基于小麦群体图像的田间麦穗计数及产量预测方法

在田间小麦测产时,需人工获取田间单位面积内的麦穗数和穗粒数,耗时耗力。为了快速测量小麦田间单位面积内的产量,该文利用特定装置以田间麦穗倾斜的方式获取田间麦穗群体图像,通过转换图像颜色空间RGB→HSI,提取饱和度S分量图像,然后把饱和度S分量图像转换成二值图像,再经细窄部位粘连去除算法进行初步分割,再由边界和区域的特征参数判断出粘连的麦穗图像,并利用基于凹点检测匹配连线的方法实现粘连麦穗的分割,进而识别出图像中的麦穗数量;通过计算图像中每个麦穗的面积像素点数并由预测公式得到每个麦穗的籽粒数,进而计算出每幅图像上所有麦穗的预测籽粒数,然后计算出0.25 m2区域内对应的4幅图像上的预测籽粒数;同时根据籽粒千粒质量数据,计算得到该区域内的产量信息。该文在识别3个品种田间麦穗单幅图像中麦穗数量的平均识别精度为91.63%,籽粒数的平均预测精度为90.73%;对3个品种0.25 m2区域的小麦麦穗数量、总籽粒数及产量预测的平均精度为93.83%、93.43%、93.49%。运用该文方法可以实现小麦田间单位面积内的产量信息自动测量。     

基于卷积神经网络的花生籽粒完整性识别算法及应用

针对现有色选设备在花生颗粒筛选过程中处理速度慢、准确率低的缺点,提出基于卷积神经网络的花生籽粒完整性识别算法。以完好花生、表皮破损花生和果仁破损花生的分类为例,构建花生图像库;搭造卷积神经网络,提取花生图像特征;为提高分类准确率和实时性,从训练集构成、减小过拟合、加快训练收敛速度、简化网络结构等几方面对卷积神经网络进行优化;最终利用含2个卷积层、2个池化层、2个全连接层的3层神经网络实现了上述3类花生的分类。试验结果表明：该方法对花生分类的准确率达到98.18%,平均检测一幅单粒花生图像的时间为18 ms,与现有色选设备相比有效提高了色选设备筛选的准确率和实时性。     

催化式红外辐照改善樱桃番茄去皮效果及品质

为了探寻一种去皮效果好、产品品质破坏低和环境友好型的樱桃番茄去皮方法,该文采用催化式红外技术对樱桃番茄进行处理,研究了不同催化式红外条件对樱桃番茄去皮效果的影响,并与传统的去皮方式(热水和碱液去皮)和超声波去皮方式进行对比,比较其去皮效果、番茄红素含量、果肉色泽和质构等指标变化。结果表明:催化式红外在照射距离30cm和照射时间3min的条件下,樱桃番茄的去皮效果最佳;与传统的去皮方式相比,催化式红外的去皮效果显著提升(P0.05);并且经催化式红外去皮方法所得樱桃番茄的皮肉质量比仅为7.68%,显著降低了樱桃番茄的果肉损失(P0.05)。此外,催化式红外去皮很好地保持了去皮后番茄果肉形状的完整度,是一种去皮效果良好的环境友好型樱桃番茄去皮方式。     

徽州透雕门窗雕刻纹样的视觉评价

以甄选出的16种徽州透雕门窗代表性纹饰作为测试样本(选择依据是根据徽州古民居透雕门窗纹饰出现频率较高,特征较鲜明进行的初步筛选,然后在此基础上根据雕刻主题纹饰进行的分类选择),使用RM6280多道生理信号处理系统进行了眼电生理指标测试。为了测试的合理性,同时对这组图片进行了客观测试。主客观测试结束后根据每组测试数据进行了单项图表评价和综合评价。视觉评价结果显示,受试群体明显偏爱造型简约、抽象、灵动、虚实对比强烈的木雕纹。     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

基于动态多特征变量的黄羽肉鸡跛行状态定量评价方法

肉鸡步态是肉鸡健康状态的重要表征,为实现黄羽肉鸡跛行步态的无损自动化快速分类识别,提出了一种基于多特征变量的肉鸡跛行定量评价方法。该方法从步态视频中提取肉鸡的速度、步幅、步幅差、步频、投影面积参数,拟合得出速度、步幅与投影面积具有相关性(决定系数分别为0.805 1、0.793 5),据此定义肉鸡动态理想参数与异常指数,基于C4.5决策树模型,以速度异常指数、步幅异常指数、步幅差异常指数为分类特征,根据鸟类步态评分标准将肉鸡分为GS0~GS4五类,实现对肉鸡跛行状态进行预警和判别。实验结果表明:该模型针对GS0~GS4分类准确率依次为:66%、71%、74%、98%、95%,整体准确率为78%。该模型可作为早期跛行的检测工具,为养殖自动化的实现和动物福利产业的升级提供支持。     

基于HOG特征的IKSVM稻瘟病孢子检测

为解决稻瘟病孢子的人工检测过程中主观性强、自动化程度低、效率低等问题,提出一种基于梯度方向直方图特征（HOG特征）的加性交叉核支持向量机（IKSVM）的稻瘟病孢子检测方法。该方法首先利用图像采集系统采集稻瘟病孢子图像,利用Gamma校正法调节图像的对比度,抑制噪声干扰;然后,提取孢子图像的HOG特征作为输入向量,输入到支持向量机中,构建加性交叉核支持向量机分类器;最后,通过训练得到稻瘟病孢子分类器。为测试所提出的HOG/IKSVM方法的综合性能,分别选用HOG/线性SVM方法与HOG/径向基核SVM（HOG/RBF-SVM）方法做对比试验。试验结果表明,HOG/IKSVM的检测率为98.2%,高于HOG/线性SVM方法的79%;在平均检测时间上,HOG/IKSVM方法的平均检测耗时仅为HOG/RBF-SVM方法的1.1%。说明该方法可以进行稻瘟病孢子室内检测识别。     

基于混合蛙跳算法的马铃薯病害图像分割优化

针对Otsu算法对直方图呈现多峰多谷的复杂马铃薯病害图像分割效果不佳的问题,结合混合蛙跳算法(shuffled frog leaping algorithm,SFLA)提出了一种Otsu-SFLA分割优化模型,将Otsu病害图像的分割结果作为SFLA算法的优化起点,进行复杂背景的马铃薯病害图像的分割优化,将马铃薯叶枯病、马铃薯晚疫病、马铃薯菌核病、马铃薯根腐线虫病、马铃薯灰霉病的病害图像作为分割对象进行分割,分割匹配率分别为97.0%、96.2%、96.9%、95.7%、94.8%,平均分割匹配率为96.1%,错误率分别为1.6%、1.1%、1.2%、1.1%、1.4%、平均错误率为1.3%,正确率分别为95.4%、95.1%、95.7%、94.6%、93.4%,平均正确率为94.8%,表明Otsu-SFLA模型可有效从复杂马铃薯病害图像中获取病斑区域。     

Evaluation of three non‐genetically modified soybean cultivars as ingredients and a yeast‐based additive as a supplement in practical diets for Pacific white shrimp Litopenaeus vannamei

Two growth trials and a physiology assessment were conducted to evaluate three non‐genetically modified (GM) soybean cultivars as ingredients in practical diets for Pacific white shrimp, Litopenaeus vannamei. In addition, a commercially available fermented yeast product was evaluated as dietary supplement. For the growth trials (46 and 35 days, respectively, for trials 1 and 2), the basal diet was primarily composed of soybean meal (SBM), fishmeal (FM), whole wheat, corn protein concentrate, poultry meal (PM, pet food grade) and corn starch. Non‐GM cultivars were processed with novel methodologies to produce Navita? ingredients (N1, N2 and N3) which were incorporated at low (L) or high (H) levels into the experimental diets, in partial replacement of FM and full replacement of conventional SBM. The last two formulations incorporated the fermented yeast for a total of nine experimental diets (Table 1 ). Results from the growth trials indicate that shrimp fed diet 5 (HN2) exhibited significantly lower (p < .05) weight gain as compared to shrimp fed diets 1 and 2 (basal and LN1, respectively) in trial 1, as well as compared to animals fed diets 1, 2, 3 and 8 (basal, LN1, HN1 and basal + yeast) in trial 2. The feed conversion ratio significantly increased for shrimp fed diet 5, in contrast with shrimp fed diets 1, 2, 3 and 8 in trials 1 and 2, as well as compared to shrimp fed diets diet 6 (LN3) in trial 2. For the physiological assessment (stress and immune responses), only the effects of diets 1, 3, 8 and 9 (basal, HN1, basal + yeast and HN1 + yeast, respectively) were investigated. Granular cell counts were significantly higher for shrimp fed the yeast‐containing diets. Haemolymph glucose and haemolymph packed cell volume were significantly reduced for shrimp fed diets 3, 8 and 9. No significant differences were observed in total haemocyte counts, hyaline cells counts, semi‐granular cells counts, haemolymph protein, haemocyte phagocytic capacity and haemocyte respiratory burst activity. Results of this work indicate that selective soy breeding technology coupled with novel processing options has the potential to increase the nutritional value of conventional SBM for shrimp feeds. Trends on immune responses were more difficult to elucidate possibly due to the limited length of the feeding trial.     

基于太赫兹成像技术的大豆叶片水分含量测定

为了实现叶片水分含量的快速、精准检测,提出一种基于太赫兹成像技术的大豆叶片水分含量测定方法。利用太赫兹光谱成像系统获取96份大豆叶片太赫兹图像,采用干燥法测量叶片含水率,通过主成分分析(PCA)提取出水分敏感特征波段0.557、1.098、1.163 THz,对这3个特征波段下的叶片图像采用自适应阈值分割法,将其分为叶脉图像与叶肉图像,分别求取各自的图像灰度特征,并分为叶片特征组(G1)、叶脉特征组(G2)和叶肉特征组(G3)。分别采用多元线性回归(MLR)、反向传播神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)算法,以上述3个特征组作为输入,构建出9种大豆叶片水分预测模型。对比分析各模型性能,发现基于G3的LS-SVM模型预测结果最好,校正集和预测集的决定系数和均方根误差分别为0.967 8、0.963 2,0.057 8、0.046 5。试验结果表明,利用太赫兹成像技术来检测叶片中的水分含量具有非常高的预测精度,为作物叶片水分含量测定提供了一种行之有效的检测手段。