基于图像处理的疏透度测定及结构关系研究

为快速、准确地测定防风林林带疏透度,建立林带疏透度与林带结构因子间的关系模型,为防风林建设及调整提供合理化意见。使用图像处理技术对获取的防风林林带照片进行自动识别,通过Otsu算法自动将树木实体区域和孔隙区域分割,从而测定林带疏透度。并采用相关性分析和逐步线性回归法建立疏透度与林带结构因子间的关系模型。结果表明,采用Otsu算法测定林带疏透度的方法与图像处理软件(Photoshop)测定结果无明显差异,该方法操作简单、效率高,能够快速、准确测定防风林林带疏透度。防风林疏透度与林带行数、棵数、枝下比例、株行距、密度存在显著性相关关系,构建疏透度与林带行数、密度间的关系模型:β=-0.060 1N-0.065 8ρ+0.810 9(R²=0.961 3,P=0.000 29)。根据建立的防风林林带疏透度与林带结构因子间的关系模型,可对防风林的建设提供科学合理化的指导,使其发挥更好的防护效应。     

基于DOM航空影像单木树冠提取

准确提取单木树冠边界是获取森林数量参数的重要基础,是高分辨率遥感图像林业应用的技术难题。基于DOM航空影像数据源,采用面向对象的方法对研究区内的2个树种的林分进行了单木树冠边界提取研究。首先利用桉树和杉木的空间分布矢量数据对DOM航空影像进行掩膜处理,在掩膜区域内进行多层次多尺度图像分割得到初步树冠分割结果,并剔除非树冠信息;再以树冠信息种子对象为基础,使用区域增长算法对树冠信息种子对象增长得到单木树冠范围;最后使用形态学滤波的方法优化单木树冠边界,完成林区内桉树和杉木两类树种的单木树冠边界提取。结果表明,由于不同树种的树冠存在尺度和形态差异,进行单木树冠分割时需要设置不同的参数才能到达较好的分割效果。本研究中桉树和杉木的单木树冠提取总体精度分别为86.75%与89.21%,可满足林业部门获取森林单木树冠的精度需求。     

火力楠人工林木材物理力学性质的研究

为掌握火力楠人工林木材的性质,为其木材利用提供科学指导,对火力楠人工林木材的主要物理力学性能指标进行了测定分析。结果表明,火力楠人工林木材的基本密度、气干密度以及全干密度平均分别为0.531、0.641 g·cm^-3和0.596 g·cm^-3,弦向、径向和体积气干干缩率平均分别为3.9%、2.7%和6.5%,对应的干缩系数平均分别为0.346%、0.239%和0.576%,差异干缩为1.444,属密度适中、干缩性小的一类木材;木材端面、弦面和径面硬度平均分别为5 989、4 847 N和4 829 N,抗弯强度、弹性模量、顺纹抗压以及冲击韧性平均分别为117.2 MPa（3级）,10.61 GPa（3级）、57.8 MPa（3级）和55 kJ·m^-2（2级）,综合强度达175 MPa,综合品质系数达3 295.7×10⁵ Pa,属高等级材。     

小径木梯形板锯刨机结构设计与研究

针对目前市面上加工小径木的机器加工精度低、效率不高、出材率低等问题,分析提高小径木梯形板出材率、加工效率及加工精度的设计方法,通过新的设计方法制定了新的加工工艺。结合工艺分析设计了小径木梯形板锯刨机的总体结构,可以对小径木梯形板进行锯切、粗刨、精刨加工。在对其核心组件锯切组件与刨削组件的加工原理进行分析的基础上,设计了锯切组件结构与刨削组件结构。通过导入锯切主轴SolidWorks的三维模型,利用ANSYS对其锯切主轴进行静力学分析,得到锯切主轴的应力、应变和变形云图,其中最大应力值为7.435 MPa、最大应变值为0.042 316 mm/m、最大变形量为0.002 178 8 mm,其强度、刚度及变形量均在许用范围内,仿真验证了锯切主轴的设计的合理性。     

基于卷积神经网络的小麦产量预估方法

小麦产量是评估农业生产力的重要指标之一,针对小麦产量人工预估困难,提出将卷积神经网络运用于小麦产量预估,为农业生产力的预估提供参考,指导农业生产管理决策。利用无人机分别在河南省新乡、漯河两地进行图片采集,并以之构建麦穗数据集,分为正样本(麦穗)和负样本(叶子和背景)。针对小麦常规的生理形态和生长环境,设计卷积神经网络识别模型,以图像金字塔构建多尺度滑动窗口,以非极大值抑制(NMS)去除重叠率较高的目标框,实现对单位面积内麦穗的计数,并利用随机采样的方式对大田麦穗进行单位面积图像采样,以采样图像中麦穗数量的平均值作为产量预估基准,进一步实现麦穗产量预估。随机抽取100幅不同小麦图片进行测试,与人工计数结果进行对比,准确率达到97.30%,漏检率为0.34%,误检率为2.36%,误差率为2.70%。试验结果表明,此方法能够克服环境中的多种噪声干扰,能够在不同光照条件下对麦穗进行计数和产量预估。     

基于RGB颜色空间的早稻氮素营养监测研究

针对双季稻区水稻过量施肥带来环境污染和成本提高问题,设计不同品种氮肥梯度大田试验,应用数码相机获取早稻冠层数字图像,研究不同色彩参数及早稻氮素营养指标的时空变化特征,以期确立双季早稻氮素营养预测模型。结果表明:不同品种同一氮肥处理下图像色彩参数差异不大;拔节期数字图像参数对氮素营养指标敏感;模型构建结果显示,图像参数INT与水稻氮素营养指标构建的模型决定系数(R2)最大,模型预测效果最佳,R2分别为0.895 7和0.924 7;进一步采用多元回归分析和BP神经网络分析法进行预测,预测效果均较好。对预测结果进行检验,发现品种对于模型的构建影响不大,以BP神经网络分析法构建的叶片氮浓度(LNC)模型和以INT为敏感色彩参数构建的叶片氮积累量(LNA)回归模型效果最优,而多元回归分析方法则效果不佳。早稻冠层RGB颜色空间敏感参数与氮素营养指标间相关性较好,可以实现氮素营养的无损监测诊断。     

基于SegNet模型的高原鼠兔的图像分割

针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割：首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试。对高原鼠兔图像分割的试验结果表明：与基于活动轮廓的Chan_Vese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%,过分割率和欠分割率分别降低了87.20%、16.52%。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

木醋液在农业病虫草防控中的应用研究进展

为了开发木醋液作为优质生物农药的应用价值,本文归纳了不同原材料制作的木醋液在细菌真菌病害、病毒病、根结线虫病、害虫和杂草防除中的应用研究案例。总结了木醋液分别在病虫草防治中的作用：在适当浓度下,对真菌、细菌和根结线虫皆能有效抑制;作为助剂也能用于防治植物病毒病;对害虫具有驱避作用,浓度高时,直接的毒杀效果也很明显;对于作物田的部分杂草种类,木醋液具有被开发为生物除草剂的潜能。同时简单介绍了木醋液对有害生物的作用机理,指出了木醋液作为生物农药具有原材料来源广泛、广谱有效、环境友好、不易导致抗性发展等特点,其作为生物农药具有极大的应用价值。最后指出,在今后应用研发中应分馏纯化、组合复配木醋液产品,实现机制研究和产品标准化的综合目标。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。