基于视频的早期烟雾检测

针对火灾早期预警和危险化学品气体泄漏的在线检测问题,提出了一种基于视频的早期烟雾检测新方法。整个检测过程主要由四部分组成:1)RGB分量运算参数的离线学习;2)用RGB分量运算+位屏蔽,实时分割出类似烟雾区;3)用在背景维护下的减背景来消除场景中静态的类似烟雾区干扰,再由小波变换去除场景中动态的类烟雾区干扰;4)通过长序列的多帧证据积累分析,判别标记出真正烟雾。实验表明,该方法对于320×240分辨率彩色视频的分析判别速度可达16～20fps,并可在3～4s内准确判别出动态场景下的核心烟雾区,且不受大空间、开放环境的限制,具有较强的误报免疫能力。

不同水分条件下水稻籽粒形态及其与粒重的关系

运用机器视觉检测技术,以普通杂交稻汕优63和超级杂交稻国稻6号为材料,在幼穗分化开始至分化后30d分别设置不同的控水处理,通过水分仪结合称重法控制土壤含水量,研究了稻穗及穗上不同部位籽粒的形态性状,并分析各性状与粒重的关系。结果表明:水稻的籽粒面积、长度及千粒重对水分反应较明显,水分亏缺对籽粒面积和粒重的影响引起比粒重(单位籽粒面积的重量)变化,长宽比对水分也有一定反应,宽度对水分的响应因品种而异。籽粒形态性状、产量及其构成因素均随水分亏缺的加重而有不同程度下降,穗生长发育全阶段的控水处理影响最大,其次是中期的重度和中度控水处理以及前期、后期的重度控水处理,各时段控水对不同部位籽粒形态的影响与穗分化发育的顺序历期基本吻合。除粒宽与其他形态性状之间呈极显著或显著负相关以外,其余各籽粒形态性状之间均呈极显著正相关。籽粒面积、长度及长宽比与千粒重之间存在极显著或显著的相关关系,可以作为水稻抗旱性鉴定有效的籽粒形态指标。

基于典型叶片模板自动匹配的虫损叶面积测量

为了定量化评估农作物的虫害程度,提出了一种基于典型叶片模板自动匹配的叶片虫损面积测量新方法。先将叶片图像二值化并提取其外轮廓;再对提取的轮廓进行多边形近似,以多边形的顶点为端点将叶片外轮廓划分成若干子轮廓;然后采用形状上下文对完整叶片与虫损叶片之间的子轮廓进行自动配准,找出其间的相互映射关系;最后根据映射关系对虫损叶片进行重建,计算出虫损面积。对10类不同叶片的测量分析表明:该方法平均每叶片耗时0.962s,最大相对误差为8.22%,平均相对误差为4.78%。其中,形状复杂度高的叶片平均相对误差为7.48%,复杂度中等的叶片为5.99%,复杂度低的叶片为1.84%。结果表明,该方法能准确而快速地测量虫损叶面积。