基于注意力机制改进卷积神经网络的柑橘病虫害识别

柑橘是我国种植面积最大、产量最高的水果作物,对我国的经济发展具有重要作用。柑橘病虫害侵染是导致柑橘产量及品质下降的重要原因之一,高效、准确的柑橘检测技术对柑橘产业的发展具有重要意义。因此,本研究提出一种基于注意力机制改进卷积神经网络的柑橘病虫害识别算法,以多尺度特征提取网络Inception v3为基础,在Inception结构间加入CBAM注意力机制,构建基于注意力机制的多尺度特征提取网络;然后融合残差注意力网络,提升模型的整体性能,以实现对柑橘病虫害的精准识别。试验结果表明,基于注意力机制改进卷积神经网络的柑橘病虫害识别算法从通道和空间维度提高了对输入有效特征的关注度,在融合残差注意力网络后,提高了模型的整体性能,实现对5种柑橘叶片(溃疡病、潜叶蛾、黑点病、红蜘蛛和健康叶片)的识别准确率达到98.49%,比基础模型提高4.02百分点,说明本研究提出的方法对柑橘病虫害的识别效果较好。最后将模型进行部署,设计柑橘病虫害识别系统,实现基于移动端的柑橘病虫害智能检测,为相关研究提供参考。     

基于软X射线成像技术的柑橘内部浮皮和枯水检测

针对传统方法无法高效、无损地对柑橘浮皮和枯水进行检测的问题,本研究自制了一套软X射线成像系统,包括载物传送装置、软X射线成像装置、触发装置和软X射线防护装置.本研究根据宽皮柑橘物理特性确定检测参数,以柑橘图像的清晰度、对比度、畸变率为评判标准,通过调节成像装置参数,确定了最佳的成像参数为:X射线源的管电压60 kV,管...     

采用X射线三维重构技术检测厚皮柑橘的体积可食率

针对传统无损检测技术无法定量分析厚皮柑橘体积可食率的问题,为此开发了一套线阵X射线图像采集和三维重构装置,包括果实旋转升降、数据采集、辐射防护及运动控制,实现厚皮柑橘果实的体积可食率检测。以“不知火”柑橘为检测对象,利用X射线投影图的信息熵为评价依据,根据果实大小对检测参数进行优化,得到X射线源的管电压为67 kV,管电流为0.92 mA,线阵探测器的积分时间为1 ms。以旋转角度2.0°为间隔,在圆周方向采集180幅X射线投影图并生成正弦图,通过滤波反向投影（filtered back projection, FBP）算法将正弦图重构为切面图,再利用图像滤波、图像增强、阈值分割对切面图进行图像分割处理,分割出背景区域、果皮区域、果肉区域和空腔区域,然后基于区域面积比定义切面图像可食率。同时,测量了柑橘基本物理参数,计算了切面图像可食率,并建立了与柑橘体积可食率之间的相关关系。结果表明,切面图像可食率与体积可食率相关性最高,相关系数为0.93。最后,选择切面图像可食率作为数学模型的输入特征,利用线性回归模型对厚皮柑橘体积可食率进行定量分析,其预测集决定系数（coefficient of determination of prediction, R_p²）、预测集均方根误差（root mean square error of prediction, RMSE_p）、相对分析误差（residual predictive deviation, RPD）分别为0.86、4.81%和2.71。综上,利用X射线三维重构技术对厚皮柑橘体积可食率进行无损检测可行,可为其他农产品内部品质无损检测提供参考。