基于机器视觉的嫁接用苗外观特征自动检测

提出了基于数学模型的幼苗外观特征自动检测方法,检测项目包括生长状态、子叶参数和胚轴参数。首先经过图像预处理提取幼苗二值图,利用行像素统计图确定特征参数基准点位置。然后以标定胚轴最小矩形倾斜度和宽度判定弯曲状态;子叶跨度通过两子叶端点距离确定,子叶展开角通过两子叶底端平展位置拟合线夹角判定;胚轴弯曲度通过胚轴中心线上曲率最大的位置为分界点分别判断两段斜度而求得,胚轴长、轴径结合斜度补偿求得。与手工测量数据对比,轴长、轴径和子叶跨度的相关系数分别为0.935 1、0.899 9和0.903 4,相对误差分别小于7%、5%和7%,绝对误差分别小于4 mm、0.2 mm和6 mm。     

计算机视觉技术在智能养猪中的研究进展

计算机视觉是人工智能的重要发展方向,可以显著改善人与世界的交互方式,加强计算机视觉技术在智能养猪中的研究和应用必将为养猪业带来一场变革。本文综述了计算机视觉技术在猪只识别、行为监测、体尺测量、体重估测、肉品质评定、疾病监测等方面的研究进展,以期促进我国养猪业的智能化发展。     

人文精神变革下的城市视觉污染及其防治

城市的发展建设是建设文明社会、和谐社会的重要组成部分。在人文精神的引导下，城市建设应朝着人与自然的和谐方向发展。然而现代城市中出现的各种视觉上的污染及其所造成的危害，却与我们所提倡发展城市人文精神，建立人文城市的内涵相违背。本文在分析了城市的硬环境和软环境存在的几个重要的视觉污染的基础上，提出了发展人文城市，杜绝城市污染源的几点建议。     

基于机器视觉的饲料生产智能包装系统设计与应用研究

为提高饲料生产订单的包装效率、智能化程度、降低包装成本,文章基于机器视觉,从硬件选择与软件设计两个层面设计饲料生产智能包装系统.采用AutoMod软件对饲料生产智能包装系统进行仿真试验,检验整个包装系统效果.结果表明,该智能包装系统包装效率高、关键设备利用率高、系统可靠性、可行性良好.     

邯郸地区鸡卡氏住白细胞虫病季节动态的研究

鸡卡氏住白细胞虫病在邯郸地区的发病季节在6月下旬至10月份，高峰期为8-9月份，阳性感染率高达100%，阳性视野可达498‰-526‰，以后逐渐下降，至12，1，2，3，4，5月份为低潮期，虽然阳性感染率为40%-60%，但阳性视野仅在5‰-22‰之间。通过捕获发病鸡舍的飞虫，进行鉴定分类，确定了荒川库蠓是邯郸地区传播本传播本病的优势种。根据邯郸地区气温变化，荒川库蠓活动的高峰期为7-8月，与发病高峰期基本相符。     

基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

3D modeling and reconstruction of plants and trees: A cross-cutting review across computer graphics,vision, and plant phenotyping

This paper reviews the past and current trends of three-dimensional (3D) modeling and reconstruction of plants and trees. These topics have been studied in multiple research fields, including computer vision, graphics, plant phenotyping, and forestry. This paper, therefore, provides a cross-cutting review. Representations of plant shape and structure are first summarized, where every method for plant modeling and reconstruction is based on a shape/structure representation. The methods were then categorized into 1) creating non-existent plants (modeling) and 2) creating models from real-world plants (reconstruction). This paper also discusses the limitations of current methods and possible future directions.     

基于机器视觉的智能种子分选机设计

针对目前市场上种子分选装置多以传统机械式、半自动式为主,智能化程度不高、分拣准确率较低的问题,基于机器视觉技术设计一种智能种子分选机,主要由传输系统、供料系统、图像采集系统、种子筛选系统和控制系统五大部分构成。以‘郑丹958’玉米种子为研究对象,以种子气流下斜抛的水平距离和传送带传输速度为寻优条件进行试验,确定最优气泵压力值和控制器脉冲频率。对960个种子样本（优质、劣质种子分别为824和136 个）通过目标检测模型进行质量识别,判别种子质量,对种子状态进行标注框选和坐标记录。使用PLC（SIMATIC S7-200 CN,CPU224XP）分选模块控制直动式电磁阀组,对种子进行分选试验。结果表明：1）最优组合气泵压力值为0.3 MPa,控制器脉冲频率为3 175 Hz。2）优质、劣质种子识别率分别为93.69%和91.91%,种子分选率为89.6%。该分选机能够有效满足种子分选要求。