植物病害检测算法的研究与实现

植物叶片病害的检测与识别对植物的保护与研究有着重大意义。传统的植物叶片病害识别方法通常利用叶片病斑图像的颜色、形状、纹理等特征进行识别分类。深度学习作为现在图像处理领域的研究热点,也可以很好地运用在植物叶片病害的检测与识别中。设计在Python环境下搭建神经网络模型对黄瓜叶片病害图像进行识别分类。     

基于人体手臂运动意图反馈的人机顺应协作

本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂的运动意图并让机器人作出顺应响应,从而实现人机协作.最后,结合主观评价指标和客观评价指标,在人机协作锯木头实验中对比了3种不同协作模式的效果.与无运动意图反馈的人机协作相比,有反馈的人机协作下的协作交互力波动幅度减小了153.39 N,任务完成时间减少了19.25 s.实验结果表明,有人体手臂运动意图反馈的人机协作能够提高人与机器人协作的顺应程度,与人-人协作效果类似.     

水稻稻曲病的研究与探讨

水稻稻曲病(rice false smut)已由过去次生性病害逐渐上升成为水稻生产上的重要病害之一。文章从稻曲病发现与命名简单历史、国内外发生分布与危害的现状、病原菌形态特征、稻曲病典型症状、关于稻曲病的毒性问题、稻曲病发病规律(即初次侵染与再次侵染源、稻曲病菌生物学特性、稻曲病侵染与危害、稻曲病流行规律)和药剂防治试验示范等6个方面进行了研究,对综合治理稻曲病的措施提供了可参考的途径。     

改进AR模型特征提取及分类

目前,表面肌电信号（sEMG）是手势动作识别研究的重要信号源.本文以肌电信号为对象,从非平稳与非线性的角度出发,采用ICA独立成分分析和经验模式分解的方法,消除表面肌电信号中的工频干扰,对处理后的信号建立AR模型.将模型系数作为信号的特征,对6种手势动作进行模式识别.实验表明,该方法获得的特征具有较好的分类效果.     

在线半监督Kohonen网络的预抓取手势识别

为实现智能仿生手的抓取,提高模式识别的实时性和灵敏性,提出一种在线半监督Kohonen网络。该网络针对表面肌电信号(s EMG)的特性,在有监督Kohonen网络基础上,将有监督和无监督网络的优势进行结合,应用数据剪辑方法处理训练集更新识别网络,在线识别侧边抓取、球形抓取、三指精确抓取和圆柱形抓取4种预抓取手势。实验表明,与不同Kohonen网络相比,此识别方法具有很好的在线识别能力和正确率。     

基于肌电信号容错分类的手部动作识别

针对肌电交互系统中因电极断开、损坏及数据传输中断等故障造成的数据错误/丢失问题,提出一种基于高斯混合模型的肌电信号容错分类方法,通过对肌电信号特征样本中错误/丢失数据边缘化或条件均值归错实现非完整数据样本分类.应用所提出的方法识别5种手部动作,实验结果表明,该方法的动作识别精度要高于传统的零归错与均值归错方法.最后,融合容错分类机制开发了肌电假手平台,在线实验验证了提出的方法可以有效提高肌电交互系统的鲁棒性.     

基于熵和PSO优化SVM的肌电信号跌倒识别

跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机（GA-SVM）的参数优化,具有较强的鲁棒性和抗干扰能力。     

基于CCD技术的外观纸病检测系统

设计了CCD在线外观纸病检测系统,介绍了该系统的硬件组成情况和系统的工作原理、技术指标和软件设计,重点阐述了外观纸病检测系统中CCD技术的优势。     

季节更替与旧病复发

同事老刘患风湿性心脏病和哮喘病多年。在夏季,老刘的生活、工作与常人没什么区别,只是每当秋去冬来,他突然就像变了个人似的,咳嗽不停,特别是有强冷空气南下、气温骤降时,即使身穿棉衣,拥着火炉,他也冷得簌簌发抖,脸色发青,气喘不停。好在他是一位老天气预报员,本地的天气变化都在他的掌握之中,在天气变化前就吃药、打针,采取预防措施,虽然病情有些波动,但一直相安无事,生活质量也没受到太大的影响。发生在老刘身上的这种疾病现象,医疗气象学上称之为气     

基于改进Rank变换和分段MER的镜片疵病检测算法

为了解决目前光学镜片表面疵病宽度测量主要依赖人工检测而导致弯曲划痕宽度检测精度较低的问题,提出一种基于Rank变换和分段最小外接矩形(MER)的镜片表面划痕宽度测量方法.该方法首先通过改进的Rank变换算法比较像素灰度相对关系来提取疵病目标,然后计算其最小外接矩形,根据矩形长宽比初步判别疵病类型(划痕或麻点),最后将疵病分割为多个小区段,分别计算每段的最小外接矩形并获得其宽度,比较取最大宽度作为疵病宽度值.试验结果表明,该方法具有较高的可行性与精确性,能够有效提取出疵病和计算其特征参数,可以满足工程实际的需要.