芦兵
- 作品数：12 被引量：110H指数：7
- 供职机构：江苏大学电气信息工程学院更多>>
- 发文基金：国家自然科学基金江苏省“六大人才高峰”高层次人才项目江苏高校优势学科建设工程资助项目更多>>
- 相关领域：自动化与计算机技术农业科学生物学更多>>
- 基于正则表达式融合语义的农产品自动识别方法被引量：2
- 2018年
- 针对同一条传送带上不同类别农产品自动分拣识别率低的问题,根据应用场景下轮廓、颜色和空间相对位置等物理特征不变,以及不同农产品会产生不同振动波的特征,通过建立基于颜色、线条、位置、振动等信息的特征元素库,利用正则表达式的语义规则,对基础特征元素进行先验知识的有序组织,赋予它们描述不同农产品匹配特征的能力,从而快速构建出不同农产品的匹配模型,缩短分拣过程中农产品目标模型生成时间,同时由于融合了振动特征,使得外形相似农产品的识别准确率得到较大提升.试验结果表明:基于正则表达式融合语义特征提取的农产品识别方法能够快速、准确识别各类农产品,从而实现自动分拣的目的,在固定视角下其识别率为92.5%,平均识别时间为50.3 ms,相较传统的尺度不变特征变换(SIFT)和加速鲁莽特征(SURF)算法,本算法在固定视角下的分拣精度和分拣效率均有所提高.
- 芦兵孙俊许晓东
- 关键词：农产品图像特征自动识别
- 水稻无土栽培及叶片水氮含量测量研究
- 2009年
- [目的]研究不同水分、氮肥处理下水稻叶片含水率、水稻叶片氮含量的变化特征。[方法]对水稻进行无土栽培,按施水量和施氮量进行交叉培育实验,在各个生育期,采用Bran+Luebbe AA3流动分析仪测定叶片含氮量,采用烘干称重法测量含水率。[结果]交叉试验可以培育出不同含水率含氮率的水稻样本,阐明了在各生育期水稻含水、含氮量随施水、氮肥量变化而变化的情况。[结论]试验为水稻叶片含氮率、含水率的无损检测研究提供了实验样本。
- 孙俊吴静菲羊一清芦兵
- 关键词：水稻水分氮肥
- 汽车胎号图像的去噪及倾斜调整问题的研究
- 2009年
- 为了实现汽车胎号识别,必须对采集的胎号图像进行一系列预处理。本文着重讨论汽车胎号图像二值化后的部分预处理。采用离散点判断函数或形态学中的开启运算去除离散黑噪声点,运用闭合运算去除白空洞噪声。基于整体图像的倾斜度测量算法调整胎号图像的倾斜。经过一系列预处理,为后续的胎号字符分割及识别打好基础。
- 殷春芳孙俊芦兵
- 关键词：去噪形态学
- 基于正则表达式的图像目标特征提取方法研究被引量：7
- 2018年
- 针对图像匹配过程中生成匹配模板复杂度高的问题,根据应用场景下被识别物轮廓、颜色和空间相对位置等物理特征不变的特性,通过建立基于颜色、线条、位置等信息的基础像元素库,并利用正则表达式的组织语法对这些基础元素进行先验知识的有序组织,赋予它们描述待匹配目标匹配特征的能力,从而能够快速构建出被识别物的匹配模板,缩短图像识别过程中模板生成时间,提高图像识别效率。实验结果表明:基于正则表达式特征提取的目标识别方法能够快速、准确对目标进行识别。在固定视角下其识别率为87.5%,平均识别时间为60.3 ms。相比较于尺度不变特征变换(SIFT)和加速鲁莽特征(SURF)算法,该算法在固定视角下的识别精度和识别效率均有所提高。
- 芦兵孙俊许晓东
- 关键词：特征提取
- 基于图像特征库的动物行为识别技术
- 2018年
- 针对传统接触感应式动物行为识别方法的局限性,根据特定观察视角下动物轮廓、颜色和空间相对位置等物理特征不变以及不同行为下动物产生不同声音的特点,通过建立基于颜色、线条、位置、声音等信息的特征元素库,并利用正则表达式语义规则对这些基础特征元素进行先验知识的有序组织,赋予它们描述不同动物行为特征的能力,进而快速构建出动物行为的匹配模板,缩短动物行为识别过程中特征模板的生成时间,提高动物行为自动识别效率。结果表明,基于图像特征库的动物行为识别技术能够快速、准确地识别不同类别动物行为,在固定视角下其识别率为87. 5%,平均识别时间为60. 3 ms,与背景差分法及光流法相比,本方法在固定视角下的识别精度和识别效率均有所提高。
- 芦兵孙俊许晓东
- 关键词：动物行为声音特点
- 基于双目识别技术的复杂背景中果实识别试验被引量：8
- 2011年
- 为了迅速识别不同背景中的果实目标,在规范结构下建立了双目立体视觉识别系统,对复杂背景中的果实进行定位和识别.提出了基于角点聚类的局部特征提取及匹配算法,利用极限约束条件,通过提取同行像素角点特征完成立体匹配,获取果实3维信息.通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法,角点匹配效率低,定位精度差:基于视差的定位精度为78%,基于距离的定位精度为73%,基于颜色的定位精度为68%.文中提出的算法融合3种特征属性,定位精度为89%.试验结果表明:该算法具有较高的鲁棒性,能够更有效地定位果实位置,提高机械手采摘效率.
- 孙俊芦兵毛罕平
- 关键词：双目视觉果实
- 基于SAGA-SVR预测模型的水稻种子水分含量高光谱检测被引量：11
- 2018年
- 【目的】利用高光谱技术测定水稻种子的水分含量,为其品质监测和筛选提供参考依据,从而提高水稻良种筛选率。【方法】通过电烘箱恒重法制备120份不同水分含量的水稻种子样本作为研究对象,利用多项式平滑(Savitzky-Golay, S-G)算法对原始光谱数据进行降噪平滑处理,采用连续投影算法(Successive projections algorithm, SPA)对预处理后的数据进行特征波长的优选。为提高建模效率,提高各水分含量区间光谱特征值的区分度,使用模糊C-均值聚类(Fuzzy C-means clustering,FCM)算法对各区间的样本数据进行聚类处理,最后利用支持向量回归机(Support vector regression, SVR)定量检测模型建立特征光谱数据与水稻种子水分含量的映射关系。【结果】由于FCM未达到预期的聚类效果,而引入遗传模拟退火算法(Simulated annealing genetic algorithm,SAGA)进行聚类,分别对基于原始特征值、FCM及SAGA聚类的SVR训练结果进行比较,发现基于SAGA聚类的光谱样本数据训练效果更好,预测集决定系数可达0.8956,均方根误差3.75%。由于决定系数不够理想,引入松弛变量降低间隔阈值,最终模型预测集决定系数为0.9286,均方根误差为3.42%,此时模型达最佳性能,能满足实际应用需求。【建议】基于聚类算法,提高光谱数据的准确性;通过合理调整模型参数,提高预测模型性能;推动高光谱农产品检测相关装备的研制。
- 芦兵孙俊杨宁武小红
- 关键词：水稻种子
- 基于通道特征金字塔的田间葡萄实时语义分割方法被引量：6
- 2022年
- 复杂环境下葡萄的快速检测识别是智能采摘的关键步骤,为解决目前葡萄识别精度低和实时性差的问题,该研究提出一种轻量级葡萄实时语义分割模型(Grape Real-time Semantic Segmentation Model,GRSM)。首先,利用通道特征金字塔(Channel-wise Feature Pyramid,CFP)模块进行特征提取,该模块通过1×3和3×1空洞卷积的跳跃连接,在减少模型参数量的同时提取葡萄图像的多尺度特征和上下文信息;然后,采用池化卷积融合结构完成下采样,增加可训练参数以减少信息损失;最后,利用跳跃连接融合多种特征恢复图像细节。试验结果表明:该研究所提出的模型在田间葡萄测试集上达到了78.8%的平均交并比,平均像素准确率为90.3%,处理速度达到68.56帧/s,网络结构大小仅为4.88 M。该模型具有较高分割识别精度和较好实时性,能满足葡萄采摘机器人对视觉识别系统的要求,为葡萄的智能化采摘提供了理论基础。
- 孙俊宫东见姚坤杉芦兵戴春霞武小红
- 关键词：机器视觉图像识别葡萄CFP
- 基于高光谱图像及深度特征的大米蛋白质含量预测模型被引量：19
- 2019年
- 为了充分挖掘高光谱图像的光谱信息和图像信息,实现大米中蛋白质含量的无损检测,该文提出一种堆叠自动编码器(stacked auto-encoder,SAE)提取高光谱图像深度特征的方法,在高温(45℃)高湿(95%相对湿度)条件下对市售大米进行放置处理,以6组不同放置时间(0,24,48,72,96和120 h)共420个大米样本(每组70个)为对象,利用可见光/近红外高光谱成像仪采集高光谱图像(400~1 000 nm,共478个波段),采用阈值分割法获取样本高光谱图像掩膜,分别提取掩膜后高光谱图像感兴趣区域(region of interest,ROI)的平均光谱信息和图像信息。应用多项式平滑(savitzky-golay,SG)对获取的光谱曲线进行预处理,利用SAE提取光谱深度特征,采用支持向量机回归(support vector regression,SVR)建立预测模型,结果表明训练集决定系数RC^2、训练集均方根误差RMSEC、预测集决定系数RP^2和预测集均方根误差RMSEP分别为0.976 2、0.068 6 g/(100 g)、0.939 2和0.115 3 g/(100 g)。将图像尺寸统一为28像素×28像素的灰度图并扁平化处理,利用SAE提取图像深度特征,结果表明RC^2、RMSEC、RP^2和RMSEP分别为0.915 4、0.051 0 g/(100 g)、0.821 0和0.111 8 g/(100 g)。进一步融合光谱信息和图像信息,结果表明RC^2、RMSEC、RP^2和RMSEP分别为0.971 0、0.077 2 g/(100 g)、0.964 4和0.085 1 g/(100 g),相较于光谱信息,RP^2提升幅度2.68%;相较于图像信息,RP^2提升幅度17.47%。研究表明,充分挖掘大米样本高光谱图像中的光谱信息和图像信息并进行融合,利用SAE提取光谱-图像融合深度特征,可有效提高模型的预测精度,为大米蛋白质含量无损检测提供了理论依据,具有良好的应用前景。
- 孙俊靳海涛芦兵武小红沈继锋戴春霞
- 关键词：无损检测光谱分析高光谱图像大米蛋白质含量
- 基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究被引量：17
- 2019年
- 为了实现对茶叶病害的准确预测,避免病害特征提取过程中对茶叶的二次破坏,利用荧光透射技术对茶叶赤叶病叶片的荧光透射光谱特性展开研究。实验采集了健康茶叶叶片样本45个、赤叶病初期叶片样本60个及赤叶病中期叶片样本60个,并按照2∶1的比例划分成训练集和预测集样本数,通过荧光透射手段利用高光谱仪器采集这些叶片的原始荧光透射光谱。通过对这3组叶片样本平均光谱强度曲线的分析,证实了利用荧光透射光谱信息对这3种病害类型叶片进行分类的可行性。然后使用多项式平滑(savitzky-golay, S-G)方法对原始光谱进行平滑和降噪处理。最后采用竞争性自适应重加权抽样法(competitive adaptive reweighted sampling, CARS)对预处理后的光谱数据进行特征波长的选取。经过50次加权采样后,最终选取出4个特征波长,分别为: 463, 512, 586和613 nm。为了最大化提取样本的病害特征信息,强化分类器输入病害特征值的典型性,使用高光谱反射技术,采集4个特征波长下的高光谱图像,分别使用2种不同的纹理提取算法提取病害叶片图像的纹理信息进行对比分析。首先利用灰度共生矩阵(GLCM)提取4幅图像的纹理信息,分别计算4个方向的灰度共生矩阵(0°, 45°, 90°及135°),然后计算5个共生矩阵的均值和方差。为了提高鲁棒性,取4幅图像纹理信息的平均值作为该叶片的纹理特征值,最终得到10个特征值。利用LBP(local binary patterns)算法获取特征波长下高光谱图像的纹理信息,并使用Uniform模式对LBP模型进行降维,最终每幅图像得到944个维度的LBP特征值,同样取4幅图像的平均值作为该叶片的LBP纹理特征值。最后通过极限学习机(ELM)分别建立特征光谱联合灰度共生矩阵纹理信息及LBP算子纹理信息的预测模型,由于模型的输入特征值不在一个量纲,首先对输入特征值进行归一化处理,然后再定�
- 芦兵孙俊杨宁武小红周鑫
- 关键词：高光谱图像LBP算子ELM
