计算机编目条件下书次号的选取问题

 

通过对计算机编目条件下种次号与著者号的优劣比较，提出不应该简单地下结论哪种书次号就更科学而轻易选定书次号。应该一切从读者出发，从计算机编目的实践出发来决定书次号的选取。

     

西兰花选择性采收作业平台识别切割装置设计与试验

针对当前人工采收西兰花存在季节性劳动力需求强、劳动强度大以及成本高等问题,该研究基于西兰花的农艺特性与形态特征设计了一种西兰花选择性采收作业平台,旨在能够实现对西兰花的自主识别切割作业。首先,该平台采用“识别-采收”一体化作业模式,通过对采收作业平台的关键部件进行设计与选型,建立了西兰花的视觉识别系统和定心切割机构。其次,根据西兰花茎秆与割刀之间的相互作用关系,采用对数螺线作为切割曲线设计了一种等滑切角割刀,确定了割刀滑切角40o、切割半径135 mm、割刀长度260 mm等关键切割参数。根据西兰花茎秆的材料属性参数,基于ANSYS Workbench/LS-DYNA软件对茎秆切割过程进行显式动力学仿真分析,以割刀刃角和转速为控制因子,以最大切割力为试验指标,利用正交试验优化设计,确定了茎秆切割过程的最优参数组合为割刀刃角20°、转速1 rad/s,在此参数下最大切割力为725.82 N,切割质量较优。最后,对采收作业平台进行性能试验,结果表明视觉系统能够有效识别自然环境下的成熟西兰花植株,检测效果良好;定心切割机构可快速平稳的切入并切断西兰花茎秆,切断表面平整光滑;采收作业平台整体漏收率在10%以下、检测准确率为90%、切茎合格率为88.9%,可满足西兰花选择性采收的作业需求。本研究可为西兰花选择性采收作业装备的设计开发提供理论参考和实际借鉴。     

权重约束AdaBoost鱼眼识别及改进Hough圆变换瞳孔智能测量

针对传统鱼眼瞳孔直径测量方法耗时、耗力,且数据主观性强的问题,该文提出基于权重约束AdaBoost和改进Hough圆变换的鱼眼瞳孔直径智能测量方法。首先,利用工业相机采集实验板上的鱼图像,从正负鱼眼图像样本中训练出基于权重约束AdaBoost算法的鱼眼分类器;然后,采用该分类器对试验图像进行检测,将检测到的鱼眼局部图从整体图中分离出来;最后,采用改进的Hough圆变换检测出鱼眼的瞳孔,并计算得到瞳孔直径。对100条金鲳鱼进行试验,鱼眼分类精度达97.1%,瞳孔正确检测率达94.2%,相比改进前分别提升了1.7个百分点和10.5个百分点,与人工测量瞳孔直径值的平均偏差为6.5%,比改进前低了5.9个百分点,总的平均测量时间为324.371 ms,比改进前减少了10.707 ms。试验证明:该文提出的方法能够精确、实时、自动地测量出鱼眼瞳孔的直径,有效避免了传统测量方式的复杂性和测量数据的主观性,可为鱼体生长状况评估、良种选育提供重要参考。     

基于里程信息融合的株间锄草刀定位数据优化方法

为提高株间锄草刀定位精度、降低机器视觉受外界因素的影响,该文提出里程信息融合机器视觉的方法对锄刀定位数据进行优化。通过分析定位数据校正和视觉滞后补偿的原理,设计了模糊逻辑校正器,通过模糊规则将模糊校正系统简化为单输入单输出形式,采用Mamdani模糊推理方法获得视觉数据可信度决策表,将可信度作为加权值生成校正锄刀定位数据,并提出采用实时里程信息作为视觉滞后补偿量的方法,给出补偿公式。田间刀苗距优化静态试验表明,视觉刀苗距误差为9.88 mm,优化后刀苗距误差为6.06 mm;动态试验表明,视觉数据出错率为4.8%～6.6%,刀苗距变化曲线显示,优化方法可有效过滤视觉坏点或不稳定的数据点,将视觉滞后纳入衡量标准,不同车速下动态优化后刀苗距平均误差为5.30～7.08 mm,较优化前降低了25%左右。研究结果表明,锄草刀定位数据优化方法可有效提高机器视觉静态和动态获取刀苗距的精度。该研究为提高株间锄草技术的锄刀定位精度提供了参考。     

基于物联网的生猪运动行为及猪舍环境远程监控系统

In intensive and large-scale livestock breeding, how to evaluate welfare of each individual effectively has become one hotspot of welfare breeding.In this study, a remote monitor system based on computer vision technology and wireless sensor networks was proposed.In the system, pig videos in the piggery were captured by IP cameras and transmitted remotely to PC systems for objects tracking and trajectory extraction, and the piggery environmental data such as temperature, humidity and harmful gases were collected by wireless sensor networks(WSN) nodes.Traditional Camshift tracking algorithm was improved.The average root mean square errors of traditional and improved algorithm were 78.07 and 32.29, indicating the improved algorithm reduced error and improved tracking stability.The results of the real-time monitoring of environmental parameters by WSN showed that the hydrogen and ammonia concentrations, and the ambient temperature were all kept in the normal range, while the carbon dioxide concentration was exceeded, and the air humidity was slightly high.Through data mining, precise welfare monitoring and breeding management were realized.     

棉种加工成套设备的计算机控制技术研究

文章介绍了棉种加工成套设备的计算机控制系统关键技术。系统实现了包括电机转速、加工温度、液位等参量的实时检测及控制,实现了成套设备的自动控制功能。软件设计了人机交互界面。应用表明,系统实时性强、可靠性高,提高了棉种加工质量。     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

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.     

机器视觉排种试验台的研制

系统介绍了黑龙江省农机院研制的新型排种器试验台。该试验台包括可模拟机械和气力两种精密排种器高速作业,并具有实现稳定承种的机械装置和控制系统。基于试验台的工作原理,给出了机械结构简图、监控系统电气原理图,并简述了机器视觉方法测量排种粒距的原理和程序流程。该方法具有精确、直观、实时的优点。     

基于计算机视觉的水果分选机实时控制系统

研究了一种基于计算机视觉的水果分选机实时控制系统。其利用计算机进行水果图像的采集、处理。利用单片机对分选台执行机构进行控制。工作时，光电传感器的脉冲信号触发图像卡采集图像，计算机进行图像处理后，其结果信号由串口发出，单片机接收到结果信号后向相应的电磁阀发出开关量信号，驱动执行机构动作，从而实现实时分选。