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。     

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...     

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。     

种子重力分选机预分层喂料系统设计与试验

为了提高种子重力分选机分选性能,降低设备使用调节难度,提出了种子进入分选台面的预分层工艺,设计了配套的分层喂料系统,计算确定了结构参数。在SolidWorks中建立了系统模型,采用SolidWorks-Simulation对模型工作应力和位移进行分析。采用SolidWorks-Flow Simulation对流场进行仿真和系统结构参数优化。在5TZX-50型重力分选机上进行试验,利用Design Expert 软件进行Box-Behnken响应面分析,建立了性能指标与影响因素的数学回归模型,选出了气流速度为3.40m/s、振动频率为9.75Hz、导流板倾角为29.65°的最佳组合,该组合下除轻杂率和除重杂率试验值为95.12%和96.37%。试验表明,除杂率与目标优化预测值的误差不大于1.36%,分层喂料系统满足设计要求。