机器视觉在线检测核桃大小软件设计

【目的】设计一种可以利用机器视觉对核桃大小进行在线分级处理的软件。【方法】通过配置大恒USB2.0工业相机,实时获取核桃在线检测时RGB图像,利用VS2010开发出界面程序对采集到的图像源数据进行格式转换和预处理,获得轮廓图像。利用OpenCV的图像矩计算原理提取核桃外形尺寸数据,为下位机控制板提供等级信号控制不同等级电磁阀动作。【结果】软件可以同步显示处理前后的图像,实现了图像优化采集和分割阈值手动调节。【结论】基于机器视觉在线检测核桃大小软件可以判定不同外形尺寸大小的核桃,可以将分级信号准确送出。     

基于改进ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法 ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型通过以下3点改进提高模型对黄羽鸡黑色素的识别效果：1）针对黄羽鸡黑色素图像RGB三通道内黑色素信息分布不均衡问题,改变输入图片通道权重来增强模型对黑色素特征的提取能力;2）使用部分卷积代替深度可分离卷积,减少模型计算量和内存访问次数提高对计算资源的利用率;3）引入坐标注意力机制,引导模型关注黄羽鸡胸腹部及肛门附近皮肤提升模型精度。同时,该研究还设计一种双光源图像获取装置,分别在自然光和偏振光条件下拍摄黄羽鸡样本,以减小分级结果受环境光干扰的影响,并探索偏振光在黑色素分级任务中的应用潜力。结果表明ConvNeXt-WPCA模型相较标准ConvNeXt模型,针对自然光下黄羽鸡黑色素图像数据集分级准确率提升9.68个百分点,最终达到89.03%的识别准确率,针对偏振光下黄羽鸡黑色素图像数据集分级准确率提升15.26个百分点,最终达到98.87...     

热带珍贵树种羯布罗香苗木质量分级标准

以西双版纳州普文苗圃所培育的1年生羯布罗香容器苗为对象,随机抽样50株样苗,测定地径、苗高、冠幅、主根长、侧根数、全株鲜重、地上部分鲜重、地下部分鲜重、全株干重、地上部份干重、地下部份干重、高径比11个指标并进行相关分析,确定以地径和苗高作为苗木质量分级指标,采用逐步聚类分析方法,结果表明：羯布罗香1年生容器苗木可分为3级,即Ⅰ级苗：D≥0.58 cm,H≥42.38 cm;Ⅱ级苗：0.58 cm>D≥0.47 cm,42.38>H≥25.53 cm;Ⅲ级苗：D<0.47 cm,H<25.53 cm。     

艾叶不同极性溶剂提取物的抗氧化能力的研究

试验旨在研究艾叶非挥发性成分不同极性溶剂提取物的抗氧化活性,探究艾叶非挥发性提取物抗氧化活性与多酚、黄酮以及多糖含量的关系。采用60～90℃石油醚去除艾叶中的脂溶性色素与挥发性物质,残渣分别以乙酸乙酯、正丁醇、乙醇、水逐级提取。使用铁离子还原法（FRAP）和1,1-二苯基-2-三硝基苯肼（DPPH）法测定4种提取物的抗氧化活性,将抗氧化活性转化为奎诺二甲基丙烯酸（Trolox）当量,测定提取物中的多酚、黄酮、多糖含量。结果显示：在水相、乙醇相、正丁醇相以及乙酸乙酯相中,多酚、黄酮、多糖主要富集在水相和乙醇相中,黄酮含量能够直接影响艾叶的抗氧化活性。研究表明,艾叶非挥发性提取物的抗氧化活性主要存在于水相和乙醇相中,黄酮类物质是抗氧化活性的主要成分,可将其作为天然抗氧化活性成分进行深度开发。     

核桃分级机的设计与试验

对核桃进行分级是核桃初加工及后续加工的首要工序,文中介绍了一种核桃分级机的结构、工作原理、技术特点、关键部件的设计及试验情况,通过试验验证该装置适合新疆本地核桃品种扎343与新新2的分级.     

我校实施大学英语课分级教学的可行性调查与分析

大学英语分级教学已成为当前教学改革的趋势。根据二语习得理论,缩小学生个体差异会直接提高课堂教学效果。本文从我校实际情况出发,通过对学生和教师以及教学环境的调查后认为:我校分级教学是可行的。     

大学英语分级教学改革的实证研究

通过对非英语专业大学生进行问卷调查,分析大学生对大学英语学习和分级教学的看法,针对调查结果,提出对英语分级教学的改进意见.     

草鱼的分级饲养管理

实施草鱼分级饲养管理技术,通过对草鱼分级饲养、饲料组合投喂,明显地提高了草鱼养殖效益,比过去常规养殖每亩增加产量20%左右,收入增加300kg左右,而且鱼的营养和口味更好。对草鱼鱼种的养殖可分为0.05-0.15kg/尾、0.15-0.35kg/尾两     

两种胡萝卜食品制作

正一、胡萝卜泥胡萝卜泥成品黄褐色,质地细腻,酸甜适口,无异味,老少皆宜。1.原料处理。选成熟度适宜、未木质化、皮薄肉嫩、粗纤维少、无糠心的胡萝卜,去缨去须,用流动的清水洗净泥沙及污物,投入浓度3%~8%、温度95~100℃的食用碱水中浸泡1~2分钟,捞出,放入流动清水中洗净表皮和残留的碱液,切成大小、厚薄一致的薄片,放入夹层锅内,加入约占原料重量     

基于深度学习与多尺度特征融合的烤烟烟叶分级方法

为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。