高速打蛋机蛋清蛋黄分离中基于计算机视觉的散黄蛋识别研究

链式打蛋机用于鸡蛋蛋清蛋黄的快速分离,针对鸡蛋散黄无法分离的问题,提出了基于彩色图像处理的对散黄蛋进行自动识别的方法.利用机器视觉装置采集链式打蛋机生产线上的图像,从每一幅原始图像中根据坐标裁剪出目标区域260×240像素的子图像,选定蛋黄的黄色区域作为样本点,在RGB空间利用欧几里得距离对图像进行分割,找出蛋清斗中蛋黄的区域,计算蛋黄区域的面积,通过蛋黄面积大小进行判断鸡蛋是否散黄,达到对散黄蛋进行识别的目的,本方法对散黄蛋识别的正确率达到96.67％;用图像识别的方法可快速判断鸡蛋散黄情况,可以将本方法应用到生产实践中代替人眼进行识别.     

自然环境下苹果彩色图像分割研究

[目的]获得自然环境下较好分割苹果图像的方法。[方法]选取苹果被遮挡（主要是叶子）、相互重叠的情况作为试验图片,采用欧几里得距离对彩色图像进行预处理,在预处理中,利用边界盒的相似性准则,提高了处理速度;对预处理的结果进行黑白（苹果和非苹果）编码,产生一副二值分割图像;最后采用数学形态学对二值化图像进行处理。[结果]有效的去除了复杂背景、目标物被遮挡、相互重叠等存在的图像噪声,去噪效果良好。[结论]算法对成熟苹果具有很好的分割效果,但不适合未成熟苹果的分割。     

林业系统多效益综合评价的有效方法

本文针对林业生态经济系统的经济、生态、社会三大效益的综合评价问题，提出了一种特殊的多目标决策方法──多属性决策的理想点法。     

高速打蛋机蛋清蛋黄分离中基于计算机视觉的散黄蛋识别研究

链式打蛋机用于鸡蛋蛋清蛋黄的快速分离,针对鸡蛋散黄无法分离的问题,提出了基于彩色图像处理的对散黄蛋进行自动识别的方法。利用机器视觉装置采集链式打蛋机生产线上的图像,从每一幅原始图像中根据坐标裁剪出目标区域260*240 像素的子图像,选定蛋黄的黄色区域作为样本点,在RGB 空间利用欧几里得距离对图像进行分割,找出蛋清斗中蛋黄的区域,计算蛋黄区域的面积,通过蛋黄面积大小进行判断鸡蛋是否散黄,达到对散 黄蛋进行识别的目的,本方法对散黄蛋识别的正确率达到96.67%;用图像识别的方法可快速判断鸡蛋散黄情况,可以将本方法应用到生产实践中代替人眼进行识别。     

全息网格云存储——下一代的天文学存储技术

本文讨论了如何采用全息技术建立分布式的RAID系统（磁盘存储阵列）,让不同地理位置的分布式天文数据“存储单元”组成一个一体的遥控设备。为达到这一目的,需要建立一个平台（最好是开放源的）,通过相应的软硬件（物理的或虚拟的）,促进网页服务的认证加密和传递。我认为“桉树”开放源平台是实现这一目标的最好平台。一旦有了适宜的IaaS（基础设施即服务）,就能建立所需的虚拟平台PaaS（平台即服务）,然后才能按科研需求建立服务SaaS（软件即服务）。任一一体服务都对应着特殊的仪器或天文台,通过与物理数据紧密相关的分布式次级元数据库提供。从外部看,这些服务可以被看作是一个资源的组成部分,是分布式计算的结果。终端用户只要用自己的个人许可证把相应的安全模式远程连接到设备中,就可以部分或全部使用这些技术了。存储块＋服务构成的平台可以快速扩展,为某一仪器或任务提供分布式网络云计算服务。建议每种云计算都采用专门的网格基础设施,这样能更好地完成一些重要任务,快速使用大量加密压缩的科学数据。功效、可访问性、并行程度和冗余度都取决于分布式存储块和数据连网的数量：数量越多,IT系统的容量越大。这类存储块是两种技术和两种不同计算模式即网格技术与云技术的汇合点。提取、利用两种技术中的精华可以使效益最大化,缺点最小化,以最佳方式为将来的天文台和天文学任务开发建立基础设施。在本文中,我首先介绍了我引用的技术：网格计算,云计算（即云存储）,最先进的全息数据存储技术与设备,然后讨论了现代科学数据存储设施的若干主要问题,最后提出了一个利用存储块和基本需求服务技术的解决方案。     

基于EDM-VKF的转子时变复杂信号时频表示方法

轴轨道的时频表示已被证明是分析非平稳振动信号的有效工具，但是传统时频表示方法分辨率较低，不易区分分布较近的特征频率。为解决该问题，提出转子时变复杂信号时频表示方法，首先运用基于经验模态分解的多尺度小波阈值降噪算法处理原始信号，得到降噪后的转子振动信号；其次针对信号时频谱图，引入欧几里得距离重构时频矩阵，不但提高信号的时频聚集性，而且使时频矩阵具有更好的极值点连贯性避免极值点偏移，进而更准确地检出时频脊线并估计信号基频分量瞬时频率值；最后采用Vold-Kalman滤波器在时域信号中分离基频和其谐波分量，并计算谐波分量的瞬时全谱参数，构建转子信号的高分辨率时频表示。通过对转子系统模拟仿真信号和转子不对中信号分析，验证了该方法的有效性。