6ZBX智能型果蔬保鲜分选成套设备

该设备采用先进的计算机视觉识别技术，通过彩色数码摄像系统来捕捉高速运行的水果图像，配合电脑分析软件及高效终端自动执行机构，按需对水果进行大小、颜色等分选处理。可适用于柑桔等类球形水果高标准的分拣，是目前国际先进的水果分选技术设备。     

球形水果实时分级PLC控制系统

研究了由计算机、CCD摄像头、光电传感器、PLC、电磁阀、空气压缩机等组成的球形水果实时分级控制系统的实现方法。系统由PLC接收光电传感器信号后,确定水果位置信息,然后控制计算机采集图像。当计算机发出控制信号后,通过PLC控制电磁阀进行吹气动作。样机试验表明,当通过计算机把水果等级信号传递给PLC后,电磁阀的吹气动作能有效地把水果吹下输送线,试验中准确率达到94.6%。     

运动水果图像的实时采集方法与系统研究

提出了动态图像的时间序列连续场扫描采集方法，所采集的时间序列水果图像在计算机内综合后即可检测视场内的每一个水果的外观品质指标，用于分级控制。研制的水果动态图像采集系统主要由计算机，摄像机、图像采集卡、涡流式接近开关和水果动态图像采集软件等组成。涡流式接近开关作为水果运动状况检测传感器，用于检测水果位置和触发动态图像采集。水果动态图像采集软件在Visual C 6．0环境下结合MIL-LITE函数库实现。试验结果表明，该系统可在外界输入信号的触发下，以12帧／s的速率实时采集动态水果图像。     

基于计算机视觉的高速机器人芒果分选系统设计

针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。     

基于虚拟仪器视觉系统苹果图像采集装置的研究

以虚拟仪器视觉系统为主要技术手段,综合运用图像学、机械学、电子技术和计算机科学等方面的知识,以苹果为研究对象,在LED背景光源下通过NI1744智能相机对苹果图像进行实时采集,对所采集图像进行识别和处理,实现对苹果的分级。结合苹果分选装置的结构,具体介绍了供料机构、图像处理、光学检测系统、分选系统和测控系统等重要部分的设计及其工作原理,为以后水果分选机的研制提供了重要的理论依据。     

基于计算机视觉技术的樱桃自动分选系统设计

针对目前国内落后的樱桃分选工作方式,基于农业现代化、机械化、智能化的发展需求,以名贵果品樱桃为研究对象,设计开发了一种小型的集樱桃内部质量和外观判定为一体的计算机视觉自动分选系统。该分选系统主要由运动系统(包括樱桃输送系统和终端分级动作系统)、经改装配置近红外光发射器的视觉采集系统、计算机上位机、单片机等硬件系统和图像采集模块、数据处理模块,以及自动分选控制模块等软件系统组成。试验表明:该系统设计对樱桃内部外部综合质量的分选操作准确高速,其推广有望给樱桃产业打开国外市场提供支持。     

基于计算机视觉技术的天麻分选装置设计

为了解决天麻外观品质检测问题,设计了一种在线实时检测装置,用于天麻的品质动态实时检测。为此,确定了关键部件主要结构和参数,阐述了其总体结构及工作原理。天麻通过放料部分进入滚筒,经滚筒传输至上料部分,上料部分的辊轮将其运送到翻滚槽口,经翻转后进入托盘机构,托盘机构在链条的带动下以一定速度向前输送至图像采集部分,从而获取天麻整个表面信息。图像识别系统对采集到的天麻图像进行综合分析判断,确定天麻品质和位置信息,传送给分选执行机构,对天麻进行智能分选。试验结果表明:识别模型识别效率为99.34%,步长为7.06个/s,准确率为95%,可为天麻分选装置设计生产提供理论指导。     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

恒温沼气反应器的单片机控制

在生物发酵过程中,温度的稳定性直接影响产气的效率.系统以AT89C52单片机系统为控制核心,采用单线智能温度传感器DS18B20及分辨率高、噪声低的A/D转换器对反应器进行温度采集.采集后的信号送到单片机中,与给定值进行比较,其偏差由PID程序计算出输出控制量.经处理后,其控制量被传送到显示器及执行机构,完成温度的自动调节,并进行报警.该系统具有高可靠性和高测控精度的特点.     

一种基于CCD相机的通道式油茶果色选机系统

通过对油茶果的籽和壳颜色特性研究,设计出一种基于线阵CCD相机的通道式色选机。该机使用CCD相机对下落的果壳与籽进行图像采集,开发基于Visual C++平台的软件系统对采集的图像进行分析处理,并利用单片机控制系统对步进电机进行控制,从而对沿通道下落的果壳与籽粒实现分选。色选机经过试验表明,在实现250kg·h-1的分选能力基础上,可达到95%的选净率。     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.     

猕猴桃自动分级设备设计与试验

针对目前猕猴桃采后人工分级费时费力、自动分级成本高等问题,通过机械分离输送、图像采集与处理、智能控制等技术,研制了一套实用的猕猴桃自动分级设备。该设备包括单行定位输送系统、图像采集系统、分级执行系统和控制系统,通过多特征提取和融合分级的方法对猕猴桃实现了自动分级,同时在线监控参数。经试验验证,该设备按体积、形状、表面缺陷特征分级的准确率分别可达88.9%、91%、94%,融合分级的准确率可达86%。     

计算机视觉在芒果品质检测中的应用研究

传统的芒果分级采用人工观察和化学分析方法,无法适应产业的发展。随着科学的进步,人们开发出多种无损检测和分级技术以提高水果的市场竞争力,但受检测和分级设备的限制,目前的相关研究都停留在试验阶段。为此,设计了一种基于计算机视觉的芒果品质检测方法,拍摄芒果图像后利用自适应Canny算法获取目标区域的边缘,以大小、颜色和表面缺陷反映芒果的品质,并基于BP神经网络实现对芒果的分级。仿真试验表明:计算机视觉对芒果品质分级的准确率超过93%,处理单张图像平均耗时0.8s,可以用于芒果品质的实时检测和在线分级。     

基于计算机视觉的苹果自动分级系统硬件开发

介绍了一种基于计算机视觉的新型苹果实时分级试验系统的硬件组成,该系统主要由输送机构、视觉系统及均匀照明室３部分组成。输送机构可把苹果４个表面快速呈现给视觉检测系统;视觉系统可同时采集苹果在可见光和近红外光谱范围内的图像信息并送至计算机内存进行处理;照明系统为ＣＣＤ摄像机的视区提供均匀、恒定的光照。初步试验表明了该系统的可行性,其辅助机构的实时分级算法有待于进一步研究。     

计算机视觉信息处理技术在苹果自动分级中的应用

苹果在水果消耗中占有较大份额,对其进行分级销售可提高经济效益。在以往的苹果分级中,大都采用人工方法进行,只考虑大小、色泽方面的影响,导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中,如水果和蔬菜的自动收获及农产品的分级。为此,利用计算机视觉系统采集提取苹果图像,采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理,设定等级区分参数,再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离,提高了苹果分级的正确率,节省了劳动力,可以广泛地推广应用。     

种子精选分级装置自动控制方法研究

基于形态学信息并结合计算机视觉技术的精选种子实时分级装置可将种子分为4级,传感器对种子位置进行实时跟踪,快速、自动获得运动中每一粒种子的位置信息,电磁阀控制高压气流的通断达到分级目的,整个试验台的控制由可编程控制器PLC完成。试验结果表明,当传送带速度达到0．2m／s,气压为0．85MPa时,种子分级准确率可达90％以上,系统处理速度为15粒／s。     

基于计算机视觉信息处理技术的苹果自动分级研究

随着社会经济的快速发展和人们消费水平不断的提高,消费者在购买苹果时对其品质的要求也越来越高。在传统农产品加工作业中,导致分级精度低和劳动生产率低。利用计算机视觉信息处理技术,依据主特征参量对苹果进行自动分级,相较于传统的苹果等级人工分离方法,不仅提高了苹果等级分离的正确率,且极大地节约了劳动力。     

苹果无损检测和品质分级技术研究进展及展望

中国苹果总产量高,但出口量占比低,高端苹果市场多被进口苹果所占领,主要原因是缺乏果品品质分级精选技术与装备,采摘后处理自动化程度低,大部分果品未经加工或简单粗加工后进入消费市场,果品品质不稳定,大大降低了市场竞争力。本文分别对苹果品质无损检测和分级技术的现状进行了研究进展分析,并对其发展进行了展望。苹果无损检测技术主要包括光谱、电特性、CT、色谱、电子鼻和计算机视觉技术,针对各种技术的功能特点和优缺点,提出了发展基于新型传感器技术的苹果气味检测方法;苹果品质分级则主要采用基于机器视觉的多特征分级方法,苹果品质无损检测技术与分级技术的有机结合是苹果品质分级技术的发展方向,同时这对于提高苹果产业竞争力具有促进作用。整体而言,中国苹果品质无损检测和分级技术发展需求紧迫,检测新技术如采用纳米科学、生物技术和人工智能方法的传感器技术及产品在苹果无损、品质分级检测方面具有巨大潜力,多技术的融合如集成电、光、气和计算机视觉等实时、高效、高精度的苹果品质分级系统可能是提高苹果分级品质和提升苹果产业竞争力的重要发展方向。     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

基于机器视觉的杂草实时采集与处理算法的研究

随着计算机技术的不断进步,机器视觉技术在包括农业工程的各个领域的应用与研究中得到了广泛的发展,机器视觉在杂草实时采集与识别的技术研究中已成为科学工作者们的主要研究方向。为此,研究了杂草图像的实时采集、处理算法以及软件系统的开发,并利用现有的实验平台作为模拟试验系统。