基于粗糙集的迭代阈值选择的玉米苗期背景分割算法研究

将粗糙集与阈值迭代算法相结合,提出了基于粗糙集的迭代阈值选择背景分割算法并将其运用在玉米苗期图像上。利用粗糙集的模糊性刻画目标与背景的边界,用阈值迭代法选取阈值进而实现背景分割。仿真试验结果表明:传统的阈值迭代算法的分割耗时为0.469 s,并且分割后图像存在大量的信息丢失;基于粗糙集的迭代阈值选择背景分割算法的分割耗时为0.374 s,分割图像清晰,能够快速、有效、准确的实现背景分割,并满足农业智能生产中实时性、高效性的要求。     

基于车牌识别的校园车辆出入管理系统研究

面对出入园区机动车辆数量的日益增多,高校校园相关管理部门所采用的传统人工管理方式已经不能满足管理的需要。通过调查,针对当前实际管理中所存在的问题,提出了一种基于车牌自动识别技术的车辆出入管理信息系统,即通过车辆图像信息的采集、车牌定位、字符分割、字符识别等操作完成车牌身份信息的自动提取,最后将获取到的信息存入数据库,通过搜索、查询匹配等模块的处理,实现自动智能管理的要求。通过实验,系统具有较高的识别率,能满足实际应用的需要,具有一定的工程应用价值。     

彩色淋巴结细胞显微图像分割

传统的细胞分割方法,对于淋巴结这样有着复杂背景的显微图像处理效果并不理想.本文基于相似度的自动种子像素选取、基于分水岭的图像分割及模糊C均值区域合并和基于凹点搜索的重叠粘连细胞切分,研究了淋巴结的分割处理,取得了良好的分割效果.     

基于最小阈值法的棉花幼苗识别研究

 面对纯机械式分苗机构经常出现的漏分和多分的问题,本文提出使用基于最小阈值法的图像识别技术对棉花幼苗进行识别和分离。使用了HSV颜色空间内与光照条件无关的H值将RGB真彩色图像转化为灰度图像,以提高图像处理的实时性。基于最小值阈值法,提出一种能够有效地将处于复杂背景下的棉花幼苗茎部图像提取的方法,使用棉花幼苗茎部图像的面积和长宽比等几何信息能有效识别棉花幼苗,并得到棉花幼苗茎部的重心坐标。本文的研究证明了用图像处理中的最小阈值法识别棉花幼苗是可行的。     

Online MW-MSPCA data-driven fault diagnosis

To track the non-stationary dynamics of the process which contains time-varying and multi-scale data, an online moving window multi-scale principal component analysis（MW-MSPCA） data-driven-based fault diagnosis method is proposed. In this data-driven diagnosis technique, wavelet threshold denoising is used to solve the conflict between the statistical model deviation and data correlation decreasing. The statistical models are updated by using moving window principal component analysis in various scales. The contribution of individual process variable to the process behavior change is illustrated in a 3-dimensional contribution chart. A quantitative evaluation mechanism is also given to evaluate the diagonising accuracy. The numerical experimental results for 6135D diesel demonstrate that the proposed method can diagnose sensor fault better in terms of false rejection, false alarm and diagnosing accuracy for fault diagnosis upon comparing with conventional multi-scale principal component analysis（MSPCA） and adaptive multi-way principal component analysis（AMPCA） modeling.     

Clear-cut Detection in Boreal Forest Aided by Remote Sensing

The study compares the applicability of different remote sensing data and digital change detection methods in detecting clear-cut areas in boreal forest. The methods selected for comparisons are simple and straightforward and thus applicable in practical forestry. The data tested were from Landsat satellite imagery and high-altitude panchromatic aerial orthophotographs. The change detection was based on image differencing. Three different approaches were tested: (1) pixel-by-pixel differencing and segmentation; (2) pixel block-level differencing and thresholding; and (3) presegmentation and unsupervised classification. The study shows that the methods and data sources used are accurate enough for operational detection of clear-cut areas. The study suggests that predelineated segments or pixel blocks should be used for image differencing to decrease the number of misinterpreted small areas. For the same reason the use of a digital forest mask is crucial in operational applications.     

无定河流域风沙滩区河道基流变化规律与驱动因素分析

为探究风沙滩区河道基流变化规律与主要驱动因素,以1954—2018年无定河流域赵石窑水文站实测水文数据和多站点的降水量数据等资料为基础,分析比较3类方法(时间步长法、数字滤波法和平滑最小值法)对无定河流域风沙滩区河道基流分割的适用性,揭示河道基流量的变化特征,量化分析引起基流量变化的驱动因素(降水、植被覆盖度和农业灌溉等)。结果表明：时间步长法中的局部最小值法对风沙滩区河道基流分割结果较其他方法更为合理,其中多年(1954—2018年)平均基流量为3.29×10⁸ m³,基流指数均值为0.71;基流量总体呈极显著下降趋势,且在1972年和2000年发生突变,其周期性变化主要由第1主周期(32年)控制;无定河流域风沙滩区河道基流变化是降水、植被覆盖度和农业灌溉等因素综合影响的结果,其中水文序列第2阶段(1973—2000年)和第3阶段(2001—2018年)与第1阶段(1954—1972年)相比,降水对基流量变化的贡献率分别为29.35%和4.52%,人类活动(植被覆盖度和农业灌溉)的贡献率分别为70.65%和95.48%,说明人类活动是其变化...     

基于机器视觉的荞麦剥壳性能参数在线检测方法

针对荞麦剥壳时不能随原料种类变化而适时调整砂盘间隙和转速的问题,提出一种基于机器视觉的荞麦剥壳性能参数在线检测方法,为荞麦剥壳机自适应最优控制提供数据反馈。采集快速滑落的荞麦剥出物图像,使用带二阶拉普拉斯修正项的边缘自适应插值算法对图像插值重建;对重建的浅蓝色背景荞麦剥出物图像N(B-R)灰度变换之后进行背景分割;生成距离骨架图像并对其邻域极大值滤波提取种子点,使用分水岭算法对种子点标记后的距离图像进行粘连分割;采用交互式方法标注已粘连分割的荞麦籽粒,然后使用已标注的荞麦籽粒训练BP神经网络。在线试验中,处理和识别一幅包含897个籽粒的1 824像素×1 368像素图像耗时4. 79 s。未剥壳荞麦、整米和碎米的正确识别率分别为99. 7%、97. 2%和92. 6%。结果表明,本文在线检测方法得到的出米率能够反映荞麦剥壳机组的剥壳性能,可为荞麦剥壳加工的自适应最优控制和智能化提供有效基础数据。     

地源热泵水蓄能型植物工厂降温系统夏季运行特性

针对田间环境复杂、秸秆形态多样、秸秆覆盖率判断主观性影响过大、补贴面积测量耗时耗力等问题,该文开展了秸秆覆盖率率自动识别方法研究和监测设备研制。首先,提出利用时频变换进行秸秆识别,设计高通滤波器提取了图像的频域特征进行自适应分割。基于集成分类器利用已有的秸秆识别数据训练支持向量机分类器,对秸秆图像进行再识别和筛选。最后,设计多尺度占比滤波器,对识别图像中的噪声和空洞进行修补,生成适应多种情况的秸秆覆盖率识别算法。与北斗定位模块、无线通讯模块、摄像头、传感器、服务器等设备共同组成秸秆覆盖率识别系统。试验结果表明,设备的秸秆覆盖率识别误差为4.55%,平均单张图像耗时0.05 s。研究结果满足保护性耕作中的自动化监测要求,可为保护性耕作作业质量评测提供有效的技术支持。     

基于无人机遥感影像的覆膜农田面积及分布提取方法

针对基于无人机遥感的覆膜农田识别研究甚少的现状,该文以云南省昭通市鲁甸县为研究区,获取了研究区中地表类型复杂程度不同的2幅航空影像(复杂区影像和简单区影像)作为试验数据,利用灰度共生矩阵对原始航片影像进行纹理特征提取并选择纹理特征最佳提取参数;然后基于随机森林算法进行纹理特征重要性评价,优选纹理特征,结合原始数据进行最大似然初步分类;运用众数分析进行分类后处理;最后结合图像形态学算法与面积阈值分割法提取出了最终的覆膜农田面积及分布。通过试验结果发现,依据该文提出的方法,复杂区和简单区覆膜农田识别的总体精度、Kappa系数、产品精度、用户精度和面积误差分别达到了94.84%、0.89、92.48%、93.39%、0.38%和96.74%、0.93、97.39%、94.63%、1.95%。该文提出的融合监督分类和图像形态学算法的覆膜农田提取方法可以简单、快速的将地膜连成块,形成覆膜农田对象,进而通过面积阈值分割法获取高精度的覆膜农田分布信息。该方法可以为精准覆膜农田识别算法的发展提供参考。