初烤烟叶专业化分级效率研究

设计4种工位的流程化分级方式,分别对第2、第4、第6炕次烟叶实施专业分级试验,研究不同的流程化分级方式对烟叶分级速度与质量的影响。结果表明:二工位和三工位流程化分级速度最快,分别为60.75、60.51kg/(人.工),较一工位分级分别多6.82、6.58 kg/(人.工),较四工位分级分别多9.38、9.14 kg/(人.工);四工位、三工位流程化分级时各炕次烟叶分级质量最好,烟叶等级合格率分别为91.78%、90.38%,比一工位分组分别高24.23及22.83百分点,比二工位分级分别高14.55及13.15百分点。对比4种不同方式的烟叶分级速度及分级质量,以三工位流程化分级效率最高。     

Damage of potato tubers,a review

Summary Damage to potato tubers due to mechanical forces is among the most important causes of loss of quality reported throughout the world. The causes of such damage are mechanical injuries that occur primarily in association with harvesting and grading. The extent of damage is dependent on the condition of the tubers and also reflects the history of the potatoes. Although important advances have been made, there is still a considerable need for research on this subject since knowledge of the combined effects of essential physiological proceses within the cells is still lacking. The avoidance of exposure to mechanical forces constitutes the most effective protection against tuber damage.     

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。     

基于耕地质量指数局部空间自相关的耕地保护分区

科学合理地制定耕地保护分区,是实现耕地差异化保护、精细化管理的重要保障。该文采用Moran散点图和局部空间自相关分析相结合的方法,以耕地质量指数为空间变量,探讨广宁县耕地质量的空间结构性特征和聚集性规律,并据此提出耕地保护分区方案。研究结果表明:广宁县耕地质量在空间分布上呈现出一定的聚集性规律,正相关类型(高-高和低-低型)多以"组团"形式出现,聚集性较强;负相关类型(高-低和低-高型)无明显集中区域,零星分布。基于局部空间自相关分析的耕地保护分区,既综合考虑了耕地自然条件、利用条件和经济条件,同时将耕地质量的空间属性作为第4维,纳入到耕地保护分区研究中,为耕地差异化保护、精细化管理提供了思路。最后,提出了基于局部空间自相关的耕地保护分区方案及相应的保护措施,可为研究区域耕地保护分区提供参考。     

基于耕地质量评价的基本农田划定方法

针对划定基本农田质量、数量的多重要求,以红兴隆垦区二九一农场为例,从耕地的自然质量条件、区位条件、耕地周围影响因素3个层面建立了一般农田划入基本农田的指标体系,并借助GIS技术提取各评价指标的空间属性数据;运用等间隔赋值法进行耕地的质量和区位的优劣排序;建立一种以耕地质量评价为基础的“按质定量”的基本农田划定方法。结果表明:二九一农场优质耕地所占比重较小,且分布较为分散。若使其基本农田保护率达到国家规定的指标,评价分值≥70分的耕地区域是理想的基本农田保护区。实证研究表明此种方法可以减少基本农田划定中人为因素的干扰,使得基本农田的划定更为科学合理。     

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K-means聚类和RF算法的葡萄霜霉病检测分级方法

针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和...     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统.工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得...     

基于阻隔因素的耕地质量分等因素插值方法研究

在山地丘陵区,耕地质量等级调查评价中的分等因素属性值估算受到大、中型山体阻隔影响,造成分等单元各分等因素属性赋值结果的失准。以青海省平安区为研究区,研究基于阻隔因素的分等因素属性值估算方法,并与反距离权重插值、样条函数插值方法进行了交叉验证。结果表明:不同的插值方法对3个分等因素空间分布趋势的模拟基本一致;由于插值原数据的特征与插值原理的不同,导致基于阻隔因素的插值方法对不同的土壤性质表现不一致。土壤有机质和有效土层厚度最适宜的插值方法是基于阻隔因素的样条函数插值,而在土壤pH值插值中,基于阻隔因素的反距离权重插值精度最高;研究区内的土壤有机质含量和有效土层厚度的插值精度比不考虑阻隔因素的样条函数插值的平均绝对误差、平均相对误差、均方根误差、相对均方根误差分别提高了11. 23%、10. 98%、7. 54%、9. 20%和15. 08%、11. 74%、17. 41%、9. 40%;采用基于阻隔因素的样条函数插值方法对有机质含量和有效土层厚度进行插值,二者实测值与预测值之间的决定系数分别为0. 927和0. 901。     

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法（多卷积神经网络融合DXNet模型）。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。