基于图像分析的茶树叶齿形态特征量化研究

茶树叶齿的大小、形状和排列方式是茶树种质资源鉴定评价的重要标准之一,但长期以来,这一标准的判定主要依赖技术人员的经验,存在较大的主观性和不确定性。在现有的图像识别算法基础上,引入根据叶片几何形态特征设计的自定义卷积算子进行优化,提出了一套基于叶片图像分析的茶树叶齿特征量化方法。试验验证结果表明,该方法能够快速准确地获取叶片面积、周长和叶齿数量等基本参数,并能通过自定义算子对叶齿锐度、叶齿深度和叶齿密度等描述性指标进行量化。量化结果的变异系数均小于1%,具有重复性强、稳定性高的特点。相较于人工主观辨识,该方法的测定时间不超过30 s,有效提高了茶树叶片叶齿形态特征评价的准确性和工作效率,为茶树种质资源的量化评价提供了新的方法和思路。

机器学习模型评估裹浆改性再生骨料形态特征及分布规律

再生骨料(RA)的高吸水率、高压碎值、表面微裂纹及其不规则形态特征等缺陷限制了RA的再生利用。裹浆改性再生骨料(SRA)表面形成的壳膜结构不仅能够提高RA的力学性能,且对RA的形态特征有着显著影响。为了评估裹浆改性对RA形态特征的影响,本文采用粉煤灰基地聚物浆体对再生混凝土骨料(RCA)和再生砖骨料(RBA)进行裹浆改性,并通过图像处理技术分别获取并建立裹浆改性前后RCA和RBA两种常见RA的形态特征数据集。此外,文中还结合机器学习技术提取数据集中的关键信息,从而量化RA的形态特征。经过定量分析发现,与改性前相比,改性后的RA轴向系数、棱角度和球形度的分布范围均有不同程度的改善,其中裹浆改性对棱角度改善效果最为明显,裹浆改性再生混凝土骨料(SRCA)最大改善幅度达132.2%,裹浆改性再生砖骨料(SRBA)最大改善幅度达69.2%。