畜禽养殖个体信息监测技术研究进展

畜禽养殖个体信息主要包括发情信息、分娩信息、行为信息、体重信息和健康信息。自动化、集约化养殖是养殖业的发展趋势,准确高效地监测动物个体信息有利于分析动物的生理、健康和福利状况,是实现自动化健康养殖和肉品溯源的基础。目前生产中主要依靠人工观测的方式监测动物个体信息,耗时费力且主观性强。本文阐述了畜禽养殖中发情监测、分娩监测、行为监测、体重监测和健康监测等技术的应用研究现状,展望了畜禽养殖个体监测技术后续研究方向。

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。

棉花采摘机器人红外测距技术研究

为定位棉株上的棉花，用红外测距实验装置和计算机图像处理技术结合棉花的农学生长特性测量单朵棉花的距离。在0．7～1．6m的距离区间内建立红外测距模型，获取了棉株表面点云的距离图像，测量精度达0．0085m。以0．65为标准差设计高斯滤波器的尺寸，用1一D高斯滤波器平滑棉株图像，用2一D高斯滤波器求取其梯度图像，以0．2m、0．08m为强、弱阈值，基于Canny边缘检测算子构建闭环边缘，结合形态学运算提取棉花区域，去除棉枝。用峰点滤波器削弱棉花图像中的粘连重叠现象，基于分水岭算法提取单朵棉花并求取其距离。结果表明，单朵棉花的图像识别率达91．3％，红外与人工测距结果的相关系数为0．9922，为采机器人运动轨迹的规划提供了参数。

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SR300深度相机的褐蘑菇原位测量技术

褐蘑菇工厂化种植模式下,为了给蘑菇采摘机器人提供工作参数,采用结构光SR300深度相机采集菇床图像送入工控机进行原位测量。针对菇床上褐蘑菇的菌丝干扰背景,在深度图像中利用土壤表面深度的众数,结合蘑菇菌柄至少20 mm的高度,自适应选择动态阈值,从菇床背景中提取蘑菇菌盖二值图;针对粘连的类圆形蘑菇,基于2-1圆形Hough变换初步检测其圆心、半径,进一步对蘑菇的边界点进行跟踪、去噪、插补,分割粘连的蘑菇,准确拟合单体蘑菇边界,获取蘑菇圆心和边界点的三维坐标;校准相机坐标系并基于陶瓷圆板验证原位测量方法的精度,由此计算世界坐标系中单体蘑菇的位置、直径、偏向角、倾斜角。现场试验表明,蘑菇直径最大误差为5. 57 mm,倾斜角最大误差为6. 3°,视频帧的运行时间为206 ms,单体蘑菇的运行时间为44 ms,可满足蘑菇采摘机器人的现场需求。

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。

基于阵列式ESP32-CAM的番茄根系表型原位测量方法

为原位采集番茄根系图像,解决番茄根系表型原位测量问题,该研究提出一种基于阵列式ESP32-CAM的番茄根系表型原位测量方法。通过4×4阵列式ESP32-CAM结合OV2640镜头模组实现土壤中根系图像原位自动化无线采集,并采用张正友标定法实现相机标定和畸变校正,利用尺度不变特征转换和最邻近分类的特征检测匹配算法实现图像配准,基于离线标定方法获取相机间变换矩阵实现根系图像拼接;通过引入多头自注意力机制改进U型卷积神经网络(Uarchitecture convolutional networks,U-Net)模型对根系图像进行语义分割,采用形态学处理和骨架提取测量根系长度、面积、平均直径、根深和根宽。研究结果表明:相机阵列图像的拼接迭代均方根误差小于1.11 mm,全局拼接图像的拼接融合质量评分大于0.85;改进后的U-Net模型应用于番茄根系分割的精度、召回率、交并比和F1值分别为86.06%、78.98%、71.41%和82.37%,相比于原始U-Net模型分别提高了18.97、13.21、21.67和16.30个百分点;与人工测量值相比,根系的面积、长度、平均直径、根深和根宽的平均绝对百分比误差分别为7.78%、5.66%、8.48%、2.40%和2.23%,决定系数R2分别为0.91、0.93、0.84、0.98和0.99。该方法适用于番茄根系表型原位测量,并可推广至其他植物或果树根系表型原位测量。

基于热红外和RGB图像的番茄苗期高温胁迫检测方法

【目的】针对实际生产场景中番茄苗期生长遇到的高温胁迫问题,提出一种基于热红外和RGB图像的番茄苗期高温胁迫检测方法。【方法】首先,通过番茄苗期热红外图像反演获取番茄冠层温度参数,采用偏最小二乘(Partial least squares,PLS)模型提取冠层温度特征指标;然后,建立采用3种不同主干特征提取网络的Mask-RCNN模型,通过迁移学习的方式将番茄苗期RGB图像输入Mask-RCNN模型,进行高温胁迫症状实例分割,得到番茄苗期胁迫症状特征指标;最后,利用提取的温度和胁迫症状特征指标构建分级数据集,输入高温胁迫分级模型,得到高温胁迫等级。【结果】基于PLS模型提取的冠层温度特征指标累计贡献率达95.45%;基于ResNet101+Mask-RCNN的高温胁迫症状分割网络对番茄苗期轻度和重度胁迫的分割精度最高,均值平均查准率(Mean average precision,mAP)分别为77.3%和73.8%;基于温度和胁迫症状特征指标构建的4种高温胁迫分级模型中,反向传播神经网络(Back propagation neural network,BPNN)获得最好的高温胁迫分级效果,分级准确率达95.6%。【结论】该方法对番茄苗期高温胁迫检测效果较好,可为番茄苗期高温胁迫早期精准检测和快速自动预警提供技术支撑。

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。

基于机器视觉的植物群体生长参数反演方法

为实现植物群生长参数在线无损检测,采用机器视觉技术捕获植物群冠层图像,通过RGB空间超绿色-超红色指标(excess green minus excess red,ExG-ExR)、超绿色指标(excess green,ExG)和归一化差异指标(normalized difference indices,NDI)3种指标分割植物群冠层图像,提取植物群图像特征参数:覆盖率、冠层幅长和冠层幅宽,并结合人工测量植物群体参数:茎秆高度、茎直径、叶面数量、坐果数量和叶面指数(leaf area index,LAI)(拟合值),建立植物群5个生长参数的5种反演模型分别为覆盖率反演模型、冠层幅宽反演模型、冠层幅长反演模型、回归方程反演模型和均值反演模型。结果表明:采用ExG-ExR分割的植物群冠层区域与人工提取区域重合度大于99.5%,识别率大于98.2%,分割性能优于ExG+Otsu和NDI+Otsu分割方法。采用120幅反演模型验证图验证反演模型性能,结果表明植物群冠层覆盖率反演模型反演5个植物群生长参数时,其反演值与测量值间相关性决定系数大于0.958,性能优于冠层幅宽和幅长反演模型,而回归方程和均值反演模型在反演植物群5个生长参数时,都仅有2个参数反演性能优于覆盖率反演模型。茎秆高度、叶面数量、茎直径、坐果数量和LAI的反演模型反演值与测量值间线性相关决定系数最高分别为0.979、0.976、0.979、0.965和0.973,标准误差(standard error,SE)分别为10.55 cm、1.37、0.213 mm、0.672和0.055,其对应的反演模型分别为均值反演模型、覆盖率反演模型、覆盖率反演模型、覆盖率反演模型和均值反演模型。通过机器视觉技术及反演模型能够在线无损准确反演植物群生长参数,为温室环境调控及精准肥水一体灌溉控制系统提供具有代表性意义的决策依据。

基于机器视觉的果树树冠体积测量方法研究

针对人工测量精度低、费时费力,而基于三维激光扫描技术、超声波技术等自动测量方法成本高、操作复杂的不足,提出了基于机器视觉的果树树冠体积测量方法,搭建了可移植性果树树冠体积自动测量平台。基于机器视觉实现待测树冠图像获取,通过图像处理算法获得树冠图像面积特征,并采用最小二乘法和五点参数标定法获得普适性树冠面积与体积相关关系模型,从而得到树冠体积,通过对梨树以及桂花树样本的试验,可以发现预测树冠体积平均误差分别为13.73%和10.18%。对于不具备系列样本无法构建模型的树冠,采用单点测量法,根据树冠轮廓拟合椭球结构体,然后根据体积求算补偿公式,完成体积测量,测量误差在10%左右。表明树冠形态特征的图像提取算法可行有效,通过面积以及轮廓特征量均能很好地表达树冠体积特征。

冬小麦变量施肥机控制系统的设计与试验

为了实现冬小麦生长过程中的实时变量精准追肥,使用近地光谱探测技术,结合模糊PID(proportion integration differentiation,比例-积分-微分)控制技术,研究设计了适合中国大田作业的实时变量追肥机控制系统。追肥机采用轴分段式设计,开度和转速双变量调节,通过光谱传感器获取作物冠层归一化植被指数,结合追肥算法计算出当前的目标施肥量,采用测速和测距法反馈肥料流量信息,并根据追肥机实际行进速度,实时调整追肥量,实现精准变量追肥。试验结果表明,模糊PID控制具有良好的动态稳定性和跟踪性能,大田试验的结果表明,追肥机控制精度均达到90%以上,测速系统的检测绝对误差小于0.25 km/h,可以实现精准施肥的目标。该研究为变量施肥机的在线变量施肥控制提供了参考。

基于模糊PID的冬小麦变量追肥优化控制系统设计与试验

为了实现冬小麦实时变量精确追肥,研究了基于模糊PID控制技术的变量追肥机追肥量实时调整算法,通过对排肥器转速和开度双变量调节,实现追肥量的优化控制。系统首先采用粒子群优化算法确定PID控制器参数的初始值,然后通过实时获取冬小麦冠层归一化植被指数和排肥器实时状态,结合模糊控制理论和PID控制技术,对PID参数进行在线整定,实时调整排肥器的转速和开度,从而实现追肥量的最优控制。试验结果表明:施肥过程中,施肥量存在波动性。但施肥量变异系数小,最大为3.22%,均值为2.09%,可以满足田间变量施肥的要求。模糊PID控制算法具有良好的动态稳定性和跟踪性能,无论是室内试验还是大田试验的控制精度均达到86%以上。

不同砧木嫁接对番茄成活率、生长及果实品质的影响

选用优良砧木品种是番茄嫁接栽培的前提和基础。本试验研究不同砧木嫁接对番茄植株成活率、幼苗生长、产量和品质的影响,以期为番茄嫁接栽培中选择适宜砧木提供试验依据。试验以‘江蔬14号’番茄为接穗,劈接法嫁接,6个砧木品种分别为‘改良青园’‘新砧2号’‘果砧1号’‘亲和’‘科砧1号’和‘科砧2号’。采用随机区组试验设计,3次重复,每个重复嫁接15株,以自根苗为对照。每个处理随机选择6株成活的嫁接苗定植于栽培桶中。嫁接后第56天测定生长指标,番茄成熟时测量果实品质指标,拉秧时统计单株产量。结果表明:‘亲和’和‘改良青园’砧木的嫁接成活率显著高于其他砧木品种,分别为63.33%和60.00%;‘科砧1号’砧木的嫁接成活率最低,仅为36.67%。各砧木嫁接均显著提高了番茄植株的茎粗、叶面积和总干质量,并显著降低了根冠比,其中‘新砧2号’‘果砧1号’和‘改良青园’砧木嫁接对番茄植株生长的促进效果较好。各砧木嫁接均显著提高了番茄单株产量,其中‘果砧1号’品种的提高幅度最大,达到254.5%;其次为‘改良青园’,提高幅度达到221.7%。采用灰色关联度分析方法综合评价不同砧木嫁接对番茄果实品质的影响,以‘果砧1号’砧木对嫁接番茄果实品质影响的关联度最大,其次为‘改良青园’和‘亲和’,‘新砧2号’‘科砧1号’和‘科砧2号’砧木降低了嫁接番茄果实品质的灰色关联度。综合评价认为:‘改良青园’和‘果砧1号’砧木嫁接番茄不仅成活率高,而且能明显促进植株生长,显著提高产量并改善果实品质,可作为番茄嫁接栽培中砧木选择的参考品种。

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。