注意力网络后,提高了模型的整体性能,实现对5种柑橘叶片(溃疡病、潜叶蛾、黑点病、红蜘蛛和健康叶片)的识别准确率达到98.49%,比基础模型提高4.02百分点,说明本研究提出的方法对柑橘病虫害的识别效果较好。最后将模型进行部署,设计柑橘病虫害识别系统,实现基于移动端的柑橘病虫害智能检测,为相关研究提供参考。     

基于残差卷积神经网络模型的勺嘴鹬动作识别

为开启海南热带地区鸻鹬类涉禽的动作识别以及其他野生鸟类行为学自动识别的研究,建立了基于野外采集影像的勺嘴鹬(Eurynorhynchus pygmeus)动作图像数据集。该数据集由表达勺嘴鹬主要行为模式的9种动作标签组成;同时利用ResNet50、ResNet101和ResNet152共3种残差卷积神经网络模型尝试对勺嘴鹬的动作进行自动识别。结果表明,ResNet50、ResNet101、ResNet152测试集准确率分别为96.90%、96.94%和96.90%,说明3种模型都能对勺嘴鹬图像进行快速准确的动作识别。