基于蒙特卡罗频率法的葡萄籽总酚含量高光谱测量变量选择

在利用高光谱建立葡萄籽总酚含量的预测模型中,为解决变量过多、模型复杂度高等问题,需依据光谱特点进行有效地数据降维。提出了一种蒙特卡罗频率法(MCF)对高光谱数据进行波长选择,并建立了葡萄籽总酚的支持向量回归(SVR)预测模型。该方法首先采用蒙特卡罗采样(MCS)选择波长子集;然后建立大量SVR子模型,并选出均方根误差(RMSE)较小的子模型,统计每个波长出现的频次;最后根据指数递减函数确定波长个数,选取频次最高的波长子集作为特征波长。结果表明,采用MCF可以在降维的同时提高模型的预测性能,波长数目由原始的196个减少到9个,波长范围均在950~1400 nm,RMSE值从0.42减少到0.37,预测精度优于SPA等其他波长选择方法。因此,提出的基于MCF在高光谱数据处理中能有效选择特征波长,为准确建立预测模型提供了一种有效的方法。

大蒜收获机参数优化试验研究

为了解决大蒜收获效率低、损伤率高的问题,设计了一种大蒜收获机,主要包括动力系统、传动系统、行走系统、操纵系统、振动系统及切割系统。同时,采用了二因素五水平二次正交旋转组合方法对影响其性能的入土深度和入土角度这两个主要因素进行了参数优化试验,获得取整后的最佳参数组合为:入土深度8cm,入土角度21°。田间试验结果表明:大蒜挖出率为97.96%,大蒜损伤率为1.03%。研究结果对大蒜收获机的研发提供设计依据。

基于SSD算法的自然条件下青苹果识别

针对自然条件下青苹果与背景颜色相似而识别困难的问题,提出了一种SSD深度学习算法与相关图像处理算法相结合的方法。首先采用SSD算法检测图像中的青苹果,将苹果区域用边界框标记并得到其位置坐标;然后根据该坐标将非苹果区域像素用黑色填充,仅保留边界框内的像素;最后运用k-means算法、RGB空间中的R-B色差法及YUV颜色空间中的U分量阈值分割法识别边界框内的苹果轮廓,通过对比3种方法的识别效果得到最优的苹果识别方法。实验表明,SSD算法与U分量阈值分割法相结合的方法识别精度最高,平均分割误差为8.04%,假阳性率为0.55%,假阴性率为9.05%,叠加系数为88.60%。