基于改进的YOLOv5甘蔗茎节智能识别系统

甘蔗茎节的快速准确识别对实现甘蔗田间作业和糖料产业精细化管理等任务具有重要意义,是田间产量测量的前提。为此,针对当前甘蔗人工测量成本高、人工参与量大和工作效率低等问题,设计了一种基于边缘计算的便携式甘蔗茎节智能识别系统。YOLOv5网络模型具有架构小、运行速度快等优势,通过对网络模型的进一步改进,使用K均值聚类方法调整锚框尺寸至最优,增强网络模型鲁棒性的同时也提高了茎节识别准确性;在卷积层后添加了CBAM注意力机制模块,使网络模型更加关注甘蔗茎节特征;引入VarifocalNet,使网络模型对于密集遮挡区域的甘蔗茎节有更好的识别效果。将改进后的算法移植入Jetson TX2嵌入式开发平台。试验结果表明:系统平均准确率(AP值)为89.89%,相比于之前的88.23%,提升了1.66%,单幅图像检测时间约为1.87s,视频检测速度可达15fps。系统可有效实现对甘蔗茎节的实时准确识别,为甘蔗田间产量测量提供了新的解决思路。

基于网络瘦身算法的YOLOv4-tiny的甘蔗茎节识别

为提高智能甘蔗收获的准确性,降低算法对部署的高算力要求,利用轻量级目标检测算法YOLOv4-tiny相对YOLOv4算法更简化的网络结构、更高的推理速度等优点,提出基于MobileNet和网络瘦身的两种YOLOv4-ting识别算法方案,并比较二者的精度和模型复杂度。其中,基于网络瘦身算法的YOLOv4-tiny在精度较瘦身前(94.7%)下降0.6%的情况下,模型复杂度下降为原来的1/3,即瘦身后的FLOPs和Params分别为1.1 G和1 789 658。而以MobileNet为Backbone的YOLOv4-tiny在精度下降1.92%的情况下,它的FLOPs和Params为1.29 G、2 600 068,其在精度和模型复杂度上的表现都不如瘦身后的YOLOv4-tiny模型。结果表明:基于网络瘦身算法的YOLOv4-tiny甘蔗茎节识别模型可有效降低模型复杂度,其计算量对嵌入式设备和移动式设备友好。该研究可为智能甘蔗收割机构的开发提供技术参考。

甘蔗茎秆在扭转、压缩、拉伸荷载下的破坏试验

甘蔗茎秆物理力学特性是建立甘蔗茎秆材料模型和茎秆在各种荷载下本构关系的基础。该文以“桂林—1号”甘蔗的茎秆为试验材料,采用自制的夹具,在扭转试验机上进行扭转试验,在材料力学万能试验机上进行拉伸、压缩试验。试验结果表明:在扭转荷载下,甘蔗茎秆的破坏形式为产生轴向裂纹;在压缩荷载下的破坏形式为屈曲,并产生轴向裂纹;在拉伸荷载作用下,蔗皮、蔗芯的破坏形式为断裂。对试验用“桂林-1号”甘蔗茎秆的基部,切变模量的平均值为10.82 M Pa,最大剪切应力的平均值为0.45 M Pa;基部第一、二、三节的抗压强度平均值分别为14.47 M Pa、9.93 M Pa和8.24 M Pa。基部蔗皮轴向、径向拉伸强度平均值分别为47.02 M Pa和2.57 M Pa,蔗芯轴向、径向拉伸强度平均值分别为6.71 M Pa和1.34 M Pa。

基于Matlab的甘蔗茎节特征分布定位与试验

以Matlab为开发平台,提出了一种对甘蔗茎节识别的方法。通过灰度处理和Sobel边缘提取对甘蔗节进行预处理,再结合数学形态学中的膨胀、腐蚀再膨胀对预处理后的不连续、细小边缘进行处理,消除甘蔗茎边缘及无用小边缘,获得甘蔗节的边缘直线。通过Radon函数进行直线提取,得出甘蔗节在R取得最大值时的位置坐标,为甘蔗种茎切割防伤芽装置的控制研究提供准确信息。试验表明甘蔗节识别率达100%,其位置精确到0.1 mm级。

基于机器视觉的甘蔗茎节特征提取与识别

为实现含有蔗芽的有效蔗种片段机器智能切断,引入机器视觉技术识别甘蔗茎节。以甘蔗图像HSV颜色空间的S分量经阈值分割、数学形态滤波处理作为模板,和H分量经阈值分割的反图像进行与运算得到合成图;将合成图划分为64个列块区域,提取质心比、粗度比和白点比等7个特征指标,再用支持向量机分类识别茎节与节间列块,得到茎节与节间的平均识别率为93.359%;对支持向量机分类出的茎节列块进行聚类分析,得到茎节数与位置的平均识别率分别为94.118%、91.522%。

甘蔗茎在弯曲荷载下的破坏

研究甘蔗的物理力学特性对研究甘蔗切割过程、设计刀片具有重要意义。该文采用三点弯曲方法研究甘蔗茎在弯曲荷载下的力学特性。以"桂林—1号"甘蔗为试验材料,在日本SHIMADZU公司生产的AG-I50AUTOGRAPH材料力学试验机上进行了蔗茎的弯曲试验。试验结果表明:蔗茎在弯曲荷载下主要有4种破坏形式:中性层裂纹、横向裂纹、底部纵向裂纹、不规则裂纹。其中基部和尾部试样以横向裂纹为主,其他部位的试样产生中性层裂纹;"桂林-1号"甘蔗基部弹性模量的平均值为1172N/mm2,最大抗弯强度的平均值为46.5N/mm2;基部去掉蔗皮后,弹性模量的平均值为1514.8N/mm2,最大抗弯强度的平均值为42N/mm2;蔗茎基部的弹性模量在剥皮前后有显著差异,且基部蔗芯的弹性模量明显高于未剥蔗皮基部的弹性模量。蔗茎基部的抗弯强度在剥皮前后无显著差异。

甘蔗茎秆切割力试验

切割力试验是研究甘蔗茎秆切割机理的重要手段。该文在自制的单刀切割试验台上,通过对滑切角、刀盘倾角和切割速度进行三因素三水平正交试验,研究各因素对单位切割力和最大切割力的影响,在此基础上,进行切割速度单因素试验。试验表明:对单位切割力影响的主次顺序为切割速度-滑切角-刀盘倾角;对最大切割力影响的主次顺序为切割速度、刀盘倾角、滑切角。刀盘倾角对最大切割力影响较显著,而对单位切割力影响不显著。进行作物粗茎秆切割力试验时,以单位切割力为试验指标比较合理。单位切割力与切割速度之间呈线性关系,切割速度越大,单位切割力也越大。

土壤支撑下甘蔗茎秆的内力和变形

将甘蔗茎秆简化成弹性杆件,土壤视为Winkler地基,采用切割器切割甘蔗时,将甘蔗茎秆做为侧向 受荷桩处理,采用传递矩阵方法,计算甘蔗茎秆的内力与变形。结果表明,人土切割时甘蔗茎秆的内力与变形明 显小于不入土切割,与实测结果相比较,计算值与实测值吻合程度较好。

甘蔗茎秆切割机理研究

甘蔗是我国主要经济作物之一,甘蔗收获机割茬不齐、破头率高、切割损失大,严重地影响了甘蔗收获机的性能和推广应用。为此,综述了国内外在甘蔗茎秆物理力学特性、切割器、刀片及切割理论等方面的研究成果,提出了结合甘蔗茎秆材料特点和物理力学特性来研究其切割机理,将更具有科学性。结果表明,计算机仿真技术是研究甘蔗茎秆切割机理的有效手段。

基于图像处理的甘蔗茎节识别与定位

为实现含有蔗芽的有效蔗种片段机器智能切断,运用图像处理技术对甘蔗茎节进行识别定位。通过背景转换、灰度级变换、中值滤波和自动阈值获取甘蔗的二值化图像;采用阈值和孔洞填充实现甘蔗区域的分割,通过regionprops函数测定该区域的质心、倾角和等效长短轴长度;以分割后的甘蔗图像对二值化图像掩膜,得到含有茎节和干扰信息的图像;对该图像进行旋转,计算每列像素值之和,统计分析最大值所在列,并结合质心、等效长短轴得到茎节上下端点坐标;以倾角的度数进行反向旋转,最终得到茎节位置。试验结果表明:甘蔗茎节识别与定位方法处理速度快,茎节识别率高,左右端的定位误差分别小于0.9 mm和2.4 mm。

3,5-二硝基水杨酸(DNS)法测定甘蔗茎节总糖和还原糖含量

对DNS法测定甘蔗茎秆总糖和还原糖的影响因素进行了比较研究。确定了最佳检测条件:检测波长510nm,显色剂用量0.8mL,显色时间7min,显色液放置时间20min以上,能够获得好的检测结果。

HPLC-RID测定甘蔗茎节蔗糖、葡萄糖和果糖含量

研究高效液相色谱示差折光检测法(HPLC-RID)测定甘蔗茎节3种主要糖分蔗糖、葡萄糖和果糖的含量,摒弃有毒流动相乙腈,建立一种无毒、快捷、准确的检测方法.该法通过乙醇浸提,采用Waters Sugar PakⅠ色谱柱(6.5 mm×300 mm,10μm),流动相为超纯水,流速0.4 m L·min-1,柱温90℃,检测器温度35℃.检测方法线性关系好、灵敏度高,RSD为2.77%-4.5%(n=5),方法重复性良好;加标回收率高,达95.4%-101.8%;能满足甘蔗及相似作物中3种糖的准确分析.

甘蔗茎尖组织培养过程酚类物质变化及其与褐变的关系

【目的】探讨甘蔗茎尖组织培养过程中酚类物质种类及其含量变化与甘蔗茎尖褐变的关系,为甘蔗茎尖离体培养褐变机理研究及解决褐变问题提供理论依据。【方法】利用高效液相色谱对甘蔗茎尖组织培养过程中的酚类物质（绿原酸、没食子酸、儿茶素、表儿茶素）进行定性和定量分析,研究酚类物质组成和含量在茎尖组织褐变过程中的变化规律及其与褐变的关系。【结果】甘蔗茎尖褐变率增加量随接种时间的延长呈先上升后下降的变化趋势,接种后第3~6 d褐变严重,褐变率增加量在第6 d达峰值（16%）,之后呈下降趋势。接种培养后0~12 d,正常生长和褐变的甘蔗茎尖均检测出没食子酸、绿原酸、儿茶素和表儿茶素4种酚类物质。接种当天4种多酚物质含量均最高;接种后3~6 d,褐变现象严重,褐变率迅速增加,没食子酸、儿茶素和表儿茶素含量显著下降（P〈0.05）。相关性分析结果表明,褐变率增加量与酚类物质含量呈负相关,其中与表儿茶素含量的负相关达极显著水平（P〈0.01）,Pearson相关性系数为0.825。【结论】甘蔗茎尖褐变率增加量与酚类物质含量呈负相关,而表儿茶素为甘蔗茎尖组织培养过程中的主要酚类物质。

利用改进的Oligo-Capping法构建甘蔗茎全长cDNA文库

Oligo-Capping法是目前全长cDNA文库构建的重要方法之一。笔者在引进、消化和吸收的基础上,通过对特异引物和接头序列的设计,及cDNA扩增反应条件的优化,对该方法进行了一些切实可行的改进,形成了一套简便易行的技术体系。利用本研究中改进的Oligo-Capping法,成功地构建了甘蔗茎全长cDNA文库。综合评价结果表明,本研究中所构建的甘蔗茎全长cDNA文库的库容大于2.5×106cfu,重组率为91%,全长率高达88.9%。本文库的构建为进一步甘蔗茎中全长基因的克隆和功能基因的表达分析奠定了基础。

甘蔗茎全长cDNA文库构建及EST序列分析

在利用改进的Oligo-capping法构建1个高质量的甘蔗茎全长cDNA文库基础上,对该文库进行大规模测序,获得了283条5′端有效EST序列,平均长度为459 bp,经聚类和拼接获得204个假定独立转录本(TUTs),冗余序列所占比例27.9%。NCBI同源比对分析结果表明,其中132条EST拼接的103个TUTs与已知功能基因具有较高的同源性,结合拟南芥功能基因分类标准对这些TUTs进行分类,可分为12类,以参与蛋白质合成的基因最多,其次为细胞结构、蛋白质降解和贮藏、转录等类型的基因。

基于高光谱成像技术的甘蔗茎节识别与定位方法研究

针对甘蔗茎节与茎间颜色相近和由于表皮上白色果粉的干扰导致茎节难以识别的问题,提出了一种基于高光谱成像技术的茎节识别与定位方法.采集236个茎节和茎间样本的高光谱图像(874~1734 nm),采用连续投影算法(SPA)提取5个特征波长(1022 nm,1062 nm,1456 nm,1609 nm和1649 nm),建立偏最小二乘法(PLS)分类模型,利用该模型对20组甘蔗高光谱图像进行识别,生成甘蔗茎节的二值化图像,采用图像处理的方法进行茎节定位.实验结果表明,高光谱成像技术测量结果的标准差为0.7 mm,绝对误差的最大值为2.6 mm,能够有效识别与定位甘蔗茎节,为蔗种的防伤芽自动切割提供技术支持.

甘蔗茎中化学元素的微区分布

用扫描电镜 能谱仪研究了甘蔗茎皮层的外表面和横切面中Si等元素的含量及分布。结果表明 ,皮层外表面不同形态区域中Si等元素的含量不同 ,颗粒物是Si高度密集的部位 ,Si的含量高达 58.2 3 % ;平坦处的Si含量较低 ,为 44 .42 % ;颗粒物块及其连接处中所含Si的原子数相同 ,但所含C、O元素的原子数则相反。横切面中 ,皮层中Si的密度高且分布呈外层低里层高的规律性 ;维管束及薄壁细胞中Si的含量较低且分布较均匀 ,皮下纤维层中Si的含量最低 ,具有明显不同于麦秆的特点。实验结果预示不同部位中硅化物的组成及元素化学状态的差异。

基于局部均值的甘蔗茎节识别

为实现甘蔗单芽段蔗种的自动切割,利用机器视觉技术识别甘蔗茎节。对甘蔗图像进行均值滤波处理,以处理后的甘蔗图像为基础,在其HSV颜色空间的H分量上进行阈值分割、数学形态学处理以及最大面积选择,提取中心坐标;再利用矩形模板在G-B色差分量图上以一定步长沿甘蔗中心横坐标移动,计算每一步所覆盖甘蔗的平均灰度值,找到最大平均灰度值对应的位置,最终确定甘蔗茎节位置。试验结果表明,在36组组合试验下,较优组合为:模板宽度为6、步长为6,其识别率为90.77%,平均时间为0.481 539s。

甘蔗茎外皮机械特性检测及像素分析

[目的]更加精确地表征甘蔗茎外皮的机械特性。[方法]将传统拉伸试验与像素分析法相结合,测算出不同组别甘蔗茎外皮试件的拉伸强度及弹性模量,进而进行对比分析。[结果]研究表明,4组试件的拉伸强度整体呈下降趋势,经碱处理不带有甘蔗节的试件的拉伸强度最高,而未经碱处理带有甘蔗节的试件,其拉伸强度相对微弱;较带有甘蔗节的试件而言,不带甘蔗节的试件的弹性模量相对较大。[结论]综合来看,碱处理可在一定程度上提高甘蔗皮的机械性能;甘蔗节对甘蔗皮机械特性有所影响,但影响较小。

基于机器视觉的不同类型甘蔗茎节识别

针对不同种类甘蔗表面多样性和复杂性等因素导致甘蔗图像的茎节难以识别问题,提出一种基于机器视觉且适合各种类型甘蔗的茎节识别方法。首先,通过迭代拟合法从原始图像中提取甘蔗目标区域,并估计甘蔗目标与横轴的倾斜角度,根据倾斜角度参数旋转甘蔗目标成近似平行横轴姿态;然后,利用双密度双树复小波变换(DD-DTCWT)对图像进行分解,使用不同层次的垂直和近似垂直方向的小波系数重构图像;最后,运用图像直线检测算法对重构图像进行检测,得到甘蔗茎节部位的边缘线,对边缘线的密度、长度、相互距离信息进一步验证便可实现甘蔗茎节的识别和定位。实验结果显示甘蔗茎节完整识别率达到92%,约80%的茎节的定位精度小于16个像素,95%的茎节的定位精度小于32个像素,所提方法在不同的图像背景下,都能够成功地对不同类型的甘蔗进行茎节识别,并且定位精度高。