基于机器视觉的红掌检测分级方法

中国盆花销售量随着消费水平的提高而迅速攀升,四大盆花之一的红掌在规模化生产中存在分级标准掌控不统一、分级结果不稳定以及效率低下等问题,制约了红掌产品的规模化生产,影响了红掌的出品质量。该研究提出基于机器视觉技术的红掌分级检测方法,对90株红掌的水平和竖直方向图像采集,经过二值化等处理,从侧视轮廓、俯视轮廓及佛焰苞轮廓特征三方面获取红掌植株的高度、冠幅、佛焰苞片数、苞片横径4项指标的信息, 针对每一项指标提出检测方法。试验结果表明,该方法对植株高度测量误差小于5.4 mm;针对植株冠幅提出了当量直径测量方法,佛焰苞片数测量正确率可达98.9%,苞片横径相对误差最大为6.52%。针对试验所选90盆红掌分级成功率达到97.8%。研究表明,利用机器视觉技术能够很好地实现对红掌盆花的在线检测分级。     

基于计算机视觉的番茄催熟与正常熟识别

国内常有菜农采摘远离成熟期的番茄,采用乙烯利处理进行催熟,为了阻止催熟番茄进入瓜果市场危害食用者的身体健康,给出了催熟番茄识别系统的硬件组成,通过计算机视觉装置获取番茄透射光颜色参数（R、G、B）,并将RGB值转换成HIS值,采用遗传算法训练的多层前馈神经网络实现催熟番茄的自动识别。试验结果表明,系统正确识别率为91.7%,为进一步进行番茄催熟与正常熟识别的研究提供参考。     

基于组合型L-系统的单树建模工具的设计与实现

该文依据植物形态学和树木生长过程的生理生态学原理,提出由器官尺度上升单树尺度的L-系统文法规则组合拼接方法,该方法有利于L-系统树木形态和生长规则的重用,实现对树木形态拓扑结构的本真还原和科学模拟。该文设计了基于L-系统的单树建模工具软件的功能体系结构,并在VC++开发环境下采用OpenGL图形标准、VRML虚拟现实建模语言开发完成了单树建模工具软件-LSTree。LSTree具有模型输入输出、树木三维可视化、生长过程模拟等业务功能,以及良好的人机交互性能和灵活、科学的单树模型组织管理方式。该软件可用于精准农业,以及植物学和生态学方面的教研、宣教等专业研究与应用。     

基于机器视觉的大豆籽粒精选技术

为实现大豆精选模型的设计,选择东农405、东农410、东农634 共3个大豆品种,以正常豆、灰斑豆、霉变豆、虫蚀豆为研究对像,采用可脱离PC机独立工作的智能摄像头获取分析豆粒图像。通过动态阈值分割算法分离豆粒与背景,提取豆粒图像的形状、颜色、纹理3方面的特征参数15个。采用BP神经网络建立分类模型,模型平均识别准确率达98%。试验选择2000粒大豆样本对精选装置进行测试,测试结果显示：该装置对正常豆、灰斑豆、霉变豆和虫蚀豆的筛选精度分别达到98.3%、93.4%、92.2%、95.9%,筛选效率达到每分钟300粒,将机器视觉技术应用于大豆精选机的设计中是可行的。     

基于水文要素的黄土丘陵区次降雨泥沙输移比模型

以黄土丘陵区桥沟小流域为研究对象,利用该流域不同地貌部位的野外径流场及沟道水文站网观测资料,探讨了小流域次暴雨泥沙输移比的时空变化特征。依据相关分析法,确定了影响桥沟流域次降雨泥沙输移比的主导因素。结果表明,径流侵蚀力、泥沙相对重率、降雨特性、土壤前期含水量是影响桥沟流域次降雨泥沙输移比的主导因子。采用统计回归方法,建立了黄土丘陵区桥沟流域次降雨泥沙输移比模型。     

计算机辅助设计教学改革研究

针对计算机辅助设计课程的具体特点和大纲要求,结合实际问题,从课程内容、教学方式和手段等方面进行了改革探索,以提高学生对计算机辅助设计课程的学习兴趣,提升学生面向问题求解的能力。     

任务驱动教学法在高职院校实践教学中的应用

任务驱动教学法是以构建主义学习理论为基础,主要突出了学生的主体地位,强调教师的引导作用。以高职院校计算机应用基础课程为实例,研究了任务驱动教学法在其实践教学中的应用。在课程的教学过程中,通过任务的分解,师生共同完成了每个项目任务的教学活动,使课堂教学的质量得到更大幅度的提高,获得了更好的教学效果。     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

基于机器视觉的玉米果穗参数的图像测量方法

在玉米育种和品质研究中,经常需要对玉米的果穗长度、果穗宽度、穗行数、穗粒数等参数进行测量。该研究提出了一种基于机器视觉的玉米果穗参数图像测量方法。使用PC摄像头连续采集旋转台上的玉米果穗图像,经过图像处理,获得玉米穗的图像区域,进而得到玉米果穗的穗长和穗宽参数;通过对玉米果穗局部区域的x方向和y方向累计像素值曲线进行分析,提取出玉米穗行,获得每一穗行的穗粒数和穗行宽度;通过图像匹配,获得玉米果穗的穗行数。试验表明,使用该研究方法对玉米果穗的长度、宽度和穗行数的参数测量准确率可达98%以上,对穗行宽及总穗粒数测量准确率达95%以上,整穗的平均检测时间约102 s/穗。该研究实现了玉米果穗参数快速有效的自动检测,相对于目前采用的人工检测,大大提供检测效率,降低劳动强度,可应用于玉米千粒质量检测、产量预测、育种和品质分析等场合。     

基于NSGA-Ⅱ遗传算法高比转速混流泵多目标优化设计

为进一步探索优化高比转速混流泵水力性能的方法,该文选用比转速为803的高比转速混流泵为研究对象,运用商用软件ANSYS CFX 15.0,选取剪切应力传输(shear stress transport,SST)湍流模型对其内部流动进行计算。以高比转速混流泵的水力效率、扬程为优化目标,采用给定沿叶轮叶片轴面流线的速度矩的分布规律来实现对叶片的间接参数化,以描述该速度矩分布的四次多项式的3个参数为优化变量。采用均匀试验设计安排样本空间,利用径向基函数(radial basis function,RBF)神经网络拟合优化变量与优化目标间的映射关联,最后结合NSGA-Ⅱ遗传算法进行多目标寻优,取效率最优个体和扬程最优个体与初始模型进行分析:得到了上述3个个体的速度矩分布规律与各微元段包角沿轴面流线的变化趋势,效率最优与扬程最优时叶片包角,即各微元段包角之和,分别为75.15°、67.85°。给出了0.5倍叶高处叶轮导叶的相对流线、速度、静压分布以及0.2倍、0.5倍、0.8倍叶高处叶片相对弦长的静压分布。试验证明,效率最优个体的效率较初始个体提高了1.12%,与CFD(计算流体动力学,computational fluid dynamics)计算结果 1.33%接近。该优化方法改善了叶轮的水力特性,提高了高比转速混流泵的性能,为高比转速混流泵的优化设计提供了参考。