基于骨架模型的植物根系三维构型可视化方法

为实现对植物根系的原位构型进行三维可视化和定量分析,针对根系分割区域数据导致可视化以及交互测量产生信息冗余等问题,提出一种基于改进骨架模型的植物根系三维构型可视化方法。通过建立根系稀疏云点骨架化模型,提出由原始切片分割数据对根系进行三维骨架化建模并可视化的方法。开发软件平台并通过实验验证了该方法可行性,模型对真实的原位根系具有理想的拟合效果,为根系构型参数的检测和定量分析提供了一种基础平台。

基于机器视觉的教室多目标跟踪算法设计与实现

为实现教室监控视频中多目标智能跟踪,研究提出了一种基于前景检测修正和梯度特征的改进型CamShift算法。该算法利用收敛速度分段分区可调的背景重建算法对视频序列进行背景重建与前景检测。综合考虑了前景检测结果,图像梯度和颜色特征,进行CamShift目标跟踪。该算法能自适应调节梯度与颜色特征融合比例,对强光有一定的抑制作用。开发了实验软件,仿真结果表明了所提算法的有效性,为解决教室照明用电浪费问题提供一个可行的解决方案。

基于机器视觉技术的教室照明节能控制系统

为解决教室照明用电浪费问题,设计和制作了基于机器视觉技术的教室照明节能控制系统。该系统在监控计算机端采用帧差分与分段收敛的背景差分叠加法从监控录像中识别教室人员,并根据室内人员情况控制教室照明设备的开启或关闭。系统硬件主要由图像采集模块、监控计算机、电气控制模块及教室电气线路等4部分组成;系统软件基于Matlab开发,按功能可分为图像获取、图像处理、串口双向传输、图形用户界面及数据库等5部分。室内人员检测实验结果表明,系统识别平均耗时0.2s,进行实时室内人员识别的帧速上限为5帧/s;当图像中不包含和包含人员时,系统对室内人员的检测准确率分别为100%和93%。

基于机器视觉技术识别实蝇成虫

【目的】探索大范围、实时和准确监测柑橘园实蝇发生的技术。【方法】设计了基于机器视觉技术的橘小实蝇、南瓜实蝇和瓜实蝇识别算法。该算法包括:(1)基于颜色特征的目标区域分割,(2)基于Hough变换的盾形区域长轴搜索和图像配准,(3)基于BP神经网络的实蝇目标识别等主要部分。【结果】所有程序基于Matlab软件编写,试验中对自制样本库的120头橘小实蝇、南瓜实蝇和瓜实蝇图像样本进行配准,准确率为100%,平均耗时0.4 s;应用建造的BP神经网络模型识别3种实蝇的准确率为100%,取得了理想的识别效果。【结论】由于目标区域分割中阈值的选取受实验环境因素的影响,进一步研究的方向为提高阈值选取的自适应性。

土壤中植物根系的层析成像检测试验

针对植物根系难以在大尺寸土壤介质中实现有效成像的技术难题，本文采用基于平板探测器的160kV小焦点锥柬CT设备，选用直径分别为210mm和120mm两种尺寸不同的6个土壤样品进行植物根系的原位成像检测试验，以期找出影响其原位根系成像的主要因素和影响规律，进而实现较大尺寸土壤样品中植物根系的层析成像。结果表明，通过增加管电压、管电流水平，采取适当滤波、几何校准、伪影校正和优化重建等改进措施，采用现有CBCT成像检测系统能够实现在200mm以上的大尺寸土壤介质中获取根系的原位断层图像；且土壤颗粒越均匀、尺寸越小，获得的原位根系层析成像质量越好。