基于卷积神经网络的葡萄叶片氮含量识别方法

为实现对葡萄叶片氮素含量快速、便捷的识别，在卷积神经网络VGG-16网络结构基础上，将数据增广后的图像按不同梯度划分进行模型训练，通过十折交叉验证法探究最佳的训练集与验证集分配比例，并构建4个不同深度的网络模型进行训练对比，采用全局平均池化代替全连接层约简网络参数量。训练结果表明，氮含量梯度设为0.70%、0.35%和0.175%时，室内简单背景识别准确率分别为85.9%、76.2%和71.1%；晴天室外复杂背景下识别准确率分别为44.6%、35.0%和30.4%。研究结果表明利用VGG-16建立的网络学习模型对葡萄叶片氮含量识别提供了一种新的便捷方法，对农业信息化和智能化技术应用具有一定促进作用。     

基于LabVIEW的大麦远程监控系统的设计与试验

依据虚拟仪器设计原理,以田间种植大麦为监测对象,基于LabVIEW2011软件平台开发了一种大麦生长远程无线监控系统。该系统采用TCP/IP协议,利用LabVIEW设计构建监测网络,通过ARM远程监测和控制CMOS传感器,实现大麦田间图像的实时采集和远程传输、数据及视频图像的显示和保存。实验结果表明系统实现了大麦生长远程视频图像监控。经测试,该系统传输视频误包率和丢包率较小,分辨率为320×240时系统传输帧速数达到16 f/s,图像清晰稳定,为大田农作物的生产过程监测提供了一种新型集成技术,在农作物病虫害防治和提高农业经济效益等方面具有重要意义。     

基于LabVIEW葡萄叶片还原糖含量的测试方法

目前对葡萄叶片营养元素诊断大都利用化学滴定法或者光谱仪器分析法,但此类方法仅适用于实验室小批量作物测试,难以应用至大批量农业生产中。因此本系统以葡萄叶片为测试对象,在LabVIEW软件平台下,提出了一种基于夜间葡萄叶片中还原糖含量的测定系统。具体为利用USB工业摄像头实时采集叶片图像,借助于Vision Development Module模块中的Vision Assistant完成图像处理工作,进而通过LabVIEW中"脚本与公式"模块调用Matlab Script脚本节点编程,提取叶片图像颜色和纹理特征值参数,使用支持向量机(SVM)算法构建分类器模型对487幅葡萄叶片糖分含量进行分类识别。结果表明该系统分类识别准确率高达87.349%,单次测试时长为2~5 min。证明该系统精度高、工作稳定,对提高农业经济效益方面具有重要意义,有实用价值。     

关于机械图样中尺寸标注的探讨

绘制机械图样时,尺寸标注是一个非常重要且不易掌握的环节。系统论述了标注尺寸的基本知识和规则、不同图样的尺寸标注等问题,对提高绘图质量和读图效果具有一定作用。     

形体分析法在组合体视图中的应用研究

组合体是工程制图中具有特殊性和重要地位的立体。形体分析法在组合体视图中发挥了重要作用，应用此方法可将复杂的立体分解成基本几何体和简单体，使工程立体化繁为简、化难为易。笔者研究了组合体的概念、投影规律、形体分析法及其在组合体绘图、尺寸标注、读图中的应用。