基于微波空间反射法的蔬菜含水率及贮藏时间无损检测

基于微波空间反射法设计一种雷达行驻波检测装置,实现蔬菜在贮藏过程中含水率变化的快速、无损检测。以室温贮藏的生菜、油麦菜为实验材料,对自由空间微波反射叠加产生的空间行驻波进行讨论,研究驻波比与波腹点坐标随蔬菜含水率及贮藏时间的变化规律。结果表明,模型具有良好的预测精度。生菜、油麦菜含水率预测方程的拟合优度R^(2)分别为0.979和0.959,预测标准误差分别为0.310%和0.641%。生菜、油麦菜贮藏时间预测方程的拟合优度R^(2)分别为0.992和0.951,预测标准误差分别为0.173 d和0.285 d。该研究为蔬菜品质的快速无损检测提供了新方法。

基于Transformer的强泛化苹果叶片病害识别模型

模型泛化能力是病害识别模型多场景应用的关键,该研究针对不同环境下的苹果叶片病害数据,提出一种可以提取多类型特征的强泛化苹果叶片病害识别模型CaTNet。该模型采用双分支结构,首先设计了一种卷积神经网络分支,负责提取苹果叶片图像的局部特征,其次构建了具有挤压和扩充功能的视觉Transformer分支,该分支能够提取苹果叶片图像的全局特征,最后将两种特征进行融合,使Transformer分支可以学习局部特征,使卷积神经网络分支学习全局特征。与多种卷积神经网络模型和Transformer模型相比,该模型具有更好的泛化能力,仅需学习实验室环境叶片数据,即可在自然环境数据下达到80%的识别精度,相较卷积神经网络EfficientNetV2的72.14%精度和Transformer网络PVT的52.72%精度均有较大提升,能够有效提升对不同环境数据的识别精度,解决了深度学习模型训练成本高,泛化能力弱的问题。

基于颜色系数反向粒子群模型的田间作物分割方法

针对复杂多变的农田环境下,田间作物分割既要保留农田作物完整外部形态信息,又要满足农田作业速度的要求,该文提出一种基于反向变异粒子群优化(reverse mutation-particle swarm optimization,RM-PSO)算法提取最优颜色系数的田间作物分割方法。该分割方法分为离线和在线2个部分,离线部分采用反向变异策略提高了初始粒子群群体质量及算法的搜索效率,避免算法早熟收敛,陷入局部最优,引入满意度函数对最优颜色系数进行评价,提取全局最优颜色系数。在线部分采用离线提取的最优颜色系数对作物图像灰度化,进而对灰度化后图像进行阈值分割得到最终的分割结果。试验结果表明,该文方法平均错分率(error distinguish rate)仅为4.8%,低于HSI算法、EXG法以及Mean-shift神经网络分割算法的11.3%、19.5%、5.7%;标准差值为3.1%,相较于HSI算法的7.2%、EXG法的14.7%、及传统PSO方法的7.9%,该文算法具有更高的稳定性;平均处理时间为0.311 s,而HSI方法为0.908 s,Mean-shift神经网络分割算法为1.942 s。该方法不仅能够保证不同光照及不同景物干扰下作物外部形态信息完整,同时处理速度快,鲁棒性好,具有较高的实际应用价值。

基于微波空间驻波法的叶类蔬菜含水率无损检测

蔬菜含水率是影响蔬菜品质的重要指标之一。针对传统含水率检测方法测量精度低、费时费力等问题,该研究提出了一种基于微波空间驻波法的蔬菜含水率预测方法,研发了行驻波雷达测量系统。装置包括微波振荡器、微波发射及接收天线、检波器、样品夹持器、滑轨及控制器。以常温贮存的绿叶白菜、生菜为研究对象,采用X波段微波,对测量过程中形成的空间行驻波进行分析,通过线性回归分析建立蔬菜含水率预测模型。测量结果表明,白菜、生菜含水率预测方程决定系数R2分别为0.9920和0.9919,预测结果与直接干燥法相比,均方根误差RMSE分别为1.188%和0.803%,性能标准误差SEP分别为1.071%和1.179%。该研究方法不受微波在空间中的多重反射影响,装置结构简单,单次测量时间小于10 s,能够实现对蔬菜含水率的快速、无损、高精度检测。研究结果为农产品检测相关应用提供参考。

基于轻量卷积网络的田间自然环境杂草识别方法

针对田间自然环境下杂草识别精度低和检测速度慢的问题,本文依据自然环境杂草图像数据的特性,在Xception卷积网络的基础上构建了一种基于轻量卷积网络的杂草识别模型。首先改进Xception模型,采用ELU作为模型的激活函数,并使用全局最大池化层对最后一层卷积进行下采样。然后,对原始数据进行背景分割和数据增强处理,在迁移后的模型上继续微调,训练得到最佳的杂草识别模型。在相同的试验条件下,与VGG16、VGG19、ResNet50和Inception-V3四种标准的深度卷积网络模型进行比较,结果显示,本文模型的整体性能最好,对自然条件下8类杂草及苗期玉米的平均测试识别准确率高达98.63%,改进模型的规模为83.5 MB,单张杂草图像检测平均耗时仅为63.8 ms。本文研究结果可为田间自然环境下精准喷药的实施提供理论基础和技术支持。