利用高光谱成像技术和多变量校正方法检测苹果的硬度（英）

高光谱图像集图像信息与光谱信息于一身,应用于农产品品质无损检测领域。该研究尝试利用高光谱图像技术结合多变量校正方法检测苹果硬度的可行性。试验通过获取的高光谱图像中提取有效的光谱信息来建立预测苹果硬度的预测模型。在建立模型过程中,偏最小二乘（PLS）和支持向量回归（SVR）两种多变量校正方法被比较,结果表明在785.11～872.45 nm范围内,SVR模型的性能优于PLS模型,模型对硬度预测结果的相关系数为0.6808。试验结果表明高光谱图像技术可以被用来检测苹果的硬度。     

基于图像处理的土壤表层含水率在线检测方法研究

土壤表层含水率是影响作物生长的重要因素,在节水灌溉控制系统中对其进行在线检测尤为重要。运用计算机数字图像处理技术,探索一种土壤表层含水率在线检测的新方法。通过土壤表层图像的中值滤波、图像模式转换和“坏区”过滤,提取图像的特征参数——灰度值,并对土壤表层图像的灰度值与其含水率的关系进行了试验研究。理论分析与试验结果表明,土壤含水率的百分比与土壤表层图像的灰度值之间是一种近似线性的函数关系。     

采用显微图像识别技术快速检测食品细菌总数

提出利用显微图像技术与BP神经网络技术检测食品细菌总数的方法,以适应快速准确检测的要求.设计了一套基于计算机视觉技术的食品细菌总数检测系统.该系统运用显微图像技术和BP神经网络技术对试验样本的细菌总数进行分析和计数.该系统由Visual C 6.0平台开发,对细菌图像的分析快速、准确,一帧图像可采集的细菌数量小于500个,对1组图像(10帧图像)的分析时间不大于30 s.比较平板计数法,该方法在牛奶、果汁和牛肉的细菌总数检测试验中,两种方法结果无显著差异(t检验结果p＞0.05).     

基于自适应域值分割与力矩的棉花异性纤维分类方法

为能够准确统计出棉花中所含异性纤维的重量和数目,提出一种机器视觉与图像处理技术,对棉花异性纤维进行检测分类。在提取棉花异性纤维原始图像的基础上,采用灰度处理和滤波技术完成图像的预处理,采用自适应域值技术来完成棉花异性纤维图像分割,在分割出的二值化图像基础上,采用挖空内点法和邻域搜索法进行轮廓提取,提出以异性纤维轮廓的面积与周长平方之比作为力矩,对棉花异性纤维进行分类。通过对300个棉花异性纤维样本图像进行了试验,分类准确率可以达到96%。结果表明该技术和分类力矩可以准确的对棉花异性纤维进行初分类。     

用遗传算法训练的人工神经网络识别番茄生理病害果

综合运用计算机视觉技术、遗传算法、人工神经网络技术，实现番茄生理病害果的自动识别。首先，通过计算机视觉系统获取番茄的图像，利用图像的圆度值判别空洞果，利用图像的果径变化特征判别变形果。其次，采用遗传算法训练的人工神经网络进行试验研究。试验表明，该方法能准确识别番茄的形状，满足分级的要求，对番茄生理病害果的识别准确率可以达到100%。     

球体图像灰度变换模型及其在柑桔图像校正中的应用

由于水果形状不规则，在利用机器视觉和图像处理技术进行水果品质检测和自动分级过程中，会产生图像失真现象。针对这一问题，通过分析在6个位置采集的3种不同尺寸、19种不同表面颜色的标准试验球体的图像，研究了球体的大小、表面颜色和图像采集位置等因素对球体图像灰度失真的影响，并分别建立了位于摄像视区中心的球体图像的灰度校正模型和偏离摄像视区中心的球体图像的灰度校正模型，模型的相关系数R²分别为0.796和0.842。最后，采用该模型在MATLAB软件平台上构建了柑桔图像的灰度校正算法。试验结果     

孔隙结构图像分析中不同试验因素对分析结果的影响

研究了不同试验因素 (包括图像分辨率、土壤切片定向性、分析区域大小等 )对孔隙结构图像分析结果的影响以及试验误差 ,并简要介绍了用于分析土壤孔隙结构的土壤切片及数字图像的制备技术。结果表明 :不同试验因素对分析结果均会产生一定的影响 ,试验误差约在 1 0 %。这表明同一研究中应保持试验条件的相对一致以保证分析结果的可靠性和可比性     

高光谱图像技术诊断温室黄瓜病害的方法

利用高光谱图像技术研究了诊断温室黄瓜病害的方法,以提高诊断的准确性和效率。试验以黄瓜霜霉病、白粉病为研究对象,利用高光谱图像采集系统获取黄瓜病叶的高光谱图像数据,在450～900 nm范围内的高光谱图像数据中,选出特征波长下的图像;然后,对该图像进行去除噪声的滤波处理,并提取黄瓜病叶的色度矩纹理特征向量;最后采用支持向量机分类方法对黄瓜病害进行诊断。研究结果表明,采用高光谱图像新技术与线性核函数对黄瓜霜霉病、白粉病的正确诊断率达100%,采用高光谱图像技术可以实现对温室黄瓜病害进行快速、精确的分类诊断。     

皮棉表面多类异性纤维的高光谱图像检测

为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表     

波段比算法结合高光谱图像技术检测柑橘果锈

为克服柑橘表面不平整导致光线反射不均匀的影响,研究提出了波段比算法,使高光谱图像技术能够快速有效地检测柑橘果锈。首先根据Sheffield指数（SI）确定最佳波段（625 nm和717 nm）,经比值变换后得到第一幅比值图像;然后选取特征波长625 nm的邻近波段（621 nm）,与其比值变换后得到第二幅比值图像,提取轮廓,构建掩膜以消除第一幅比值图像的背景噪声,最后进行阈值分割和数字形态学运算,完成果锈区域的特征检测。试验结果表明,基于波段比算法的高光谱图像技术可有效检测柑橘果锈,检测率达到92%。研究表明波段比算法在高光谱图像技术快速无损地检测柑橘果锈中,能够有效地降低光照反射不均匀的影响,增强谱间差异,提高检测的精度。     

人机界面空间几何位置的摄影测量

机械系统人机界面的优化匹配,空间几何位置是其主要因素之一,它的准确测量对产品设计、制造和改进都十分必要。该文将近影摄影测量、计算机视觉和图像处理技术用于人机界面空间几何位置的测量,实现了快捷、方便的非接触式测量。测量仪器采用普通民用摄像机和计算机系统。文中介绍了图像数字化过程和摄影测量的数学模型,给出其求解方法。并对变换误差进行了分析,通过试验确定线性拟合的误差修正模型,详细介绍了修正过程、外部三维控制场的设计和布置,编制了实用的计算机测量和识别软件,并给出了人机界面实验台的测量结果和识别误差。试验表明其测量误差小于２％,可满足一般工程测量的要求。     

基于全方位视觉传感器的农业机械定位系统

利用全方位视觉传感器能提供传感器周围360°范围内信息的图像,通过全方位图像可准确获取物体方向角,基于该特点研发一种可以实现农业机械自动导航的定位系统。该系统硬件主要由全方位视觉传感器、人工标识、PC、PC软件和作业车构成。该计算算法首先通过全方位视觉系统的校正,得出相机的成像投影中心;通过图像处理提取人工标识的位置,估算出标识相对于相机的方向角,然后根据圆周角定理和几何关系计算出相机的位置来完成农业机械的定位。在面积为5×3 m2的水泥地面和白炽灯光的实验室中进行试验,平均选取10个位置进行试验,试验结果显示估算点和选取点间距离的平均误差小于3 cm。研究证明该定位系统是可行的。     

UWB定位摄影测树仪设计与试验

为了实现森林样地高效、精准测定,该研究研制了一种具有实时定位功能和林分摄影测量功能的超宽带(Ultra Wide Band, UWB)定位摄影测树仪,该仪器主要由姿态传感器、UWB定位模块、CCD镜头和固定杆组成,以UWB定位技术和摄影测量理论为基础,结合到达时间差(Time Difference of Arrival, TDOA)定位算法、三边定位算法、运动恢复结构(StructureFromMotion,SFM)点云匹配算法实现摄影测树仪的林下精准定位、影像获取以及林木坐标测量、胸径测量功能。为了验证仪器的林分参数提取准确性,选择4种不同林种的人工林进行试验。根据摄影测量影像特征点的匹配特点,设计"环绕拍摄"样地观测方法,利用Pix4D软件对拍摄的影像和点位坐标进行三维点云构建,利用LiDAR360对重建后的三维点云进行去噪处理、胸径和立木位置提取。结果表明,所设计的仪器能够快速获取样地影像和影像坐标信息,胸径测量值的偏差为-0.04～0.42 cm,均方根误差为0.26～0.51 cm;立木位置测量值偏差为-0.16～0.27 cm,均方根误差为0.23～0.34 m。胸径测量精度能够满足森林资源调查的精度要求,可进一步推广应用于森林资源调查。     

荷兰黄瓜收获机器人的研究开发

为了降低黄瓜人工收获费用，荷兰农业环境工程研究所已经成功开发出了移动式黄瓜收获机器人样机。重点研究了机器人视觉识别系统软件和机械手运动控制程序。移动式黄瓜收获机器人由4部分组成：行走车、机械手、视觉系统和末梢执行器。试验表明该机器人的行走车能够快速到达初步作业位置，视觉系统能够探测到黄瓜果实的精确位置及成熟度，末梢执行器可以抓取黄瓜果实并将果实从茎秆上分离。     

基于近邻法聚类和改进Hough算法的猪胴体背膘厚度检测

为了解决猪胴体背膘厚度在人工测量中准确率、效率低以及存在对样本造成污染的问题,该文基于计算机视觉和图像处理技术提出一种检测背膘厚度的算法。算法主要分成背膘部分检测和测量部位的直线检测。前者通过图像分割、特征点的检测以及漫水填充等方法实现,能准确提取猪胴体背膘部分。后者在图像预处理后,首先通过感兴趣区域(region of interest,ROI)提取猪胴体肋排区域;然后利用设定好的浮动窗口进行全幅图像的扫描,通过平滑后的平均灰度线特征提取肋骨的目标像素点;最后,基于近邻法利用目标像素点间的邻近关系对其进行聚类,找到胴体第6、7根肋骨,并采用基于已知点的Hough变换提取测量直线,将测量部位的直线映射到背膘部分,则可实现对猪胴体背膘厚度准确测量。试验结果表明,在对背膘厚度测量误差小于2 mm时,检测准确率可达92.31%,该文提出的方法能对猪胴体背膘厚度的测量位置进行准确定位和测量。     

基于视觉伺服的草莓采摘机器人果实定位方法

为解决基于手眼系统的视觉伺服方法在草莓采摘机器人应用中存在的视觉信息反馈延迟大、频率低以及深度信息无法确定等带来的定位耗时长、精度低的问题,采用摄像机曝光信号触发控制卡进行高速位置锁存,结合位置传感器的反馈信息,来减少定位耗时;采用基于运动恢复结构的方法,提高果实采摘参数的精度。在垄坡和摄像机像平面的夹角为±10°范围内的情况下,针对包含1~3粒成熟草莓的果实域,采用直角坐标式机械臂草莓采摘机器人样机进行了定位试验。试验结果表明:定位时间在0.633~0.886 s之间;草莓深度信息的相对误差在-4.34%~0.95%范围内。     

基于序贯扫描算法的区域标记技术与蘑菇图像分割方法

蘑菇采摘机械手通过机器视觉系统进行引导与定位，需要对菇床上的蘑菇图像进行处理和分析。为了在一幅蘑菇图像中将各个蘑菇的边界识别并区分出来，作者提出了一种分析算法。首先分析了蘑菇图像的数字特征和边界的分割方法，提出了基于序贯扫描方法的蘑菇图像区域标记技术，实现了各个蘑菇图像中心区域的识别。然后，从各个中心区域的中心坐标点出发，沿着不同角度的半径方向搜索蘑菇边界点，将找到的各个蘑菇边界点存放到相应的动态链表中，实现各个蘑菇的独立分割，最后在Visual C++软件平台上对该算法进行了验证。结果证明该方法是可行的，为蘑菇采摘机器人视觉系统的开发奠定理论基础。     

基于穗粒分布图的玉米果穗表型性状参数计算方法

玉米果穗表型性状是玉米育种、产量预测的重要参数,提出一种基于穗粒分布图的玉米果穗性状计算方法,全面解析玉米果穗和穗粒的几何、数量和颜色等表型性状。该文利用步进电机驱动果穗转动来获取果穗主要侧面图像,采用果穗畸变校正方法生成标准果穗图像序列,在像素尺度进行果穗轮廓分析,建立图像序列中果穗轮廓映射关系并生成果穗三维模型,在穗粒尺度拼接果穗整个表面的穗粒分布图,计算出果穗和穗粒的各项表型性状。试验结果表明,提出的表型性状计算方法对穗型及穗粒分布规则的玉米果穗具有较高检测精度,其中穗行数、行粒数、总粒数、果穗长和果穗粗的平均计算精度分别为98.231%、94.351%、96.921%、98.956%和98.165%。     

基于图像光谱信息融合的鱼不同冻藏时间及冻融次数鉴别

应用高光谱成像技术(380~1023 nm),基于信息融合实现鱼不同冻藏时间后冻融次数鉴别。首先,提取鱼样品感兴趣区域(region of interest,ROI)光谱并结合竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)得到57个变量作为光谱信息,同时对鱼样品做主成分分析(principal component analysis,PCA),提取第一主成分图像信息如中值、协方差、同质性、能量、对比度、相关、熵、逆差距、反差、差异性、二阶距和自相关12个灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理特征参量,结合灰度共生矩阵纹理特征与光谱特征,作为模型偏小最二乘支持向量机(least squares support vector machines,LS-SVM)的输入建立区分模型,预测集识别率达到98%。结果表明,高光谱成像技术可以用于鱼不同冷冻时间以及冻融次数的鉴别。     

采摘机械手对扰动荔枝的视觉定位

为了解决采摘机器人在自然环境中对扰动状态荔枝的视觉精确定位问题,该文分析机械手采摘过程中荔枝产生扰动的因素,设计制造了模拟荔枝振动的试验平台,该试验平台通过改变方向、振频、振幅等振动条件来模拟采摘过程中的扰动环境;结合振动平台运动参数,提出了双目立体视觉系统采集扰动状态的荔枝图像方法,在HSI颜色空间中对预处理后荔枝图像利用模糊C均值聚类法(FCM,fuzzyC-means)分割荔枝果实和果梗,然后利用Hough变换算法进行直线拟合确定有效的果梗采摘区域和采摘点,对多帧图像中采摘点坐标取平均值,然后进行三维重建确定空间采摘点坐标。荔枝扰动状态的视觉定位试验结果表明,空间定位深度值误差小于6cm,荔枝采摘机械手能实现有效采摘,该研究为机械手实际作业提供指导。