探地雷达树木根系定位与直径估算

针对树木根系的探地雷达(Ground Penetrating Radar,GPR)检测图像复杂、解译困难、自动化程度低且精度不高等问题,该研究提出了一种基于YOLOv3的树根自动识别和参数估计的方法。通过不同的根预埋试验分析了根直径、掩埋深度和朝向对根系识别和预测的影响,对比评估了在复杂现场环境下该方法与商业软件常用的阈值分割方法的识别效果。结果表明算法可实现根系自动提取和双曲线顶点定位,对根双曲线的识别准确率和召回率分别达到了96.62%和86.94%,根系参数预测的总平均相对误差在10.57%以内。该方法具有较高的识别准确率和鲁棒性,可实时地对树木根系进行检测并进行根系参数预测,对树木根系无损检测具有重要意义。     

基于改进RHT及均值漂移聚类方法的双孢菇图像目标提取研究

工厂化生产环境下双孢菇图像存在成簇粘连、菌柄倾斜、白色菌丝繁盛等复杂状态，采用常规阈值分割方法无法准确提取目标，采用改进的随机霍夫变换圆形检测算法与滑动平均聚类算法结合的方法开展目标提取研究。通过图像预处理降低部分背景干扰，改进边缘点取样方式提升圆形检测效率，依据菌盖半径范围剔除无效参数；以双孢菇图像检测出的所有圆形为目标，采用均值漂移聚类算法合并圆形，消除圆形检测算法中识别出的错误目标。采用算法提取目标结果：针对双孢菇规则生长、菌盖附土、菌盖重叠率不高或变形较小的图像，目标提取正确率大于92%；针对大面积菌丝包围菌菇、菌菇成簇倾斜、大小菌菇密集掺杂、菌盖堆积变形严重的图像，存在圆形检测不准、聚类误判或漏判等问题，目标提取正确率大于82%。本文采用的算法数据处理量小、计算速度快、适应性强，能够满足菌菇生产过程中长势自动监测、出菇统计等需求。