产品详细介绍LA-S植物图像分析仪系统（叶分析独立版）1、用途：用于植物叶面积分析、病斑面积分析、虫损叶面积分析、叶片叶色分析、作物冠层分析等2、系统组成：扫描和拍照成像装置、分析软件和电脑（电脑另配）。3、主要性能指标：配光学分辨率4800×4800 dpi的EPSON V39彩色扫描仪（加带450*300mm背光板）、自动对焦的大景深800万像素拍摄仪、移动电源辅助背光源板（外框大小400*300mm）可野外背光照明3小时。最大测量面积为A4幅面，有自动标定和自动图像校正特性。可对拍照野外活体叶面积进行一键测量。可同时分析多片叶叶面积、病斑面积、虫损叶面积（含分析2/3以上叶片被严重虫损的虫损叶面积）、分析叶片叶色（具有按英国皇家园林协会RHS比色卡的比色特性）、测量植物的叶绿素相对含量或“绿色程度”，以及分析作物冠层。叶面积等参数可大批量全自动分析，并标记叶片边缘以便核对正确性。可分析小至1mm2的叶片，分析误差＜0.5%、测量中的分析时间＜2秒，自动独立标记的各叶片图可保存，分析结果可输出至Excel表。可交互进行植物相关的各种尺寸、角度测量。选配电脑：笔记本电脑（酷睿i5 CPU/ 8G内存//1G显存/500G硬盘/无线网卡）。

产品详细介绍LA-S植物图像分析仪系统（全能型版）1、用途：用于植物年轮分析、根系分析、叶面积分析、病斑面积分析、虫损叶面积分析、叶片叶色分析、作物冠层分析、瓜果剖切面分析等2、系统组成：成像装置、分析软件和电脑（电脑另配）3、主要技术指标：1）配光学分辨率4800×9600、A4加长的双光源彩色扫描仪。扫描年轮、叶面积、根系的反射稿为A4加长幅面（35.6 cm×21.6 cm），正片为30 cm×20 cm，最小像素尺寸0.0053mm ×0.0026 mm；800万像素拍摄仪、带移动电源的辅助背光源板可野外辅助照明3小时。该野外成像背景板最大测量面积A4幅面，具有自动图像校正与自动测量标定特性，可分析小至1mm2的叶片，分析误差＜0.5%、测量中的分析时间＜2秒。2）植物年轮测量分析：可自动判读年轮数、各年轮平均宽度、早材及晚材宽度、各年轮切向角度和面积。可自动划分出年轮边界、早材边界、晚材边界，以及识别出很窄的树轮，可交互删除伪年轮、插入断年轮，可自动生成分析年表。具有【精细】分析选项，可自动分析出≤0.2mm宽度的年轮，分析获得的测量数据具备进一步做交叉定年、数据分析处理能力。可计算树盘总面积，分析木材的边材面积。3）可一键化拍照测量野外活体叶面积。可全自动地大批量分析计算叶面积，并以叶片目标边缘标记来核对其正确性。可同时分析多张叶片面积，及可分析小至1mm2的叶片，叶面积分析误差＜0.5%、分析测量时间＜2秒。可分析多片叶叶面积、病斑面积、虫损叶面积（含分析2/3以上叶片被严重虫损的虫损叶面积）、测量植物的叶绿素相对含量或“绿色程度”，分析叶片叶色（具有按英国皇家园林协会RHS比色卡的比色特性）、可分析作物冠层。可交互进行植物相关的各种尺寸、角度测量。4）植物根系测量分析：（1）根总长、根平均直径、根总面积、根总体积、根尖计数、分叉计数、交叠计数、根直径等级分布参数、根尖段长分布，（2）可不等间距地自定义分段直径，自动测量各直径段长度、投影面积、表面积、体积 等，及其分布参数；能进行根系的颜色分析，确定出根系存活数量，输出不同颜色根系的直径、长度、投影面积、表面积、体积。（3）能进行根系的拓扑分析，自动确定根的连接数、关系角等，还能单独地自动分析主根或任意一支侧根的长度和分叉数等，可单独显示标记根系的任意直径段相应各参数（分档数、档直径范围任意可改，可不等间距地自定义），并能进行根的分叉裁剪、合并、连接等修正，修正操作能回退，以快速获得100%正确的结果。（4）能用盒维数法自动测根系分形维数。可分析根瘤菌体积在根系中的占比，以客观确定根瘤菌体贡献量。（5）大批量的全自动根系分析，对各分析结果图可编辑修正。还可用A4幅面的灯板来拍照分析根系。（6）能自动测量油菜、大豆等果荚的果柄、果身、果喙部分的粗细、长、弧长、玄高等参数。能自动测量各种粒的芒长。（7）能测各类针叶的叶面积、长度、粗细。（8）能做根系生物量分布的大批量自动化估算。4）瓜果剖面各部位分析：可测西瓜的：纵径、横径、果形指数、总面积、皮厚、空心面积、瓤色分档分析、外周长；可测哈密瓜等甜瓜的：纵径、横径、果形指数、截面积、肉厚、外周长、瓤色分档分析、种腔（纵径、横径、面积）；可测苹果、梨等的：纵径、横径、果形指数、总面积、核心面积、肉色分档分析、外周长；可测柑橘类水果的：纵径、横径、果形指数、总面积、皮厚、肉色分档分析、外周长。5）各分析图像、分布图、结果数据可保存，分析结果输出至Excel表，可输出分析标记图。选配品牌电脑：品牌电脑（酷睿i5 CPU / 8G内存/ 19.5”彩显/无线网卡，5个以上USB2.0口，运行环境Windows 10完整专业版或旗舰版）

通过人脸检测模块对输入图像进行预处理，自动而准确地定位人脸所在位置并分割出相应的人脸 区域，对人脸面部图像进行特征提取，利用模式分类器进行性别识别。

（1）开发工业字符自动识别算法，有效对旋转、变形、缺失字符进行准确识别，实现自动物流跟踪；（2）支持面喷、侧喷、钢印和手写字符的识别；（3）支持自定义字库，语法，多点同步识别；（4）识别算法对喷印质量没有要求，识别准确率为：对人工能进行识别的字符整体识别正确率为 99%。

场景文字检测与识别是指将自然场景中出现的文字信息识别出来。具体来讲其包含两个部分（如图1）：文字检测和文字识别。在现实生活中，场景文字检测与识别的应用十分广泛。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 高志豪 计算机学院/物联网工程 2017年/2021年 201731064410 林钟煇 计算机学院/物联网工程 2018年/2022年 201831064119 阳旭菻 计算机学院/计算机科学与技术 2018年/2022年 201831062525 李沛键 计算机学院/物联网工程 2018年/2022年 201831064115 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 陈雁 计算机科学学院 副教授 人工智能、复杂网络、能源与人工智能交叉领域 刘忠慧 计算机科学学院 副教授 机器学习、人工智能、形式概念分析 四、项目简介 美国海相页岩气藏的成功勘探开发，展现了页岩气的巨大潜力和发展空间，同时也极大地促进了页岩储层微观结构表征分析技术的发展，通过页岩岩心薄片观察底层形态、确定底层数据，是页岩气勘探开采中的重要一环。页岩储层的孔隙作为页岩组分的一个重要部分，其结构特征直接影响着储层剩余储量的剩余油的分布，因此，对页岩薄片孔隙的形状和类型进行研究是十分必要的。但在目前，页岩薄片只能靠人工鉴定，这种方法工作量大，效率低，且主观性强，误差较大。深度学习是近年发展起来的具有多层次特征抽象归纳与知识发现能力的机器学习算法，目前已经被广泛应用到了语音识别、计算机视觉、自然语言处理等众多领域。在地质和岩石物理领域也有了初步的应用，深度学习方法在地质数据的特征提取及预测识别方面有着广阔的应用前景，本项目组将会开发页岩薄片智能平台，通过机器学习算法来学习专家知识，自动识别孔隙类型，这样就可以大大提高效率，节省人力。

本发明公开了一种用于 TFT-LCD 缺陷自动检测线的图像采集装 置，包括步进电机、滤光片轮、同步带轮、图像传感器和镜头等，其 中步进电机的输出轴与安装在定位板通槽中的一个同步带轮保持相 连；滤光片轮则与安装在定位板中的另外一个同步带轮保持相连，并 且沿着圆周方向还可拆卸地安装有多个滤光片，这些滤光片选自与多 个单元色相对应的彩色滤光片，以及透光率呈逐步增加的中性滤光片； 图像传感器和镜头可上下发生调整，并用于与各个滤光片相对准，由 此执行对不同单元色和不同亮度情况下的图像采集。通过本发明，能 够有

本实用新型公开了一种用于 TFT-LCD 缺陷自动检测线的图像采集装置，包括步进电机、滤光片轮、同步带轮、图像传感器和镜头等，其中步进电机的输出轴与安装在定位板上的一个同步带轮保持相连；滤光片轮则与与安装在定位板中的另外一个同步带轮保持相连，并且沿着圆周方向安装有多个滤光片，这些滤光片选自与多个单元色相对应的彩色滤光片，以及透光率呈逐步增加的中性滤光片；图像传感器和镜头可上下发生调整，并用于与各个滤光片相对准，由此执行对不同单元色和不同亮度情况下的图像采集。通过本实用新型，能够有效执行在不同单元色和

本发明公开了一种用于 TFT LCD 缺陷自动检测线的图像采集装置，包括步进电机、滤光片轮、同步带轮、图像传感器和镜头等，其中步进电机的输出轴与安装在定位板通槽中的一个同步带轮保持相连；滤光片轮则与安装在定位板中的另外一个同步带轮保持相连，并且沿着圆周方向还可拆卸地安装有多个滤光片，这些滤光片选自与多个单元色相对应的彩色滤光片，以及透光率呈逐步增加的中性滤光片；图像传感器和镜头可上下发生调整，并用于与各个滤光片相对准，由此执行对不同单元色和不同亮度情况下的图像采集。通过本发明，能够有效执行在不同单元

成果描述：本发明申请要解决的问题是，在偏僻的野外或者野生动物保护区，对珍稀物种检出，从而追踪它们的生活轨迹，或者在某些仓库农场对破坏储存物的害虫或者家养动物的天敌的检出是非常重要的。本专利建立一种实时的基于生物声音的只能检测方法，分析提取了动物声音的时域特征，频域特征，通过对特征的分析、分类，及时有效的检测出生物的运动痕迹。市场前景分析：生物活动轨迹的追踪有着重大的现实意义，在粮食以及动物保护方面有着非常广泛的作用。本发明着重从声音的频域、时域进行特征提取，然后选取特征组合，对特征进行有效的分类。研究实验表明，本算法的平均准确率达到89.9%。与同类成果相比的优势分析：本篇专利提出的识别系统的流程在原有的基础上增加了两个环节，即流程成为：预处理->声音提取->特征提取->特征选择->模型训练；并且还提出了新的算法，采用了许多最近提出的特征，比如MFCC[6-9]。经实验验证，本文提出的方法相比之前的方法正确率提高了20%左右，达到了89.9%。