长绒棉棉铃成熟度仿生类脑分类方法研究

快速准确识别长绒棉棉铃成熟的不同阶段,对长绒棉种植的智能化、装备化管理具有重要意义。针对现有方法在长绒棉棉铃成熟度分类辨识易受复杂棉田背景、阴影、强光和叶片遮挡等因素影响识别率低的问题,提出将模拟生物视觉皮层的信息处理机制与HMAX模型融合的类脑分类方法,实现大田环境下棉铃不同成熟度的快速、高效识别。首先,采用相机获取长绒棉不同成熟阶段的图像信息,以花铃期、裂铃期、吐絮期、停止生长期4个生长阶段为对象,构建中小样本的棉铃数据集;其次,模拟视网膜神经节细胞的信息处理机制以提升HMAX模型的检测速度与精度,提出基于改进HMAX模型的类脑识别算法;最后,为探究各模型在非清晰数据集上的表现,采用高斯模糊方法将测试集转换6次,以HMAX、HHMAX、SHMAX作为对比,评估改进HMAX模型性能。试验结果表明,在原始数据集下,改进HMAX模型的总体准确率为95.3%,相比于HMAX、HHMAX、SHMAX模型分别高出15.1、9.2和6个百分点;在错误分类中,由于吐絮期和停止生长期特征相似,造成错误识别的概率最大;在非清晰数据集下,HMAX、HHMAX以及SHMAX退化指数分别为8.21%、7.935%和11.21%,改进HMAX模型总体退化指数为5.92%。研究结果表明:在分类精度、模糊图像输入等方面,改进HMAX模型能够较好地满足实际生产中棉铃不同成熟阶段分类识别的实际需求。

棉铃成熟度对抗虫棉纤维品质与铃重及衣分的影响

在连阴雨等气候条件下,研究棉铃成熟度对棉铃纤维品质和产量的影响。结果发现,棉铃成熟度对纤维马克隆值影响最大,正常吐絮铃的马克隆值比刚开裂铃高0.19,差异显著。棉铃成熟度分别极显著、显著地影响铃重和籽指,但对衣分影响不大。