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。     

大都市边缘区三级基本农田集中保护区分级划定及调控机制

针对大都市边缘区城市拓展与农地保护矛盾尖锐、景观破碎化、权属细碎化、整体布局稳定性差等问题,开展三级基本农田集中保护区分级划定及调控机制研究,对大都市边缘区保红线保发展促集约促创新具有重要意义。该文以北京市昌平区为例,提出三级基本农田集中保护区划定的总体思路,构建基本农田集中保护区识别指标体系,划定基本农田集中保护区,并将基本农田集中保护区分为市区乡三级,在此基础上探讨基本农田集中保护区分级调控机制。研究划定了1个市级基本农田集中保护区、6个区级基本农田集中保护区、6个乡级基本农田集中保护区,规划土地整治复耕1 149.97 hm2,使单位基本农田经营规模提高到38.76 hm2,使3 hm2以下细小图斑降低至1.21%,实现了昌平区内96.63%的基本农田集中连片保护,建立了规划调控、用途管制、奖惩联动分级调控机制。研究结果可为国家制定基本农田保护区分级保护政策和开展同类研究提供参考,为地方政府提高基本农田保护区保护质量和管理效率提供思路借鉴。     

基于WilksΛ准则的KFDA方法研究枸杞分级

为提高枸杞分级正确率,建立一种基于枸杞图像的分级模型,以3个产地共6个等级的枸杞为研究对象,在提取枸杞图像颜色和纹理特征参量的基础上,运用Fisher判别分析(FDA)和核Fisher判别分析(KFDA)方法对6个等级的枸杞进行鉴别分析。在KFDA分析过程中,选取径向基函数(RBF)为核函数,采用基于距离测度的矩阵相似性度量方法,优化确定了RBF核函数的最优参数值为13.2436;选用前150个主成分分析时,基于WilksΛ准则的枸杞分类及验证正确率分别为100.00%和87.80%,而基于传统主成分贡献率的枸杞分类及验证正确率分别100.00%和81.70%。结果表明,运用基于WilksΛ准则的KFDA方法,选用150个最有利于分类的主成分,鉴别结果由FDA的91.7%提高到KFDA的100%。该研究方法不仅有效提高了枸杞图像的鉴别正确率,而且为其他农产品图像分级提供了理论依据。     

农用地等级监测指标体系与方法

通过农用地等级质量监测,实时获取农用地等级质量信息是实现农用地可持续开发利用和耕地占补平衡的基础。在已有农用地分等定级指标体系成果的基础上,通过指标易变性分析选出引起农用地等级质量变化的易变性指标,进一步分析导致易变性指标变化的驱动力,并结合当前相关指标或驱动力因子的监测技术现状,筛选出了能够直接或间接监测并评价农用地等级质量的监测指标,建立了农用地等级质量监测指标体系,并针对各种指标提出了相应的监测方法。分析结果表明,由于充分考虑了驱动力的区域差异性,构建的监测指标体系也具有很强的区域性,相应的监测方法更为实用。     

北苍术种子质量分级标准研究

对源自不同产地的22份北苍术种子形态大小、含水量、千粒重、净度、生活力、发芽率等指标进行检验。在对试验数据进行收集、整理、分析的基础上,将其分成三个等级,本实验依据各项检测项目对22份北苍术种子进行检验,初步确定北苍术种子分级标准。     

设施土壤中连续施用生物炭对土壤磷形态及吸附与释放特性的影响

针对设施土壤中长期大量施用有机肥可能造成的土壤磷素过度积累及易流失等问题,本研究拟通过施用生物炭增加土壤中磷的吸附,从而减少磷流失。此外,目前关于在设施土壤中连续施用生物炭对土壤磷素形态和有效性的影响作用尚不清楚。为此,在辣椒大棚中通过长期定位试验,研究连续4茬施用生物炭对土壤有效磷、不同形态磷、磷吸附及释放的影响。结果表明：在每公顷施用15 t猪粪稻草有机肥基础上施用生物炭可显著增加土壤有机碳含量和土壤pH,并显著改变了土壤磷各组分含量,显著增加了NaHCO₃ P_i、NaHCO₃ P_o、Fe/Al-P_i和Ca-P_i含量,且显著降低了Ca-P_o含量。此外,连续4茬施用生物炭还增加了土壤对磷的吸附,从而降低土壤磷的释放。本研究结果说明,在设施土壤中长期大量施用有机肥下结合施用生物炭在保持土壤有效磷供应下可提高土壤磷的吸附,从而降低土壤磷素的流失风险。     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

农产品分级决策方法的研究现状与发展趋势

综述了国内外水果、蔬菜及其它农产品分级决策方法的研究与应用现状,归纳了现有研究尚存的主要问题,如研究对象比较单一、信息采集不全面、没有统一的分级标准等.提出广泛扩展研究对象种类、搞好农产品分级与标准化工作,把研究适合我国国情的农产品分级决策方法等作为今后的发展趋势.     

基于改进残差网络的田间葡萄霜霉病病害程度分级模型

针对传统葡萄霜霉病人工诊断分级方法低效且存在滞后性的问题,提出了一种改进残差网络的田间葡萄霜霉病识别及病害程度分级模型.在田间采集霜霉病前期、中期、后期以及健康叶片图像,并模拟天气、拍摄角度及设备噪声等影响因素进行数据增容;基于不同发病程度叶片间特征相似度高、区分难度大的特点,在优选ResNet-50模型的基础上,为解...     

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...