基于Curvelet-散射特征的图像纹理分类

在二代曲线波的基础上,提出一种旋转不变曲波特征,然后结合具有平移不变性和Lipschitz连续性的散射向量特征用于对纹理图像的分类研究.通过系统分析以及严格实验可以得出,旋转不变曲波纹理特征优于广泛使用的Gabor纹理特征,且Curvelet-散射组合特征在纹理分类上具有很高准确率以及计算纹理特征的效率,和单一的散射特征相比,具有一定的优势.     

视觉导引AGV鲁棒特征识别与精确路径跟踪研究

针对AGV多分支路径与工位点标识的可靠识别以及导引路径的精确跟踪问题,提出了一种基于双视野窗口的鲁棒特征识别与精确路径跟踪方法。采用整幅视野范围作为模式识别窗口,在该窗口采用基于核主成分分析(KPCA)和BP神经网络的识别方法,将路径特征通过核函数映射到高维空间进行PCA降维,再利用BP神经网络识别降维后的样本矩阵。同时提出一种导引扫描窗口设置方法,该窗口范围取决于摄像机竖直视角以及摄像机安装倾斜角,在导引扫描窗口内将导引路径简化为直线模型并用最小二乘法拟合,针对拟合直线计算导引所需的路径偏差。实验结果表明,KPCA-BP方法显著提高了路径特征识别的实时性和鲁棒性,6类路径特征的平均特征识别正确率为99.5%;导引扫描窗口有效减小了导引路径直线拟合的计算误差,直线路径跟踪误差小于3 mm,曲线路径跟踪误差小于30 mm。     

基于CIELAB色空间的红葡萄酒颜色直观表征

现有红葡萄酒颜色特征的表征方法,很难形象地描述和传递葡萄酒颜色信息。基于CIELAB色空间,构建了高清色彩平面(L*=60),以红葡萄酒颜色的彩度分布图、明度分布图和特征颜色图,并结合可见吸收光谱图,直观地表征红葡萄酒的颜色特征。采用该方法和传统的CIELAB参数分析法,对我国各产区10款陈酿型赤霞珠干红葡萄酒颜色特征的研究表明,该方法可以完整而直观地呈现CIELAB参数信息,并可给出具体的酒样特征颜色;供试酒样间颜色特征差异显著,但都存在颜色过快老化的问题。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。     

广东白果物候特征与品种特性的观察

广东银杏早花早实,其种核（白果）早上市,广东白果因种胚隐没,无苦味,甘香可口而享誉国际市场,对广东银杏品种特性和物候特征的观察结果与气候因素分析表明,广东产区年均气温和≥10℃年活动积温较高是广东白果早熟的主要原因,而种胚未能同步加快生长,采收期较早则导致了广东白果采后短时期内种胚隐没,无苦味,并对广东白果的采后保鲜提出合理化建议。     

不同土壤中硅酸盐细菌生理生化特征及其解钾活性的研究

在以钾长石粉为唯一 K 源的硅酸盐细菌选择性培养基上,从我国部分省市土壤中筛选到 16 株硅酸盐细菌,以本实验室保藏 NBT 菌株为参照,对其生理生化特性、耐盐性、抗生素抗性、温度敏感性及释K 能力等生物学特性进行了测定。结果表明,17 株硅酸盐细菌菌体均为杆状,产生椭圆至圆形芽胞。其中 SB6、SB13 为短杆状,SB4、SB6、SB10、SB15 菌株是 G ,其余菌株是 G-。NH4 、NO3 为良好 N 源,且能在无 N -培养基上生长。菌株 SB13 和 NBT 解 K 能力较强,释放的 K 比接灭活菌对照分别增加 49.1 %和 45.3 %。菌株SB2、SB4、SB5、SB6 在 20 g/L NaCl 浓度的培养基上能生长,在温度为 10 ~ 40 范围内供试硅酸盐细菌能够良好生长。     

岩溶山地石漠化地区不同土地利用方式下的土壤物理性状分析

分析研究了重庆市北暗区岩溶槽谷鸡公山地区不同土地利用方式下的土壤主要物理性质,认为随着岩溶地区土地由自然林地向草坡地、人工林地、菜地、耕地转换,土壤砂化严重,土壤容重增加,总孔隙度,尤其是非毛管孔隙度明显降低,用干筛测得的各不同土地利用方式下土壤团聚体结构相差不大,而用湿筛测得的土壤水稳性团聚体相差较大,团聚体结构破坏率较大。随着岩溶地区土地由菜地、耕地向撂荒地转换,土壤各项物理指标都有改善。在此基础上认为,土壤物理性质的变坏与石漠化形成过程有相互促进的正反馈关系,在退化方向和阶段上具有一致性和同步性,但土地撂荒后可以较大程度的减少水土流失。     

基于SPOT5多光谱影像和近期航摄影像的土地利用动态监测方法研究

在国内外土地利用动态监测研究与应用中,受遥感影像分辨率的限制,能满足较大比例尺的土地利用动态遥感监测的还较少.该文以浙江省宁波市鄞州区区域内一块试验区为例,利用SPOT5多光谱影像,结合近期航片,通过特征变异法,进行1∶1万土地利用动态遥感监测.试验结果表明,应用航片与卫片融合的新方法,进行土地利用动态监测是可行的.     

融合特征金字塔与可变形卷积的高密度群养猪计数方法

针对猪只人工计数方法消耗时间和劳动力,育肥猪较为活跃且喜好聚集,图像中存在大量的高密度区域,导致猪只之间互相粘连、遮挡等问题,基于SOLO v2实例分割算法,提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集,利用猪只分割数据集获得较好的分割模型,然后在猪只盘点测试集中测试盘点准确率,实现猪群分割和猪只计数。实验结果表明,本文提出的高密度猪只计数模型的分割准确率达到96.7%,且模型内存占用量为256 MB,为改进前的2/3,实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中,模型计算猪只数量误差为0时的图像数量为207幅,较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后,对比基于YOLO v5的群养猪计数方法,本文模型具有更优的分割效果和计数准确率,验证了本文方法对群养猪只计数的有效性。因...     

基于WGAN和MCA-MobileNet的番茄叶片病害识别

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。