高光谱成像的柑橘病虫害叶片识别方法

为监测柑橘生长状况,实现病虫害无损识别,利用高光谱成像技术和机器学习方法进行柑橘病叶分类研究。使用高光谱成像仪采集46片柑橘正常叶、46片溃疡病叶、80片除草剂危害叶、51片红蜘蛛叶和98片煤烟病叶的高光谱图像,在478~900 nm光谱范围内对每个叶片一个或多个发病区提取5×5的感兴趣区域(ROI),将ROI内每个像素的反射率值作为光谱信息,则一个ROI得到25个光谱信息样本,最终五类叶片共得到13250个光谱样本。利用随机法将全部样本划分为9938个训练集和3312个测试集。分别采用一阶求导(1^(st) Der)、多元散射校正(MSC)和标准正态变换(SNV)三种方法对原始光谱信息进行预处理,对不同预处理方法后的数据采用主成分分析法(PCA)提取特征波长。1^(st) Der预处理后得到7个特征波长,分别是520.2,689.0,704.8,715.4,731.2,741.8和757.6 nm;MSC和SNV预处理后得到7个相同的特征波长,分别是551.9,678.5,704.8,710.1,725.9,731.2和757.6 nm;原始光谱得到7个特征波长,分别是525.5,678.5,710.1,720.7,725.9,757.6和762.9 nm。分析PCA后的样本分布散点图可知,正常叶片、溃疡病叶片和红蜘蛛叶片样本有一定程度聚类,除草剂叶片和煤烟病叶片样本有大量重叠,仅依据PCA不能完成病虫害叶片的识别。对全波段(FS)和PCA特征波长数据在不同预处理方法下进行支持向量机(SVM)和随机森林(RF)建模,结果表明:数据在1^(st) Der预处理方法下识别效果最佳,1^(st) Der-FS-SVM模型总分类精度(OA)为95.98%,Kappa系数为0.9482,1^(st) Der-FS-RF模型OA为91.42%,Kappa系数为0.8892,1^(st) Der-PCA-SVM模型OA为90.82%,Kappa系数为0.8816,1^(st) Der-PCA-RF模型的OA为91.79%,Kappa系数为0.894;对PCA选择的特征波长数据建模,SVM和RF模型下识别率均达到84%,全波段下模型识别率在88%以上,FS数据建模效果优于PCA特征波长。研究结果表明,高光谱成像技术结合机器学习方法进行柑橘叶片分类是可行且有效的,为柑橘病虫害的无损准确识别提供理论根据。

高光谱成像的多种类柑橘病虫药害叶片检测方法研究

影响柑橘生长的病虫药害种类繁多,目前的检测方法大多针对单一病症,开发基于高光谱成像和机器学习的多种类柑橘病虫药害叶片快速精准检测方法,对果园精准施药和柑橘产业健康发展具有重要意义。以果园自然发病的柑橘叶片为研究对象,包括柑橘正常叶(50片)、溃疡病叶(50片)、煤烟病叶(103片)、缺素病叶(60片)、红蜘蛛叶(56片)和除草剂危害叶(85片),采集350~1050 nm波段内的高光谱数据。分别利用一阶求导(1Der)、多元散射校正(MSC)和中值滤波(MF)方法对原始(Origin)高光谱数据进行预处理,对预处理后的高光谱数据采用主成分分析(PCA)和竞争性自适应重加权(CARS)算法提取特征波长,CARS降维得到的特征波长分别为10个、5个、12个和10个,4组PCA提取的特征波长均为7个,两种方法所得特征波长范围都集中在700~760 nm波段内。对全波段(FS)使用极限梯度提升树(XGBoost)算法,特征波长使用支持向量机(SVM)建立柑橘病叶多分类模型。采用XGBoost建立的检测识别模型有Origin-FS-XGBoost,1Der-FS-XGBoost,MSC-FS-XGBoost和MF-FS-XGBoost,对6种病虫害叶片检测得到的整体分类准确率(OA)分别为94.32%,93.60%,95.98%和96.56%;SVM建立的检测识别模型为Origin-CARS-SVM,1Der-CARS-SVM,MSC-CARS-SVM,MF-CARS-SVM,Origin-PCA-SVM,1Der-PCA-SVM,MSC-PCA-SVM和MF-PCA-SVM,各模型OA依次为93.63%,90.26%,87.90%,91.95%,87.53%,90.82%,83.50%和90.98%。结果表明,以FS为输入的XGBoost模型识别率整体优于以特征波长为输入的SVM模型,MF-FS-XGBoost模型OA为96.56%,召回率(Recall)为95.91%,模型训练时间(Train-time)为63 s,综合性能最好;CARS-SVM建模效果优于PCA-SVM,在3种预处理方式下,CARS-SVM模型识别率均高于87%,PCA-SVM模型识别率均在83%以上。结果证实了,高光谱成像技术结合机器学习方法可实现多种类柑橘病虫药害分类识别,为柑橘病虫药害快速无损检测和防治提供科学依据。

基于NIR和SOM-RBF网络的兰州百合关键营养物质定量分析方法

为了实现兰州百合关键营养物质蛋白质和多糖的快速无损检测,在12000~4000 cm^(-1)光谱范围内采集了59份兰州百合粉的近红外光谱(NIRS)。首先运用SG、Normalize、SNV、MSC、Detrend、OSC、SG+1D、SG+Normalize、SG+SNV和SG+Detrend十种预处理方法对原始光谱数据进行处理,确定蛋白质的最佳预处理方法为SG+Detrend、多糖的最佳预处理方法为Detrend;然后运用CARS、SPA和PCA三种算法对预处理的光谱数据进行特征波长筛选,确定蛋白质和多糖的最佳特征波长提取方法均为SPA算法;最后采用PLSR法建立了兰州百合关键营养物质蛋白质和多糖含量的预测模型,结果显示,经过SG+Detrend_SPA处理所建立的蛋白质PLSR模型中,预测集相关系数R;为0.8106,预测集均方根误差RMSEP为1.1953;经过Detrend_SPA处理所建立的多糖PLSR模型中,预测集相关系数R;为0.8109,预测集均方根误差RMSEP为2.0946。考虑到经典PLSR无损预测模型精度的限制,在该研究中提出SOM-RBF神经网络无损预测模型。首先利用SOM网络对数据样本进行聚类,然后将得到的聚类类别数和聚类中心作为RBF网络的隐层节点个数和隐层节点数据中心,以此来优化RBF的结构参数。在建立的蛋白质SOM-RBF神经网络模型中,预测集相关系数R;为0.8666,预测集均方根误差RMSEP为1.0385;建立的多糖SOM-RBF神经网络模型中,预测集相关系数R;为0.8681,预测集均方根误差RMSEP为1.7994。比较PLSR和SOM-RBF两种模型对两种物质的预测结果,确定了SOM-RBF神经网络模型为最优建模方法,最终确定在蛋白质检测中,最优模型为基于SG+Detrend_SPA_SOM-RBF建立的模型,模型的预测集相关系数较PLSR高5.6%,预测集均方根误差较PLSR低0.1568;在多糖检测中,确定的最优模型为基于Detrend_SPA_SOM-RBF建立的模型,模型的预测集相关系数较PLSR高5.72%,预测集均方根误差较PLSR低0.2952。研究结果表明,运用NIR和SOM-RBF技术可以实现对兰州百合关键营养物质蛋白质和多糖的快速无损检测,为今后快速无损检测兰州百合营养物质提供理论依据。

基于ROS的智能家居服务机器人设计

针对传统服务机器人开发效率低,可扩展性、模块化程度差等缺点,设计了基于ROS的智能家居服务机器人,具有地图构建、定位、导航、路径规划和室内环境检测与控制等功能。给出了系统硬件架构,设计了ROS框架下的地图构建、定位和路径规划等多个节点,阐述了机器人系统和智能家居系统的通信方式和实现方法。实验结果表明,本文设计的基于ROS的服务机器人可构建较高精度的环境地图,实现室内定位、导航、及对家居设备的智能检测控制功能,具有模块化、易于扩展等优点。

基于卷积神经网络的柑橘病叶高光谱分类

柑橘是我国重要的农产品经济作物,柑橘病虫害会严重影响柑橘的产量及品质,为了实现柑橘病虫害的早期诊断,该文提出了一种基于卷积神经网络CNN(Convolutional Neural Networks)和高光谱技术的柑橘病叶分类新方法。实验选柑橘正常叶片、柑橘溃疡病叶片、柑橘红蜘蛛叶片、柑橘煤烟病、柑橘除草剂(草甘磷)叶片为研究对象,用高光谱成像系统提取450~900nm下81个波段作为模型输入数据,建立基于卷积神经网络的柑橘病叶分类模型。实验结果显示,在迭代次数为1000次和学习率为0.001时,模型的平均准确率为98.75%。研究表明,利用高光谱图像技术和卷积神经网络相结合的方法能够准确检测柑橘病虫害叶片,为柑橘病虫害早期诊断和预警提供了实验和理论依据。

基于深度学习和迁移学习的水果图像分类

图像识别作为深度学习领域内的一项重要应用,水果图像的分类识别在智慧农业以及采摘机器人等方面具有重要应用。针对以往传统图像分类算法存在泛化能力差、准确率不高等问题,提出一种在TensorFlow框架下基于深度学习和迁移学习的水果图像分类算法。该算法采用Inception-V3的部分模型结构对水果图像数据进行特征提取,采用Softmax分类器对图像特征进行分类,并通过迁移学习方式进行训练得到迁移训练模型。测试结果表明,该算法与传统水果分类算法对比,具有较高识别准确率。

基于Canny算子和SVM的瓶盖缺陷检测系统研究

针对人工检测瓶盖表面黑点易出现漏检的问题,设计了基于Canny算子和SVM的瓶盖缺陷检测系统,给出系统总体架构,阐述系统软硬件设计思路,重点研究Canny算子与SVM相结合的瓶盖缺陷识别技术。实验结果表明,相对于传统人工瓶盖黑点的缺陷检测,设计的系统提高了缺陷识别的准确率。

新生工程体验课程中的教学改革探索

《新生工程体验》是信息工程专业的一门富有趣味的专业选修课。引发学习兴趣是学好大学课程的前提条件,然而大一新生很难短时间深入了解本专业所学内容。因此,需要融入创新意识的教学改革,让学生尽早的了解专业所学内容,掌握专业的知识框架,开启大一新生在科学与工程技术研究与探索之路。文章主要结合北京工商大学信息工程专业的实际情况和笔者的教学实践,对该课程的改革与探索展开初步探讨。

Sub-pixel edge detection method for miniature parts in microscopic field of view

In order to improve the edge detection precision of miniature parts in microscopic field of viewa sub-pixel edge detectionalgorithm combining non-orthogonal quadratic B-spline wavelet transform algorithm and Zernike moment algorithm is proposed.Non-orthogonal quadratic B-spline wavelet transform algorithm is adopted to get the pixel edge of miniature parts?andthe moment invariant of Zernike moment algorithm is used for refining the pixel edge to get sub-pixel edges.A real-time detectionsystem based on the proposed algorithm for miniature parts is established.The general system structure and operational principle are given,the real-time image acquisition and detection are completed,the results of edge detection are analyzed and the detection precision is evaluated.The results show that parts size can be0.01-10mm and the detection precision reaches0.01%-0.1%.Therefore,the edge of the miniature parts can be accurately identified and the detection precision can be improved to sub-pixel level,which meets the requirements of miniature parts precision detection.

工作场所欺凌行为对护士职业价值观的影响

目的了解护士工作场所欺凌行为、职业价值观现状,分析工作场所欺凌行为对护士职业价值观的影响。方法 2019年6-7月,采用便利抽样法选取天津市某三级甲等医院的护士作为研究对象,使用一般资料问卷、负性行为问卷和护士职业价值观量表进行调查。结果 240名护士工作场所欺凌得分为33.91±12.67,职业价值观得分为92.56±17.41,护士工作场所欺凌行为总分与职业价值观总分呈负相关(r=-0.446,P<0.01),工作场所欺凌总分、再次择业选择护理、夜班数、科室、婚姻状况为护士职业价值观的影响因素。结论护士遭受工作场所欺凌行为会对其职业价值观产生影响,医院管理者可通过减少工作场所欺凌来提高护士职业价值观,从而为保障护士身心健康、维持护理团队稳定及改善护理管理工作提供支持。