变量施肥机关键技术研究现状分析

综述了变量施肥机测土配方图生成系统、控制系统及排肥机构等领域的研究状况。目前变量施肥机主要采用离线式变量施肥方式,根据土壤养分离散采样,并进行空间插值,结合3S技术生成土壤养分分布图,结合具体地域作物施肥标准生成变量施肥配方图。变量施肥控制系统研究重点是定位准确性和控制系统的实时性、智能性,为实现精准变量施肥提供易操作的控制器。排肥机构集中研究排肥机构结构设计、排肥精度、排量、幅度、均匀性和变异系数。目前测土配方图获取是影响变量施肥机应用推广的关键技术难题,今后应主要研究实时变量施肥机,加强对土壤养分实时间接检测的技术研究和完善精准变量施肥体系,从而拓展变量施肥机的应用前景。

基于红外热成像技术和广义回归神经网络的稻种发芽率检测方法研究（英文）

基于稻种老化时间不同时的物理学和生理学差异,提出一种基于红外热成像技术及广义回归神经网络的快速、无损检测稻种发芽率的检测方法,解决传统稻种发芽率检测方法操作复杂、实验周期长等问题。在温度为45℃、湿度为90%的条件下,将水稻种子依次老化0,1,2,3,4,5,6和7 d,得到不同发芽率的种子;采集稻种红外热图像,然后提取稻种胚芽部位数据,总计144份,随机分为校正集和预测集,其中校正集96份,预测集48份;分析和比较不同老化天数稻种红外热差异,从物理学和生理学方面揭示稻种发芽率与红外热图像间的关系,结合偏最小二乘算法(partial least squares,PLS)、BP(back propagation,BP)人工神经网络和广义回归神经网络(general regression neural network,GRNN),建立稻种发芽率的红外热模型。结果表明,利用GRNN建立的发芽率预测模型效果最优,其中校正集的Rc(相关系数)和SEC(标准偏差)分别为0.932 0和2.056 0,预测集RP(相关系数)和SEP(标准偏差)分别为0.900 3和4.101 2,相关性均达到较高水平且校正集与预测集的标准偏差均较小。实验结果表明,采用红外热成像技术结合广义回归神经网络研究稻种发芽率是可行的,且所建模型在稻种发芽率快速测定方面有较高的精度。

基于稻种糙米近红外光谱分析技术的发芽率检测方法

针对传统稻种发芽率检测操作复杂,耗时长,稻种外壳污染物干扰光谱检测等问题,提出一种基于稻种糙米近红外光谱检测实现稻种发芽率快速检测的新方法.将192份糙米样品的光谱分为校正集144份和预测集48份,通过不同预处理方法和化学计量学建模方法,分析不同老化时间糙米的光谱差异,建立糙米发芽率的预测模型.结果表明：在全波段570~1 848 nm采用二阶导数＋SNV and Detrend的预处理并结合偏最小二乘法（PLS）建立的模型最优,其校正集决定系数RC与标准偏差SEC分别为0.976和1.244,预测集相关系数RP与标准偏差SEP分别为0.951和1.935.采用近红外光谱分析技术对稻种糙米发芽率进行测定是可行的,所建模型在稻种糙米发芽率预测方面有较好的预测能力.

稻飞虱图像圆形率提取实验设计

本文在CCS3.3基础上设计了稻飞虱图像的圆形率提取实验,该实验以TI公司的TMS320VC5509 DSP为实验硬件平台,并设计实验算法,通过CCS3.3建立工程,完成大津法二值化、中值滤波、区间标记、轮廓提取和面积计算等算法,最终实现对稻飞虱图像圆形率的计算。通过实践,本实验提取稻飞虱形状的圆形率是可行的,并可以通过圆形率进一步实现稻飞虱的识别。

“数字电路逻辑设计”课题式实验教学

"数字电路逻辑设计"是电子信息专业基础课程,但是课程实验越来越少,学生课内的实践机会不足,针对这种情况提出了"课题"式实验教学,通过设计一个实用的小型数字系统让学生熟练掌握课上讲的各种集成电路使用方法和数字系统设计思想,充分利用学生的课外时间提高其动手能力,并对实验教学过程中出现的一些问题进行总结,在促进理论教学的同时进一步提高学生的实践能力。

基于CCS的图像不变矩特征值提取实验设计

设计图像不变矩特征值提取实验,算法在CCS3.3集成开发环境中验证,实验首先采用图像常规的预处理,再通过平移和缩放改变图像,然后利用Hu矩分别提取和计算图像的不变矩值,通过Hu不变矩值对比判别Hu不变矩值能否作为识别图像的特征值。经过实验,原图、平移后图像和缩放后图像的Hu不变矩特征值基本相等,可以通过Hu不变矩识别图像。

基于CCS的粘连细胞分离计数实验设计

本文在CCS基础上设计了粘连细胞分离计数实验,实验用TMS320VC5509作为硬件平台,用CCS建立工程,在图像灰度化、二值化、滤波等预处理之后,进行腐蚀运算,从而将粘连细胞分离,并在此基础上用区域标记的方法对细胞计数,最终实现对细胞数目的统计。经过实验,计数结果和人工计数基本一致,说明本实验对粘连细胞进行分离和计数是可行的。

基于MATLAB的橙子自动计数实验设计

水果自动计数是智能化发展的一个必然趋势,本文设计一个基于MATLAB平台的实验,用图像灰度化和滤波算法对图像预处理,用sobel算子检测图像边缘,再通过形态学运算提取图像特征,最后采用分水岭算法分割图像,从而完成橙子识别,最终完成橙子的自动计数。

暗期补光对黄瓜幼苗形态调节效果及综合评价

为确定暗期延时补光调节黄瓜幼苗形态的最优光质和补光时长,采用L1(70%R,30%B)、L2(80%R,20%B)、L3(90%R,10%B)L4(100%R)4种发光二极管(light emitting diodes,LED)光源对"津春四号"黄瓜幼苗进行2 h(19:00-21:00)、4 h(19:00-23:00)和6 h(19:00-01:00)时长的暗期延时补光,以无暗期补光为对照,研究暗期延时补光对黄瓜幼苗形态的调节,并利用综合评价法分析暗期延时补光对幼苗形态的影响。结果表明,暗期延时补光时长和补光光质对黄瓜幼苗下胚轴长、苗高和茎粗的交互影响极显著,对幼苗壮苗指数的交互影响显著;L2光质补光4 h幼苗综合评价值最大;L4光质补光可促进前期(一叶期和二叶期)幼苗叶面积和茎粗的增加,L2光质补光可促进后期(成苗期)幼苗叶面积和茎粗的增加,该研究结果为暗期补光培育黄瓜幼苗以及开发光形态调控补光装置提供依据。

待产梅山母猪咳嗽声识别算法的研究

[目的]目前对于母猪是否患有呼吸系统疾病的诊断主要依靠饲养员观察,存在由于疏忽未能及时发现并处理患病母猪而造成大量母猪死亡的情况。为解决这一问题,笔者以待产梅山母猪咳嗽声为对象,对其识别方法进行了研究,旨在将母猪咳嗽情况作为诊断早期呼吸系统疾病的依据,以达到自动监控的目的。[方法]基于无线多媒体传感器网络进行母猪声音数据的采集与传输,对采集到的声音信号进行滤波、分帧等预处理操作后,由于不同声音的功率谱密度曲线的波动性不同,依托曲线目标优化的思想提取声音功率谱密度特征,并以此特征作为聚类中心,运用改进的模糊C均值聚类算法对咳嗽声和尖叫声进行识别分类。[结果]训练出了母猪咳嗽声和尖叫声的功率谱密度特征,差异明显;忽略个体差异,咳嗽声和尖叫声的总体识别准确率分别约为83.4%和83.1%,识别算法是有效的。[结论]针对待产梅山母猪咳嗽声,创新性提出了一种声音识别算法,该方法简单,高效,识别率高,为母猪呼吸系统疾病的早期自动诊断提供了技术支持。

面向采摘机器人的棉花激光定位算法

为了定位棉株上的棉花，设计了1个激光测距试验装置，利用计算机图像处理技术和模式识别理论结合棉花的农学特性测量了单朵棉花的三维坐标。以0.004m为X、Y轴的采样间距，获取传感器至棉株表面点云的距离图像；以传感器至棉花上表面的最长距离0.9m为阈值对棉株距离图像进行二值化处理，去除地面背景；以棉枝的宽度0.01～0.02m为结构元素尺寸，对二值图进行形态学开运算，去除棉枝，提取棉花区域。用欧氏距离计算像素之间的相似度，用Cophenetic相关系数选择质心距离为类间距离，以呈45°夹角棉枝的最小纵向间距0.17m为阈值，对棉花距离图像进行层次聚类，分割粘连重叠的棉花，求取单朵棉花的三维坐标。结果表明，单朵棉花的识别率达96.67%，激光测距与手工测量结果之间的相关系数为0.9934。该研究为采摘机器人运动轨迹的规划提供了依据。

基于机器视觉的牛肉结缔组织特征和嫩度关系研究

[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。

基于无线传感器网络的母猪体温实时监测节点研制

为建立母猪健康模型和分析母猪分娩、发情等过程体温变化规律提供数据支撑,研制了一种基于MLX90614和CC2430的母猪体温实时监测节点,远程、实时监测母猪体温。节点硬件选用CC2430单片机为主控制器,MLX90614红外温度传感器为温度测量传感器,CC2430单片机通过SMbus协议与MLX90614通信,对读取的温度数据补偿并发送到网关节点。试验过程中,选择母猪臀部为最佳测量部位,并研究母猪臀部温度与直肠温度的相关性,利用分布图法剔除异常数据,对温度测量结果进行补偿。试验结果显示:在实际猪舍中传感器网络节点的有效通信距离为30 m,系统测量误差为0.21℃,满足养殖行业对猪体温测量误差的要求。提出了一种非接触式准确实时测量母猪体温方法,为母猪养殖的科学化、规模化提供技术支撑。

基于扫频振动的禽蛋裂纹检测方法

针对禽蛋裂纹流水线在线检测中,声脉冲敲击法检测易受环境大噪声干扰、需要多次敲击、检测效率低等问题,文中拟构建基于磁致伸缩振动器扫频式振动的禽蛋裂纹检测系统,通过扫频振动增强破损蛋壳敏感频段的振动信息来提高信噪比,分别对裂纹在不同位置的禽蛋(裂纹分别出现在鸡蛋小头、赤道以及大头处)进行研究以提高辨识的普适性,通过对扫频振动音频信号进行功率谱分析,分别构建基于BP神经网络、径向基(RBF)神经网络和支持向量机(SVM)的禽蛋裂纹检测模型,并比较其检测效果。实验中,对290枚鸡蛋进行检测(训练集200枚,测试集90枚),结果表明:支持向量机裂纹检测模型分类效果最佳,测试集中无损蛋与裂纹蛋的判别率分别达到100%和98.3%,且检测每枚禽蛋的时间为57.7 ms,能够满足流水线在线检测要求。

基于多传感器自适应加权融合的温室信息系统

针对目前温室信息管理系统需实现跨平台、良好交互性和机构远程控制,提出了一种利用Flex和Asp.net技术实现的基于多传感器自适应加权融合的温室信息管理系统。系统采用基于B/S的三层架构,重点阐述了系统中关键技术与实现过程,包括温室机构的远程实时同步控制和传感器数据的自适应加权融合等。系统在常熟现代农业示范园区实地测试运行,结果显示:自适应加权算法的融合效果明显优于传统的算术平均法,同时,系统各项预期功能均正常实现。

基于小波变换和动态神经网络的温室黄瓜蒸腾速率预测

针对作物蒸腾速率与温室环境参数间非线性耦合时延性关系,以温室环境参数:空气温度、空气湿度、太阳辐射度、土壤温度、叶面温度、土壤含水量的时间序列为输入量,温室黄瓜蒸腾速率时间序列为输出量,采用小波分解重构方法,分别建立低频时间序列和高频时间序列的非线性自回归动态神经网络(NARX)子网络预测模型,以子网络的预测叠加值为蒸腾速率预测值。结果表明:1层小波分解重构的低频时间序列A1和高频时间序列D1的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.949和0.853,平均绝对误差(MAE)分别为5.36和2.00 g·h-1。2层小波分解重构的低频时间序列A2和高频时间序列D2的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.983和0.849,MAE分别为2.88和2.56 g·h-1。1层小波分解重构的时间序列的NARX子网络预测值合成值(A1+D1),2层小波分解重构的时间序列的NARX子网络预测值合成值(A2+D2+D1)和未小波分解重构的原时间序列的NARX预测值与蒸腾速率测量值间相关性决定系数R2分别为0.945、0.974和0.857,MAE分别为5.76、4.42和10.09 g·h-1。小波分解重构的高频和低频时间序列预测合成,能够提高时间序列的预测准确性。同时采用相同网络结构的BP神经网络和NAR动态神经网络预测蒸腾速率时间序列,其预测值与测量值间决定系数R2分别为0.596和0.839,MAE分别为19.55和9.45 g·h-1。NARX预测性能优于NAR和BP神经网络的预测性能,能够应用该方法预测温室黄瓜的蒸腾速率。该方法可推广至多变量非线性强耦合时延性系统中的变量预测。

基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识

为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统。系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络(generalized regression neural network,GRNN)的禽蛋裂纹检测模型。实验对290枚鸡蛋进行检测(训练集200枚,测试集90枚)。结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7%和98.3%。研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的。

基于MUSIC功率谱和CPNN的鸡蛋散黄无损检测方法

[目的]针对当前国内外对散黄鸡蛋较难无损检测的问题,对散黄鸡蛋的振动特性和无损检测方法进行了研究。[方法]通过对鸡蛋进行生理学解剖,据此进行ANSYS有限元分析;构建基于磁致伸缩振子扫频式振动的鸡蛋散黄检测系统,对采集的鸡蛋振动音频信号进行MUSIC(multiple signal classification)功率谱分析,再利用主成分分析法提取特征向量中的有用信息并构建基于对向传播神经网络(CPNN)的鸡蛋散黄检测模型。[结果]鸡蛋的ANSYS固液耦合有限元分析证明新鲜蛋与散黄蛋振动特性差异明显,为基于振动信息的鸡蛋散黄检测提供理论依据;基于磁致伸缩振子扫频式振动的鸡蛋散黄检测系统能有效增强鸡蛋振动信息,基于对向传播神经网络的鸡蛋散黄检测模型对300枚鸡蛋进行检测(训练集200枚,测试集100枚),结果新鲜蛋与散黄蛋的识别率分别达到98%和96%。[结论]新鲜蛋与散黄蛋振动存在差异,采用基于扫频振动式的MUSIC功率谱分析和对向传播神经网络的鸡蛋散黄检测是可行的。

禽蛋品质无损检测的研究现状及其展望

近年来,国内外已有不少学者对禽蛋品质的无损检测进行了研究,其中禽蛋蛋壳强度检测、禽蛋裂纹检测及禽蛋新鲜度检测为研究热点,而禽蛋微小裂纹、散黄蛋和双黄蛋的快速无损检测则是研究难点。本文通过论述机器视觉技术、光谱检测技术、声学技术、电子鼻技术以及称重-测距法等无损检测方法,依次分析国内外对禽蛋外观品质、禽蛋蛋壳强度、禽蛋裂纹和禽蛋新鲜度的研究现状,并对禽蛋品质无损检测的发展趋势进行了展望,以期为今后禽蛋品质无损检测的深入研究提供参考。

基于无线传感网络的植物生长图像传输和分割算法研究

为了获取温室中植物生长图像信息,设计了一款能够监测温室内植物生长信息的无线智能图像采集节点,引入了休眠-唤醒机制大幅降低节点能耗。节点采用STM32ZET6芯片作为微控制器,CC1101为射频模块,扩展了OV7670图像传感器。将SimpliciTI射频网络协议移植到STM32处理器中,将采集的图像信息经过JPEG2000压缩后,分包多跳无线传输至服务器,服务器接收图像,利用改进型LoG算子实现图像分割,得到图像分割结果。结果表明:在温室环境中最大通信距离110 m,节点丢包率较低。一帧JPEG2000格式的温室内植物生长信息图像大小约18 kB,传输时间较短,节点在3.6 V锂电池供电下能工作20 d,汇聚节点接收一帧JPEG2000压缩后的图像时间为158 s。结论:图像节点在温室环境下,以较低能耗采集和传输植物生长信息图像,节点运行稳定,图像分割方法鲁棒性强,在光线变化较大的情况下分割仍然稳定。