一种从土壤背景中分离出作物的图像分割方法

杂草是指生长在不适当的地方的植物，其生长对经济作物的影响弊大于利。杂草与经济作物争土壤、阳光和水肥，而且极易蔓延。杂草的蔓延是导致作物减产的主要因素，并可能会使作物的生产量减少25％-30％。     

基于虚拟仪器的计算机图像处理与分析系统

传统的图像处理与分析系统的开发常常采用面向过程、基于文本的信息，具有开发周期长、可移植性差等缺点，而基于虚拟仪器的计算机图像处理与分析系统的开发，大大改变了传统的开发方式，其面向对象、图形化的编程的方式使开发灵活、方便、系统界面友好、开发周期短、功能易于扩充及程序移植性好，为此，根据农产品品质检测的需要，开发了一套基于虚拟仪器的计算机图像处理与分析系统。论述了系统的构成及功能。     

水泵水轮机流动可视化图像解析系

主要介绍了自行开发的水泵水轮机流动可视化图像的解析原理，并就示踪物的追踪与最佳相关域的确定问题进行了深入的分析，介绍了图像解析的程序设计的思想与功能。试验与计算结果表明本套软件适合于旋转的流体机械的流场图像的解析计算。     

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.     

基于机器视觉的黄花菜图像深度计算

黄花菜人工采摘存在劳动强度大、成本高、无法适应规模化生产需求、采摘设备缺乏等问题。该文针对智能采摘设备视觉系统开展了深度图像计算研究。基于田间黄花菜图像,分别采用SGBM算法、BM算法进行图像匹配、视差计算和深度计算。结果表明,SGBM算法计算结果的绝对误差范围为-1～1.6 mm,BM算法计算结果的绝对误差范围为-3.1～3.5 mm,SGBM算法计算结果优于BM算法,BM算法的运行效率高于SGBM算法。采用的两种方法深度计算绝对误差均小于5 mm,满足采摘设备使用需求,可为研发自动采摘设备提供技术支撑。     

构建VED-SegNet分割模型提取鱼类表型比例

为提高鱼类表型分割精度和准确度,实现鱼类表型智能监测,该研究基于深度学习算法构建了VED-SegNet模型用于鱼类表型分割和测量。该模型将cross stage partial network和GSConv结合作为编码器（VoV-GSCSP）,保持足够精度的同时降低网络结构复杂性。另一方面,该模型采用EMA(efficient multi-scale attention module with cross-spatial learning)建立强化结构,加强编码器和解码器之间的信息传递,提高模型精度,并实现了8个表型类别的输出。采用自建的鱼类表型分割数据集对VED-SegNet模型进行了测试,测量结果中鱼类各表型比例与实际测量值相接近,表型最大平均绝对和平均相对误差为0.39%、11.28%,能实现无接触式提取水产养殖中鱼类表型比例。对比其他常见语义分割模型,平均交并比mean intersection over union,mIoU和平均像素准确率mean pixel accuracy,m PA最高,分别到达了87.92%、92.83%。VED-SegNet模型在环境复杂、多鱼重叠的...     

改进YOLOv5s对病理学图像中猪只小肠绒毛的检测

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,SimAM)与Bottleneck中的残差连接相结合,使用SimAM对Bottleneck中的特征图进行加权,得到加权后的特征表示,利用注意力机制加强模型对目标的感知。试验结果表明,该研究算法的平均精度（average precision）和每秒传输帧数（frame per second,FPS）达到92.43%和40帧/s。改进后的YOLOv5s在召回率和平均精度上相较改进前提高2.49和4.62个百分点,在不增加模型参数量的情况下,每帧图片的推理时间缩短1.04 ms。与经典的目标检测算法SSD、Faster R-CNN、YOLOv6s、YOLOX相比,平均精度分别提高15.16、10.56、2.03和4.07...     

基于电阻抗成像的植物单根断层图像重建

为了实现植物根系结构形态的原位检测,植物根系单根的断层图像重建研究非常必要。该文应用动态电阻抗成像技术对土壤-树根模拟系统进行了图像重建,对重建图像进行二值化处理并求出树根在该系统中的位置坐标、面积和形状,并以树根的位置坐标、面积及形状的相对偏差为指标,分析了图像重建算法、土壤含水率2个因素对成像质量的影响。结果表明：电阻抗成像技术能够实现树木单根断层图像重建;将重建图像进行二值化处理,所得图像更加直观,便于定量评价成像质量;基于Newton单步残差正则化的一步牛顿误差重构（Newton's one-step error reconsruction,NOSER）算法,比基于全变差正则化的主双-内点模式（primal dual-interior point method,PD-IPM）算法的成像质量好;土壤含水率越高成像质量越好。该研究为基于电阻抗成像技术的植物根系结构形态的图像重建提供参考。     

“麦德姆”造成山东暴雨的卫星水汽图像分析

为提高台风暴雨的预报准确率,降低对农业生产的影响,本研究利用常规观测资料和FY-2E卫星云图,分析台风"麦德姆"造成山东暴雨的成因。结果表明:前期强降水是由台风倒槽造成,后期中、低纬度系统相互作用导致半岛地区出现大暴雨;水汽图像上的亮区对应对流层中上部湿区,亮区与低层水汽通量散度大值区和500 h Pa总温度场高能舌重合,对台风路径的预报和暴雨落区有较好的指示意义;水汽图像上系统的形态和灰度变化,能更有效地监测中、低纬度系统相互影响导致的过程,叠加云导风产品能更清晰地监测台风进入中纬度变性为温带气旋的风场与云系变化,云导风产品在台风预报分析中能发挥重要作用。