盐阳离子类型对红壤裂缝开闭规律的影响

为了探究灌溉水中盐离子浓度及类型对土壤裂缝变化过程的影响,为南方灌溉用水安全提供数据理论支持,采用蒸馏水配置15,10,5和2.5 g/L等4个质量浓度梯度的NaCl,KCl,CaCl₂和MgCl₂等4种类型溶液,分别浸泡南方亚热带地区的典型红壤,并且采用恒温蒸发模拟干燥过程和喷湿法模拟增湿过程,结合数字图像技术提取土壤表层开裂闭合过程中裂缝主要几何参数,分析盐阳离子类型对红壤裂缝发育过程特征的影响.结果表明:红壤干燥过程中,裂缝在土壤质量含水率由30%降至10%时增长最快;在质量含水率低于10%后达到最大值并保持稳定不变.红壤的裂缝面积密度与4种盐阳离子浓度呈极显著正相关关系,裂缝长度密度与K⁺及Mg²⁺呈极显著负相关,与Ca²⁺呈显著负相关关系.4种盐阳离子对红壤开裂面积促进程度深浅顺序为Na⁺,K⁺,Ca²⁺,Mg²⁺;4种不同离子浓度的处理中,NaCl质量浓度为10 g/L,而KCl,CaCl₂和MgCl₂质量浓度为15 g/L的溶液对红壤开裂促进效果最好,其裂缝面积相比于蒸馏水处理分别增大了155.0%,160.1%,109.4%和39.2%.红壤的开裂含水率低于闭合含水率,4种盐阳离子浸泡后会使红壤的开裂含水率和闭合含水率均升高.     

基于ResNet-50深度卷积网络的果树病害智能诊断模型研究

[目的/意义]果树病害危及农业生产安全,运用人工智能技术帮助果农及时准确地识别果树病害对保障农业安全生产具有重要意义.[方法/过程]采用10 000张果树叶片病斑图像数据集,通过旋转、污化、增噪、切割等图像增强手段,提高样本图像的多样性;使用ResNet-50深度卷积网络模型,进行机器学习,获得果树病害识别模型,并基于...     

基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究

针对目前河蟹追溯成本高、消费者无法细粒度地追溯单体河蟹信息等问题,提出一种基于迁移学习和金字塔卷积的河蟹背甲图像个体识别算法。该算法使用金字塔卷积层替换普通残差卷积块构建网络模型,可以从蟹背图像中提取多尺度、深层次的特征信息。结果显示:采用金字塔卷积结构的Resnet34和Resnet50的准确率分别为98.38%、98.51%,与使用普通卷积层的模型相比,准确率提升5.49%、1.3%,而当模型深度达到101层时,模型性能不再明显提升。与使用金字塔卷积结构的全新学习模型相比,迁移学习方法的训练收敛迭代轮次从20轮降低至5轮,此时模型准确率为98.88%,较全新学习的准确率提升0.37%,同时弥补了样本量较少的问题。该研究为河蟹个体识别追溯提供了理论依据和技术支持。     

基于显著性增强和迁移学习的鱼类识别研究

针对水下鱼类无法快速准确识别的难点,提出一种具有图像主体自动增强功能的鱼类迁移学习方法。该方法将鱼类RGB图像转换至Lab颜色空间后,利用中央周边算子计算得到整个输入图像的显著性值,进而提供鱼类目标的潜在区域,并结合GrabCut算法获取鱼类分割图像,最终将融合分割图的原始图像送入优化后的残差网络中进行训练。通过对23种鱼类进行识别试验,结果显示,固定ImageNet数据集上ResNet-50预训练模型的conv1层和conv2层参数,微调高层参数的方法能够取得最好的识别效果,且在公开的Fish4Knowledge数据集上,该模型取得了最高的识别准确率,平均识别精度达到99.63%。与其他卷积神经网络方法的对比结果显示,本方法在Fish4Knowledge和Fish30Image数据集上的识别精度和时间性能均具有较大优势,其中识别准确率至少提升4.98%。多个数据集上的试验验证了模型的有效性。     

玉米根茬图像的分割方法

对保护性耕作留茬覆盖情况下田间玉米根茬图像进行了分割.选取采集图像的彩度信息作为对象,通过对几种常用的自动阈值选取算法的比较,选择了迭代法对田间图像进行分割.实验结果表明:该方法能够有效地将根茬目标与土壤背景分割开来,为下一步检测行茬直线并将其作为导航基准线进行视觉导航的研究提供了基础.     

自然环境下桃子图像分割算法

成熟果实的识别是果蔬采摘机器人视觉系统的关键问题,要解决该问题,首先需要进行有效的图像分割.从复杂背景中分离果实一直是该领域的一个难题.为此,针对自然环境下的桃子图像进行了图像分割方法的研究.利用2R-G-B和L*a*b*的a*分量以及HSI的H分量分别对彩色图像进行了3种方法的灰度化处理,然后采用大津法对灰度图像进行了二值化处理,对二值化图像采用匹配去噪与匹配膨胀相结合的方法,去除了复杂背景噪声.试验表明,所提出的桃子分割方法具有很好的分割效果.     

基于图像处理的杂草叶片识别参数研究

杂草种类繁多、危害严重,对杂草种类进行精确识别,可以提高除草效率,减少除草剂使用量,降低其对环境的污染.为此,应用图像处理的有关技术,以杂草叶片为研究对象,以形态、纹理和颜色特征相结合的方法来描述杂草叶片信息,提出了共16个特征参数可对杂草叶片信息进行精确描述,该特征参数可区别不同种类的杂草,为农药的精确投放和现代施药装备的开发奠定基础.     

利用随机网络模型和CT数字图像预测近饱和土壤水分特征曲线

通过对连续土壤切片CT图像的分析,定量获取了土壤孔隙的大小分布情况。在此基础上建立了基于土壤孔隙形态学特征的随机网络模型,在孔隙尺度模拟了土壤中的水分运动过程,并预测了近饱和土壤水分特征曲线。结果表明,通过选取合适的模型参数,基于土壤孔隙形态学特征建立的随机网络模型可以模拟出与土壤样本实测值非常接近的水分特征曲线,可以作为一种快速测量的方法。     

二氧化硅改性处理桉树生材的材性分析

采用溶胶-凝胶法,对含水率142％～146％的速生桉树生材进行改性处理,采用电镜SEM、X-射线能谱仪DAX及红外光谱FTIR分析,观察木材微观结构和SiQ分布状态,并检测理化性能.结果表明:浸渍时间不同,改性材中的SiO2含量和分布不同;改性材的增重率最大达45％,气干密度可提高至0.6 g/cm3左右,抗弯强度、硬度及耐光老化性能等均相应提高.     

X射线图像技术对红毛丹内部品质的检测

研究了利用X射线图像处理及模式识别方法检测红毛丹内部品质——可食率、可溶性固形物含量。首先用阈值分割法去除红毛丹背景,然后用模糊C均值聚类方法来分割果肉区域。红毛丹可食率以分割出的果肉区域像素个数与整个果实区域像素个数之比来表征,实验结果表明,误判率小于10％。红毛丹可溶性固形物含量的X射线图像检测采用纹理特征描述的方法,利用直方图矩特征和支持向量机回归方法预测红毛丹可溶性固形物含量的相关系数最高可达87．2％。