应用近红外光谱技术测试温室黄瓜叶片全氮含量

近红外分析技术是一种新型、快速、无损的检测技术,是未来农业化学分析检测的发展方向.文章采用近红外分析技术对黄瓜叶片中全氮进行了无损测试.主要结论如下:应用黄瓜叶片的全氮含量测定值(凯氏定氮法)与近红外光谱建立模型,然后进行外部验证,验证结果为:模型的决定系数为0.406 6,相对标准差为0.155 9,校正标准差为0....     

基于颜色和纹理特征的黄瓜果实图像分割

温室黄瓜的识别是黄瓜采摘机器人研究的重要环节,要解决此问题首先必须对采集的黄瓜图像进行分割。提出了一种结合颜色特征和纹理特征进行分割的方法。根据CIE-XYZ颜色模型及其色度图,在RGB模型中先通过颜色滤去不相关物体,然后利用灰度共生矩阵提取纹理特征,得到可区分果实和背景的两大纹理特征,即熵和能量,有效地解决了果实和背景颜色相似的识别问题。     

可见光光谱和支持向量机的温室黄瓜霜霉病图像分割

针对温室现场环境下采集的黄瓜霜霉病叶片图像中存在光照不均匀和背景复杂的问题,提出了一种基于可见光光谱和支持向量机的温室黄瓜霜霉病图像分割方法。首先,提出了一种基于可见光谱的颜色特征CVCF(combination of three visible color features)及其检测方法,该颜色特征将超红特征(excess red,ExR)、H分量和b*分量三种颜色特征结合,通过设置ExR参数,降低光照条件对ExR的影响,克服了光照不均匀对病斑分割的影响。在CVCF的基础上,结合基于径向基核函数的支持向量机分类器,通过优化分类器参数构建病斑分割模型,获得了温室黄瓜霜霉病图像初始分割结果。在初始分割结果基础上,采用SURF(speeded up robust features)特征及形态学操作,对分割结果进一步优化,消除背景噪声对分割结果的影响,从而获得最终病斑分割结果。为进一步验证方法的有效性,选择了OTSU算法、K均值聚类算法和决策树算法,作对比研究。结果表明,OTSU+H*0.2,K-means+H+b*,DT+H+b*和该研究算法的错分率分别为：19.44%,40.19%,16.27%和7.37%,该算法对温室现场环境下采集的黄瓜霜霉病图像的分割效果明显优于其他对比方法。该方法能够充分克服光照不均匀和复杂背景的影响准确地提取病斑,为病害识别提供了良好的数据来源。     

基于非平行系统的水下图像转化模型

针对水下三维重建成像时图像失真的问题,提出一种基于非平行双目视觉系统的转化条件和转化模型,将摄像机透过平面防水罩拍摄的水下图像转化为摄像机与目标间无水存在的一般空气图像.当摄像机焦点在水与空气分界面处时,水下图像和空气图像像素间存在一一对应关系,当摄像机焦点位于水面外时,该模型在物距远大于焦距及焦点沿z轴方向与折射面距离的情况下仍成立.实验利用特征点三维坐标重建验证模型的正确性,结果显示,利用本文方法重建的三维坐标和实际三维坐标相比,x、y、z轴方向的重建误差平均值分别为2.23%,1.51%,1.10%,表明该模型转化后的图像可采用空气中的图像处理方法,为空气中的三维重建方法应用于水下的探索提供理论依据.     

基于反射光谱的温室黄瓜叶片磷素含量分析与预测

以温室栽培黄瓜作物为对象,分析了叶片反射光谱与叶片磷素含量之间的相关关系,并建立了预测模型。首先利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。相关分析表明反射率光谱与叶片含P量之间具有一定的相关性,但线性相关不显著。利用微分光谱可以部分消除系统误差、背景噪声等的影响,明显提高了相关系数,但预测模型精度仍然达不到实用程度。在理论分析的基础上,选取978,920,737和458 nm等4个波长作为特征波长,分别利用人工神经网络和支持向量机建立了黄瓜叶片P素含量对应于微分光谱特性的非线性预测模型,结果表明两种算法都获得了较好的预测效果,支持向量机模型的预测能力(R_v=0.754)优于人工神经网络模型(R_v=0.712)。     

基于图像灰度信息的直线位移测量

提出了一种基于视觉的新型直线位移测量方法。建立了图像各像素点灰度值与直线运动位移间的映射函数模型,通过数值方法解算了直线运动平台的位移。通过蒙特卡罗仿真对所提方法进行分析,证明了其可行性与合理性。分析了检测点拓扑结构对测量精度的影响。实验结果表明,在10 mm的位移测量范围内,所提方法的测量误差标准差为4μm。     

基于近红外光谱的设施栽培水果黄瓜磷元素亏缺初期快速诊断

磷元素(P)亏缺初期,水果黄瓜植株根部叶片出现小斑点,其症状的外观特征与健康植株根部叶片老化初期类似,难以用肉眼或者计算机图像处理技术识别。本文根据近红外光谱能够反映叶片组织中有机物组分的差异,运用近红外光谱技术对水果黄瓜植株磷元素亏缺进行了快速诊断研究。精确控制营养液中磷元素含量,通过设施栽培方式培养缺磷植株和对照样本。近红外光谱仪采集了90片叶子的原始光谱(60片作为训练集,30片作为预测集),经光谱预处理和窗口宽度优化后均匀划分为27个子区间,分别提取每个子区间的10个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,以叶片缺素情况作为输出变量,建立3层BP-ANN诊断模型。当主成分因子数为3时,第7个子区间对应的模型效果最佳,模型对缺磷叶片和正常叶片的预测准确率均达到100%。研究表明:近红外光谱技术结合BP-ANN快速诊断水果黄瓜磷元素亏缺是可行的。     

基于多光谱图像分析的温室黄瓜叶片营养元素检测与诊断

采用CCD照相机加滤光片的方法,进行了基于多光谱图像分析的温室黄瓜叶片营养元素检测与诊断研究。对近红外光波段的叶片图像分别采用遗传算法和分水岭算法进行阈值选取,对两种算法二值化的效果进行对比分析,结果表明采用分水岭方法分割的图像,边界清晰,噪音小,与原图像更接近,背景和叶片分离的效果更好。NDVI与叶面积、叶片含氮量之间有明显的线性关系,R2分别为： 0.820 9和0.701 7。GNDVI与叶面积、叶片的含氮量之间也有较高的线性关系,R2分别为： 0.762 5和0.676 2。RVI与叶面积之间有明显的线性相关关系,R2为0.857 7,但与叶片的含氮量之间则包含了非线性成分,R2为0.598 8。以上结果表明,CCD照相机加滤光片可以作为一种作物含氮量信息的快速诊断方法。     

可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算

温室黄瓜霜霉病严重度的准确估算是科学防治霜霉病的前提条件,对于减少农药使用量、提升温室黄瓜品质和农民经济效益具有重要意义。机器学习在植物病害诊断领域的应用越来越广泛,已经取得了丰富的研究成果,病害严重程度的估算萌发了新的思路。利用霜霉病可见光图像并结合机器学习方法,开展温室黄瓜霜霉病严重度快速准确定量估算研究。利用数码相机采集温室黄瓜霜霉病叶片图像并进行预处理,剔除病害图像的背景。以黄瓜霜霉病叶片图像为输入,构建基于卷积神经网络(CNN)的估算模型。利用可见光光谱颜色特征(CVCF)结合支持向量机进行温室黄瓜霜霉病病斑图像分割,采用SURF(speeded up robust features)特征及形态学操作对分割结果进行优化。在获取黄瓜霜霉病病斑分割图像后,提取病斑图像RGB, HSV, L~*a~*b~*, YCbCr和HSI共5个颜色空间15个颜色分量的平均值和标准差2个颜色特征,以及在此基础上结合灰度共生矩阵提取各颜色分量的对比度、相关性、熵和平稳度4个纹理特征,共计90个特征;利用Pearson相关性分析进行特征优选,采用与温室黄瓜霜霉病严重程度实际值相关性高的图像特征构建浅层机器学习估算模型,包括支持基于向量机回归(SVR)的估算模型和基于BP神经网络(BPNN)的估算模型。基于以上3种估算模型开展黄瓜霜霉病严重度定量估算,采用决定系数(R^2)和归一化均方根误差(NRMSE)对估算模型准确率进行定量评价。结果表明,模型估算的温室黄瓜霜霉病严重度与实际值之间具有良好的线性关系,其中,基于CNN的估算模型准确率最高,模型的R^2为0.919 0, NRMSE为23.33%,其次是基于BPNN的估算模型,其R^2为0.890 8, NRMSE为24.64%,基于SVR的估算模型的准确率最低,其R^2为0.8901, NRMSE为31.08%。研究结果表明,利用黄瓜霜霉病可见光图像数据,结合卷积神经网络估算模型,实现了温室黄瓜霜霉病严重度的准确估算,能够为温室黄瓜霜霉病的科学防治提供参考,提高病害防治效率,减少农药使用。     

基于网格点投影灰度相似性的三维重建新方法

基于双目立体视觉的三维重构是计算机视觉技术的主要内容之一,在机器人视觉导航、航空测绘、医学成像和工业检测等很多领域都有广泛的应用.提出一种基于网格点投影灰度相似性的双日立体视觉的三维重建新方法.首先将被测物体所在的世界坐标系划分成问距卡日等的矩形网格,将网格节点作为潜在的物点投影到左右图像坐标系上,然后根据不同深度的空间点在两幅图像上相应的灰度相似性来判断被测物体在三维空间中的深度信息.通过Matlab平台下的仿真实验证明了本方法的三维重建效果和计箅效率都要优于传统方法.与传统的图像匹配方法相比,具有算法简单、速度快、精度高、且不受摄像装置非线性畸变影响的优点.     

棚龄对大棚种植黄瓜品质影响的傅里叶变换红外光谱研究

蔬菜大棚种植对蔬菜供应发挥着重要的作用,蔬菜大棚棚龄会影响蔬菜的产量和质量。以不同棚龄（1年、10年和18年）的黄瓜为对象,利用漫反射傅里叶变换中红外光谱,通过解析黄瓜的光谱特征峰,探究棚龄对黄瓜品质的影响。研究表明,黄瓜的多糖和蛋白质组分在3个棚龄呈现先增加后降低的趋势,10年棚龄种植的黄瓜多糖和蛋白质组分显著高于1年和18年的黄瓜多糖和蛋白质组分。高的棚龄（即10年和18年）显著增加了黄瓜的木质素组分。木质素组分主要分布于黄瓜皮中,增加木质素组分会降低黄瓜的食用口感。另外,黄瓜中各有机组分的比值能综合反映不同棚龄下黄瓜的品质。18年棚龄的黄瓜多糖与蛋白质组分的比值以及多糖与木质素组分的比值低于1年和10年棚龄的黄瓜各有机组分的比值,表明1年和10年棚龄的黄瓜中碳水化合物和营养物质的比值更加均衡。通过分析黄瓜各有机组分以及黄瓜各有机组分比值随着黄瓜棚龄的变化,知悉黄瓜棚龄在10年以内时,对黄瓜品质提升具有促进作用,但更长的棚龄会抑制黄瓜品质。因此,综合考虑黄瓜的品质,建议黄瓜棚龄不宜太长。另外,通过分析棚龄对黄瓜叶片有机组分的影响,发现黄瓜叶片各组分与黄瓜各组分的变化趋势相似。线性相关分析指出黄瓜蛋白质和木质素组分分别与黄瓜叶片蛋白质和木质素组分显著正相关,表明黄瓜叶片在一定程度上能反映黄瓜的营养成分和黄瓜口感。利用红外光谱解析不同棚龄下表征黄瓜品质的有机组分,为蔬菜大棚管理以及提高蔬菜品质提供了科学依据。     

Face image recognition via collaborative representation on selected training samples

In this paper, we present a collaborative representation-based classification on selected training samples (CRC_STS) for face image recognition. The CRC_STS uses a two stage scheme: The first stage is to select some most significant training samples from the original training set by using a multiple round of refining process. The second stage is to use collaborative representation classifier to perform classification on the selected training samples. Our method can be regarded as a sparse representation approach but without imposing l₁-norm constraint on representation coefficients. The experimental results on three well known face databases show that our method works very well.     

基于机器视觉的量子点STM形貌图像识别研究

为减轻量子点表面形貌分析过程中的人工工作,使量子点的STM图像分析更加自动化,基于机器视觉对衬底的斜切角及量子点的形貌特性展开研究.利用腐蚀和边缘检测提取台阶形状,并通过反三角变换计算斜切角.利用二值化和阈值下降对量子点的数量与空间坐标进行提取,在此基础上,通过邻域密度计算分析其均匀性,并在解决图像中的粘连问题后找出量子点的尺寸.实验结果显示,与人工统计相比,斜切角、量子点计数及尺寸的平均误差分别为5.02%, 0.7788%及1.12%;并实现量子点均匀性的自动化统计与分析.基于机器视觉算法的自动识别过程,对协助研究者分析量子点表面形貌有实际意义.     

基于DSP和FPGA的图像选别系统设计

色选设备是集光、电、气、机及图像处理为一体的高科技综合技术。基于DSP和FPGA的图像选别系统具有精度高、处理速度快、集成度高、功耗小等优点。首先介绍图像选别系统的硬件组成,然后以破损花生检测为研究对象,通过Matlab编程研究不同处理算法的优缺点,最后移植到DSP上测试编写的程序,提出破损花生的检测算法,实现了依据破损面积大小对花生的选别。在花生筛选中,除了破损花生检测,还有花生的大小检测,因此在上述基础上进一步提出花生几何参数的计算方法。     

基于多光谱图像的烟雾检测

烟雾检测对于火灾早期防范非常重要,传统的智能视频和图像处理技术易受背景运动信息影响,抗干扰性差,且不容易区分森林水雾和燃烧产生的烟雾,森林防火误报率高。为此提出一种新的多光谱图像检测方法检测烟雾。采用多光谱成像系统,获取400至720 nm波段范围的烟雾、水雾光谱图像序列,对图像进行分层像素整合处理;利用欧氏距离度量不同分块光谱特征差异,获取动态区域光谱特征向量,根据目标与背景间光谱特征向量差异,提取烟雾、水雾区域。室内外试验结果表明：多光谱图像检测方法可用于烟雾检测,能够有效地检测并区分烟雾和水雾,与视频图像方法结合,可有效地用于森林火灾监测,降低森林火灾检测误报率。     

基于人眼视觉的对不良照明图像的二值化方法

提出一种新的基于视觉特性的自适应阈值分割方法.利用人眼视觉对比敏感度特性把图像块分成两类,分别借助OTSU算法和模拟人眼识别过程的多尺度模糊隶属方法实现对这两类具有不同灰度特性图像块的自动阈值分割.实验结果表明,使用该方法能够有效的克服不良照明的影响,还原图像的原本特征信息,二值化效果较好.     

运动西瓜可见/近红外光谱采集系统及品质检测试验研究

为使可见/近红外漫透射光谱技术用于西瓜品质在线检测,自行设计加工了运动西瓜光谱采集系统,并进行了样品光谱采集。通过运动状态下西瓜光谱与品质指标的建模与预测结果,分析由于运动引起的噪声对光谱的影响,并分别采用最小二乘拟合法、Norris微分滤波等方法进行了光谱的平滑消噪处理,分析这些方法对光谱的平滑消噪效果及对建模与预测结果的影响,发现Norris微分滤波法更适合本系统采集到的西瓜光谱的平滑消噪处理,改善了光谱的平滑性,提高了建模与预测精度;建立了运动西瓜的可溶性固形物含量与可见/近红外光谱的相关关系模型,校正相关系数为0.895,均方根校正标准偏差RMSEC为0.549,均方根预测标准偏差RMSEP为0.760。     

基于优势特征图像融合的水下光学图像增强

针对水下光学图像颜色失真、非均匀光照、对比度低的问题,提出基于优势特征图像融合的水下光学图像增强算法.首先,提出改进的暗通道先验算法去除退化图像中的不均匀浑浊并均衡色彩;其次,对颜色校正图像分别使用基于加权分布的自适应伽玛校正算法和限制对比度自适应直方图均衡-同态滤波算法,增强颜色校正图像对比度并使其亮度均衡;最后,定义三幅融合图像即颜色校正图像、亮度均衡图像、对比度增强图像的关联权重图,通过多尺度融合算法获得融合图像.与单一预处理算法只能解决对应的退化现象相比,该算法对单幅退化图像进行多算法处理,得到三幅优势特征图像,通过不同权重的组合最大程度地将各优势特征相结合,得到的综合效果远超各单一算法优化效果,不再局限于解决颜色失真等单一问题.将本文算法与现有算法在主观评价和客观评价两方面进行实验对比,结果表明,该算法可以有效平衡水下图像的色度、饱和度及清晰度,视觉效果接近自然场景下的图像.     

基于MEMS微镜技术的近红外光谱仪的研究

针对传统近红外光谱仪的不足,设计了基于MEMS微镜技术的近红外光路,并对其电路和处理软件做出简要描述,最后用标准样品进行实验,实验结果表明,该光谱仪在重复性和稳定性得到保证的前提下可以做到小型化、便携化.