基于图像处理技术的棚室番茄果实识别

我国番茄的产量居世界前列,种植的主要方式为棚室种植,大多采用人工采摘,成本高、效率低,不利于种植产业的发展。为此,提出了一种基于A-ENet模型的图像处理技术,用于棚室番茄果实的识别。A-ENet模型在EfficientNet运行时引入注意力机制,用于优化深度网络运算结果。EfficientNet通过调整、完善网络的宽度、深度等网络参数提升网络的识别准确率,同时在网络提取输入信号特征时引入注意力机制用于捕捉输入信号特征的权重信息,主动忽略环境因素对目标信号的干扰。A-ENet模型能够解决由于识别目标之间的细微差异产生的识别错误的问题,且能够减少随机环境因素对识别过程的干扰,提高识别成功率,对棚室番茄果实识别问题起到积极的影响作用。实验结果表明:所提出的基于图像处理技术的A-ENet模型能够构建出效率更高、鲁棒性更强的目标识别系统。

基于图像处理和BP神经网络的森林防火无人机系统

对无人机设计方案、图像处理和火焰分割算法的技术原理进行了介绍,并利用BP神经网络对图像中的火焰面积变化率和火焰尖角等特征进行识别,实现了对森林火灾的快速监测。实验结果表明:系统的准确率为98.5%,比普通神经网络的84.5%更高;耗时仅22 s,比普通神经网络159 s缩短很多。这表明,BP神经网络是更可靠且更有效率的火灾识别方案。

Matlab在数字图像处理教学中的应用方法研究

数字图像处理课程教学中,传统的教学方法存在着许多问题。教师依靠板书讲解的形式过于单一,学生学习的兴趣得不到激发,对知识的理解不充分,严重影响了数字图像处理教学课程的效果。本文通过对Matlab的研究,将其作为课程教学的辅助手段,优化数字图像处理教学的方法,从而提高学生的学习兴趣,降低知识的理解难度。

基于MATLAB软件的数字图像处理

数字图像处理是一门经过长期发展的技术,其应用前景广阔且具有很多优点。本文首先回顾了数字图像处理的发展历程,并探讨了其优点及应用前景;其次介绍了矩阵实验室(matrix laboratory, MATLAB)软件的概述及其优点,并详细讨论了MATLAB在数字图像处理中的功能;最后以MATLAB为工具,展示了数字图像处理的多个方面,包括图像灰度化、二值化、图像增强、灰度变换和伽马校正、直方图均衡化以及图像平滑。通过使用MATLAB提供的函数和工具箱,可以快速高效地进行如上处理操作,证明了MATLAB有强大的图像处理能力,非常适用于进行数字图像处理。

基于MATLAB的图像处理课程与思政教育融合教学案例的探究

在“三全育人”的明确指引下,全国高等院校将培养德才兼备的人才视为核心使命,正在积极推进各个学科和专业的课程与思想政治教育的融合建设。基于MATLAB的图像处理课程是众多理工科专业本科生和研究生的核心课程。本文选取该课程作为案例,通过挖掘教学内容中蕴含的思政元素,力图实现思想政治教育与专业教育的有效结合,互相促进。文章最后提出了评估课程思政教学成效的标准。

科研转化教学--融入课程思政的数字图像处理案例化建设研究

全面推进新工科建设的大背景对高校人才培养提出了更高的要求。该文在分析数字图像处理课程现有教学模式弊端的基础上,精心构建典型工程案例辅助理论教学,探讨将最新的科研技术和方法融入课堂教学,并在教学过程中融入思政教育。介绍部分工程案例的具体内容、涉及的知识点、课程思政元素,并以其中的砗磲荧光图像预处理案例为例,详细说明案例的具体构建过程及呈现形式。教学实践结果显示,引入案例化教学后学生的学习兴趣明显提高,学生的科研素养、创新能力、动手能力和综合应用能力也得到显著提升,结合案例实际的课程思政设计有利于“全方位育人”的目标达成。

“新医科”背景下医学图像处理教学软件的研究与开发

针对“新医科”背景下医学图像处理课程所面临的形势和教学现状,开发了与其教学过程高度契合的医学图像处理教学软件,该教学软件可实现医学图像的线性灰度变换、开窗显示、缩放、旋转、镜像、中值滤波、微分锐化、边缘检测、直方图获取和直方图均衡,并可在一定范围内调节线性灰度变换、开窗显示、缩放、旋转、中值滤波、微分锐化、边缘检测的参数,同时用不同算法实现了医学图像的缩放功能。该教学软件用于包头医学院医学图像处理课程理论与实验教学中,可提高学生学习的主动性和积极性,能强化学生对放射技师考点知识的理解,为后续课程的学习打下坚实基础,最终实现“新医科”背景下包头医学院医学影像技术专业“医工”“、医理”的深度交叉融合。

面向新工科建设的仪器类专业数字图像处理课程思政教学案例设计与探索

该文面向新工科建设的“复旦共识”“北京指南”“天大行动”,围绕“新工科建设”和“课程思政育人”两大目标,推进仪器类专业课程思政建设,把思想政治教育贯穿到人才培养体系的全过程,引导学生自尊、自信、自立和自强,强化学生“仪器报国、仪器强国”的使命担当,厚植家国情怀,培养担当民族复兴大任的时代新人。同时探讨结合学校的办学定位、专业特色、人才培养要求,探索课程思政教学与知识教学的有机统一。针对面向仪器类本科生开设的数字图像处理课程,从教学大纲、教案、教材等方面整理补充和仪器仪表行业相关的思政教育元素,设计题材新颖、具有时代特色的仪器类思政教学案例,实现具有“专业知识-思政育人-空天报国-敢为人先”特色的课程思政育人目标,进一步落实课程思政“立德树人成效”根本标准的具体化和可操作化。

图像分割技术在数字图像处理课程中的教学应用研究

在现代工程教育理念下,虽然数字图像处理课程已经被广泛开设,但是关于图像分割技术的教学资源和案例仍然相对匮乏。很多教材和教学资料并没有涵盖图像分割技术或者只是简单地提及,缺乏具体的实践案例和项目指导,这给学生的学习和实践带来了一定的困难。为此,需要进一步完善和丰富数字图像处理教育资源,特别是针对图像分割技术的教学资源。需要充分运用线上网络教学平台,运用开源软件和编程语言来实现图像分割算法,结合实践基础来合理设定考核内容。实践表明,图像分割技术在数字图像处理课程中具有广泛的教学应用潜力。通过引入图像分割技术,能够更好地发掘学生的个人能力。

计算机图像处理技术在网页设计中的应用

运用文献研究法、综合分析法,在明确计算机图像处理技术概念及其相关技术类型基础上,阐述网页设计中计算机图像处理技术应用的优势,从网页类型与图像格式搭配设计等角度,提出几点如何发挥计算机图像处理技术在网页设计中应用优势作用的思路与策略.计算机图像处理技术多样性和图像组合优势可有效拓展网页设计思路,使其更加新颖且符合新时代下用户审美取向,从而促进网页的良好发展.

新工科背景下数字图像处理课程改革与探索

在新工科建设背景下,以培养高水平复合型工程科技人才为目标,对当前数字图像处理课程教学中存在的问题进行分析,提出了建立多层级课程教学目标、开展线上线下混合式教学、增加新技术教学内容和构建多元化考核评价方式四个改革思路。教学实践表明,本次教学改革能够有效克服原有教学模式的弊端,对激发学生学习的内驱力,培养学生的动手实践能力、工程应用能力及创新创业能力,提高教学质量具有积极作用。

人工智能在头颈CTA图像后处理和诊断头颈动脉狭窄中的应用价值

目的:探讨人工智能(AI)对头颈动脉CTA图像后处理和诊断头颈动脉狭窄的中的价值。方法:回顾性收集2022年11月至2023年10月42例均行头颈CTA和头颈动脉数字减影血管造影(DSA)检查患者的影像学资料。图像后处理及诊断分为AI组和人工组,对比两组在图像后处理用时和图像质量主观评分及识别头颈动脉斑块性质(钙化斑块、非钙化斑块和混合性斑块)的差异。以DSA结果为金标准,对比两组在诊断头颈动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率差异,并将两组诊断结果与DSA结果进行一致性Kappa检验;采用受试者操作特征曲线(ROC)分析AI组和人工组对头颈动脉狭窄的诊断效能,并采用Z检验比较其差异。结果:AI组后处理及诊断用时为(366.48±18.54)s,较人工组(1291.63±52.27)s缩短了约71.65%,差异有统计学意义;两种方法得到图像质量主观评分差异无统计学意义。人工组共识别头颈动脉斑块145个,AI组共识别头颈动脉斑块145个,其中AI组准确识别不同性质斑块141个,总准确率为97.24%(141/145)。AI组与人工组对识别头颈动脉钙化斑块、非钙化斑块及混合性斑块差异均无统计学意义,且两组识别斑块性质的一致性较好(Kappa=0.845)。AI组诊断头颈动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率分别为87.09%(27/31)、81.82%(9/11)、93.10%(27/29)、69.23%(9/13)和85.71%(36/42),与DSA诊断头颈动脉狭窄一致性较好(Kappa=0.792);人工组诊断头颈动脉狭窄的敏感性、特异性、阳性预测值、阴性预测值及准确率分别为90.32%(28/31)、81.82%(9/11)、93.33%(28/30)、75.00%(9/12)和88.10%(37/42),与DSA诊断头颈动脉狭窄一致性较好(Kappa=0.801),并且两组诊断效能差异均无统计学意义。ROC曲线分析结果显示,AI组与人工组诊断头颈动脉狭窄的曲线下面积(AUC)分别为0.845和0.861,差异无统计学意义。结论:AI技术在头颈CTA图像后处理用时、评估头颈动脉狭窄及斑块性质识别方面具有较高的临床价值,可作为医师分析诊断头颈CTA的有效辅助工具。

数字图像处理及应用虚拟仿真实验平台设计

针对数字图像处理及应用实验教学的需要,结合当下图像处理技术的热点应用,利用虚拟仿真技术、交互操作等信息化手段进行实验教学,设计并开发了数字图像处理及应用虚拟仿真实验教学平台。实验教学平台包含交通标志数字图像处理、图像分类、图像识别、视频处理、自动驾驶应用等5个虚拟仿真实验教学资源,共13个交互实验步骤。该平台特色显著、虚实结合,达到了良好的教学效果,为“新工科”背景下的虚拟仿真实验教学提供有益的参考。

基于图像处理和模糊控制的絮凝剂智能投加系统设计

净水处理工艺中,混凝过程是一个大滞后、非线性的复杂系统。针对其特点并结合目前国内外加药控制研究现状,开发了一种基于絮凝体图像处理、模糊逻辑控制的前馈-串级智能加药系统。通过水样图像采集与处理提取絮凝体特征关键参数,计算絮凝体等效直径,建立投加模型确定絮凝剂投加量,再通过模糊PID控制及前馈补偿实现絮凝剂的全自动调节和精准投加。系统监控及性能分析显示,与传统手工投加对比,智能投加系统沉淀后出水浊度标准偏差降低27%,与设定值的相对误差控制在10%以内,絮凝剂的投加量节省11.04%,在絮凝剂投加量和处理效果上具有显著优势,表现出良好的可行性和推广潜力。

基于图像处理的球笼防尘罩缺陷检测方法

针对球笼防尘罩的小口内部毛刺缺陷人工质检效率低的问题,提出了一种基于图像处理的实时缺陷检测方法来使质检过程自动化,从而提高生产效率。首先,通过一系列无参数化的图像预处理方法使原始图像满足边缘提取的条件。接着,使用启发式的边缘搜索算法得到小口内部边缘坐标。之后通过最小二乘算法拟合出椭圆参数方程,从而计算得到相似点坐标。最后通过图像边缘与拟合椭圆的相似度来判定物料是否存在小口内部毛刺缺陷。最终实验结果表明,该算法在实际采集的测试数据集中的检测准确率为100%,并且完全可以实现对小口内部毛刺缺陷的实时检测。

基于图像处理的水培生菜冠层图像叶面积估测研究

为实现精准、高效、无损地获取植物工厂环境下水培生菜相关长势参数叶面积(Leaf area,LA),基于数字图像处理和机器学习回归方法建立单株水培生菜冠层图像LA估测模型。首先,通过智能手机获取2个生菜品种不同生长期的冠层可见光图像,利用Photoshop图像处理软件将原始图像统一剪裁为900像素×900像素大小,采用中值滤波(MedianBlur)法对剪裁后的图像进行去噪运算,将RGB图像转化为HSV颜色空间,再采用mask掩膜法分割彩色图像;然后,利用图像法获取单株生菜LA实测值,构建以LA实测值为因变量,以生菜冠层投影面积(Projected leaf area,PLA)为自变量的线性回归(Linear regression,LR)模型和以全局图像特征(颜色、形状、纹理等)为自变量的支持向量回归(Support vector regression,SVR)、多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)等LA估测模型进行对比分析;最后,采用决定系数(Coefficient of determination,R^(2))和均方根误差(Root mean square error,RMSE)评估模型的准确性。结果表明:RF模型估测效果最好,对于生菜品种‘绿萝’单株LA估测结果的R^(2)为0.9714、RMSE为8.89 cm2,对于品种‘碧霄’估测结果的R^(2)为0.9201、RMSE为23.34 cm2。本研究验证了RF回归模型能够较准确地估测生菜单株叶面积,可为植物工厂水培生菜LA无损估测提供新的解决方案和研究基础。

影响乳腺X线导管造影图像质量的因素分析及处理对策

目的对影响乳腺X线导管造影图像质量的因素进行调查收集,总结常发生的问题并提出处理对策,为临床提供能满足诊治要求的导管造影图像。方法回顾性收集2016年1月—2019年12月我院行乳腺X线导管造影检查的资料,检查成功的共有2850例,其中一次性成功者2609例,进行二次检查的导管造影的病例241例,对比两次造影检查的过程与图像质量。结果影响导管造影图像质量或造成造影术失败的常见原因有8大类,导管内容物干扰导管的显示最多,有70例;导管内空气造成的伪影有43例;注入对比剂过多有36例;注入对比剂过少有29例;拍片时压力过大有25例;呼吸运动伪影有20例;对比剂误入其他导管有14例;其他原因有4例。针对不同的原因与高年资技师、诊断医师分析并找出应对方法,获得满足临床诊治的图像。结论乳腺X线导管造影的图像质量好坏,影响临床对导管内有无病变的诊断,耽误患者病情的治疗,技师应针对不同的情况采取相适宜的应对方法,可以有效解决造影失败问题,提升乳腺导管造影成功率,提高导管造影图像质量,满足临床诊治所需。

基于图像处理的大米品质识别系统研究

针对大米加工中的品质智能化识别要求,提出了一种基于图像处理的大米品质识别系统。首先,采用面积法对大米外观进行完整性检测,从而将大米分为完整粒和碎米;其次,在完整粒划分的基础上,采用麻雀搜索算法(SSA)优化支持向量机(SVM)参数,并对完整粒色调和垩白度进行识别,以区分完善粒、垩白粒和黄米粒,进而完成大米品质的识别。实验结果表明,采用面积法的大米大小分级法对米粒完整性划分的准确度达94.3%;在完整粒识别基础上,采用的SSA-SVM分类模型对大米图像色调的识别准确率达98.21%,相较于传统SVM分类提高了1.63个百分点,表现出良好的识别精度;将上述算法部署到识别软件中,可有效对大米品质进行识别划分。由此得出,以上识别方案可行,可用于大米品质加工。

基于图像处理的电路板缺陷检测系统设计

针对传统电路板缺陷检测多为人工检测、速度较慢且成本较高的问题,本文研究设计了一款以图像处理为基础、利用现场可编程门阵列(FPGA)实现对电路板缺陷准确、高速的检测系统。在传统图像增强算法的基础上提出一种针对不同图像信息采用不同感兴趣区间的方法,增强效果显著;为减少电路板上标识字样对匹配算法计算速度的影响,提出一种去除丝印算法,将电路板上多余的标识字样取消,减少图像匹配的计算量,加快检测的速度;在传统绝对误差和算法(SAD)模板匹配算法的基础上采用去平均值法计算图像信息,减小光照变化带来的影响;将传统2算子Sobel边缘检测扩展到8算子边缘检测,边缘信息更加明显清晰。采用FPGA作为硬件平台,在Vivado开发环境下实现Verilog HDL硬件逻辑语言,下载到FPGA中实现。实验结果表明,系统的平均检测精度为98.53%,检测单张电路板的时间为8.204 s。本系统设计在检测精度和速度上都有明显提升,且造价成本低。

南京农业大学工科类课程耕读文化建设——以数字图像处理课程为例

加强和改进涉农高校耕读教育是南京农业大学工科类专业课程和耕读文化结合与实践融合建设的新理念,也是新时代党和国家对涉农高校课程建设的新要求。为促进耕读教育落地落实,南京农业大学有效开展耕读教育,注重教育引领,加强教师队伍建设,营造耕读文化氛围,完善相关条件保障,着力培养有思想、爱劳动、能创新的高素质劳动者。该文以数字图像处理课程为例,介绍农业院校工科类专业课程与耕读教育的结合与实践,使耕读文化贯穿于教学的各个环节,实现专业课知识体系和耕读文化的有机统一。