汽车皮纹的纹理设计分析

汽车中的皮纹一般为装饰需求和保护需求。文章通过对皮纹纹理的分类介绍,纹理设计并结合项目工作中的经验,从而使汽车皮纹设计更加有效,为实车量产提供理论支撑。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。     

荔枝蒂蛀虫的产卵选择性研究

【目的】荔枝蒂蛀虫是荔枝、龙眼上的主要害虫,深入认识其产卵选择机制,对于该虫的有效控制有重要意义。【方法】通过产卵选择试验,测定荔枝蒂蛀虫对荔枝果实、产卵介质表面纹理结构、颜色、形状和大小以及荔枝嫩叶和老叶等的产卵选择。【结果】荔枝果实可吸引荔枝蒂蛀虫产卵,即使在无法接触果实的情况下,成虫也可在产卵介质上产卵,其落卵量与直接产于果实上的落卵量无显著差异。但将荔枝果实密封包裹或烘制成果干后,则未观察到成虫在上面产卵。可见,荔枝果实吸引荔枝蒂蛀虫产卵的活性物质主要存在于其气味中。荔枝蒂蛀虫对产卵介质的表面纹理结构有选择性,成虫在200~400目(0.038~0.075 mm)筛网表面产卵较多,在复印纸、80目(0.18 mm)和100目(0.15mm)筛网表面产卵较少,该虫偏好在表面具有细小缝隙的产卵介质上产卵,表面过于光滑或缝隙过大均会减少其落卵量。但当荔枝果实被密封包裹后,即使表面纹理结构适合,成虫也不产卵。荔枝蒂蛀虫对产卵介质颜色、形状和大小均无显著的选择性。此外,荔枝蒂蛀虫可在装有荔枝嫩叶和老叶的产卵介质上产卵,其落卵量与装有荔枝果实的产卵介质上的落卵量无显著差异,说明荔枝叶片和果实一样,均可吸引成虫产卵。【结论】荔枝果实、嫩叶和老叶均可吸引荔枝蒂蛀虫产卵,该虫对产卵介质表面纹理结构有选择性。荔枝叶片表面光滑,可能是荔枝蒂蛀虫在自然条件下较少选择在叶片上产卵的重要原因。     

九里香袭——桂花

每年中秋月明,天清露冷,庭前屋后、广场、公园绿地的空气中总是浸润着一股甜甜的香味,这便是桂花的香味.桂花的名称很多,因其叶脉形如圭而称“圭”;因其材质致密,纹理如犀而称“木犀”;因其自然分布于丛生岩岭间而称“岩桂”;因开花时芬芳扑鼻,香飘数里,因而又叫“九里香”.正因为桂花形、香、姿、韵皆佳,使得桂花成为了集医用、食用和观赏于一身的多用植物.     

融合无人机多光谱和纹理特征的马铃薯LAI估算

目的 研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index,LAI)方法,提高马铃薯LAI反演精度。方法 利用大疆P4M无人机采集2021年2－4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像,用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息,分析植被指数、纹理特征与LAI的相关性,基于R²_adj的全子集分析优选特征变量。采用主成分分析,融合光谱和纹理特征,用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。结果 从幼苗期到块茎膨大期,PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VI-MLR(Vegetation index multiple linear regression)模型,R²分别为0.73、0.59和0.66。结论 本研究提出一种估算马铃薯LAI的PCA-MLR方法,为马铃薯的长势监测和田间管理提供数据支持。     

基于空间灰度共生矩阵木材纹理分类识别的研究

以10种木材纹理样本为对象,研究了木材纹理参数体系的建立方法,并进行了分类识别的仿真实验。首先,针对木材纹理特点并结合类别可分性判据,构造了适于描述木材的空间灰度共生矩阵,并在此基础上提取了木材的11个纹理特征参数。其次,借助相关性分析对参数进行了特征选择,进而建立了能直接与人的感官对应的木材纹理参数体系。最后,利用 BP 神经网络分类器对木材样本进行了分类识别研究,识别率为87.50%,验证了参数体系的有效性,表明用本文提出的纹理参数体系对木材进行分类识别是可行的。     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

基于形状与纹理特征的鱼类摄食状态检测方法

在水产养殖中,检测鱼类的摄食状态对于投喂控制具有重要意义。以镜鲤为实验对象,提出了一种基于鱼群图像的形状及纹理特征和BP神经网络的鱼群摄食行为检测方法。首先,对采集到的图片进行背景减、灰度化、二值化等处理,得到图像形状与纹理信息,然后计算鱼群图像的形状参数和图像熵,最后利用BP神经网络建模,对鱼群的摄食状态进行检测识别。结果显示,本方法的正确识别率达到98.0%。与单一的基于纹理的检测方法相比,不仅可以把因水面抖动、水花等不利因素的干扰作为纹理的特有属性进行分析,而且考虑了图像的形状信息,提高了检测的准确性,可以用于指导水产养殖中的精准投喂控制。     

实木家具及其用材

<正>一、实木家具目前市场上的实木家具大致有两种:一种是纯实木家具,其所有用材都是实木,包括桌面,柜子的门板、侧板等均用纯实木制成,不使用任何人造     

连香树育苗技术

<正>连香树是世界著名的园林绿化树种,叶和皮均含鞣质,可提制栲胶,果、根、茎、叶均有较高的药用价值,连香树木材纹理通直,是制作小提琴、制造实木家具的理想用材,具有可观的开发利用价值。连香树自然分布区的特点是冬寒夏凉,多数地区雨量多,湿度大,年平均气温