基于高光谱图像技术预测苹果大小

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。     

基于Python的图像处理技术在鱼类尺寸测量中的应用

在渔业养殖中,鱼的生长情况是养殖阶段所关注的重要指标。而深水网箱养殖,养殖平台远离海岸且置于海面下,养殖人员必须远赴养殖平台现场查看,使得时刻掌握鱼的生长情况十分困难。文章提出一种基于Python图像处理技术的鱼类尺寸测量方法。利用深水养殖平台中的相机拍摄回传来获取现场的原始图像,调用OpenCV库函数对原始图像进行去除噪声干扰、增强鱼体特征等预处理步骤,然后通过Canny算子进行边缘检测提取鱼体轮廓,再通过最小外接矩形函数算法计算出鱼长。测试结果与真实尺寸对比,误差控制在5%以内,且检测速度高,可满足实时检测的要求,实现深水网箱信息化养殖。     

无芒隐子草叶片卷曲度和厚度测量方法

针对叶片卷曲度和厚度交互式测量方式费时、费力、误差大,传统图像处理算法普适性不高等问题,以无芒隐子草叶片为研究对象,采用基于Graham 算法的最小外接矩形法实现叶片卷曲度的测量,采用矢量积法和角点检测相结合的凹凸点检测算法实现叶片厚度的测量。首先,通过石蜡制片获取无芒隐子草叶切片,利用显微镜连接计算机获取切片图像;然后,采用红色灰度化方法结合阈值分割将切片图像的目标和背景分离;最后,根据叶片卷曲度和厚度的实际测量方式,采用Graham算法通过求取目标区域的最小外接矩形实现叶片卷曲度的测量,将矢量积法和角点检测相结合检测目标区域的凹凸点,通过凹点与凹点、凸点与凸点匹配实现叶片厚度的测量。选取30幅无芒隐子草叶切片图像为样本进行了试验,结果显示,采用本文提出的红色灰度化方法和分量法、最大值法、平均法、加权平均法对图像进行灰度化处理后,图像信息熵分别为6.4280、6.3612、5.6679、5.9348、6.0526,图像平均梯度分别为0.0785、0.0242、0.0158、0.0093、0.0104,图像对比度分别为0.2641、0.1130、0.0574、0.0703、0.0784,说明本文方法能更好地保持图像的边缘、细节等信息,图像清晰度更高。进行自动阈值分割后,分割的平均误检率为0.75%,平均漏检率为3.49%,平均整体分割精度达到98.14%。在有效分割目标和背景的基础上,对叶片卷曲度和厚度进行测量,并与交互式测量结果进行相比,结果表明,采用本文方法对叶片卷曲度和厚度的测量值与交互式测量值的平均相对误差分别为0.96%和3.69%,测量速度分别提高了约10倍和37倍。     

基于机器视觉的育秧盘裂缝缺陷检测方法研究

育秧盘因长期使用或运输不当等原因易出现破损,影响了工厂化自动育秧生产线的作业性能。针对水稻育秧盘的裂缝缺陷,采用机器视觉技术,利用图像灰度化、自适应阈值处理和形态学运算等方法对育秧盘的裂缝缺陷进行检测;利用平均值法对RGB图像进行灰度化,采用自适应阈值处理对灰度化后的图像进行二值化,然后通过形态学膨胀对断裂处的裂缝进行连通,以求得最大连通区域,再运用最小外接矩形把最大连通区域标记出来,实现对裂缝缺陷的识别。试验结果表明:对带有裂缝缺陷的育秧盘的正确识别率可达到94.38%。本文的研究为育秧盘裂缝缺陷的检测和判定奠定了基础。     

基于机器视觉的嫁接幼苗特征识别方法

幼苗子叶方向的正确识别是瓜科嫁接机实现全程自动化的关键技术之一。该文研究了在自然光照条件下,对白籽南瓜砧木子叶方向特征的识别方法。首先对采集的幼苗图像进行预处理,提取出子叶边界;然后利用区域标记,依次提取目标幼苗子叶边界的最小外接矩形,在外接矩形内对幼苗边界进行椭圆形Hough变换,拟合两片子叶的轮廓曲线;最后依据子叶轮廓的椭圆形数学模型,求取幼苗子叶方向,幼苗生长点位置以及子叶叶片面积等特征信息。对100幅幼苗图像进行识别试验,成功率为85%。该文提出的方法可对嫁接南瓜幼苗的子叶方向特征进行有效的识别,并且通过调整参数,可用于其他幼苗的特征识别研究。      

茄子收获机器人视觉系统图像识别方法

设计了一种实现田间茄子收获机器人视觉系统的图像识别方法.通过判断茄子图像每点像素值差值实现分割;通过模板操作及形态学上的闭运算操作去除残留物,最终找到茄子图像的外接矩形完成提取.经实验测定,对实验样本茄子图像提取试验成功率为97%,平均用时0.152 s.     

基于机器视觉的LCD屏点缺陷检测技术研究

课题组研究了一种基于机器视觉的汽车仪表LCD显示屏的点缺陷自动检测系统.以OpenCV作为图像处理软件,利用机器视觉技术,能够完成图像预处理和图像识别.采用阈值分割与创建包围轮廓的矩形和圆形边界框相结合的方法,实现汽车仪表LCD显示屏的点缺陷检测.研究结果表明:这种方法能准确、快速地检测出LCD显示屏上的点缺陷,减少了...     

串番茄采摘点的识别方法

为适应番茄果实成串采收、提高农业机器人工作效率和保证果实采摘质量,提出基于提取串番茄果实串连通区域边界的采摘点识别方法。通过图像增强处理获取边界清晰的串番茄图像后,采用多尺度形态学边缘提取法提取串番茄图像边缘;再利用8邻域法对区域填充果实空隙后的边缘图进行边界提取,填充串番茄边界图,获得目标连通区域;计算目标连通区域的最小外接矩形和质心,过质心的垂线与最小外接矩形的交点即可作为串番茄采摘点的参考点。串番茄果实串采摘点识别法对垂直向下的串番茄采摘点识别效果较好,为实际番茄采摘机器人作业提供参考。     

基于计算机视觉的农田残膜定位研究

介绍利用计算机单目视觉技术对农田残膜进行定位的方法。通过图像处理对残膜目标区域进行识别;利用最小外接矩形法确定残膜目标区域的形心,并基于形心点特征将识别后的残膜图像与原图像形心坐标进行匹配;最后对这两种坐标进行最小二乘拟合,获取匹配函数。结果表明,该方法所确定的残膜形心位置的偏差被控制在1.2cm以内,说明单目视觉技术可以较准确地定位农田中残膜的位置。     

基于轮廓坐标系转换拟合的柚子果形检测分级方法

针对柚子果形和尺寸分级依赖人工经验判断的现状,本研究提出一种采用轮廓坐标系转换拟合、果形特征提取结合方向角补偿算法检测柚子纵、横径尺寸并基于果形指数对柚子形状缺陷进行判断的方法.以CMOS相机、点阵式LED光源、平面镜、计算机、箱体和支架搭建图像采集装置,获取168个不同尺寸与形状等级的沙田柚样本全表面图像数据.选择G...     

基于颜色特征的油菜害虫机器视觉诊断研究

害虫的准确识别是针对性地施用农药以有效治理虫害的基础,而人工识别的劳动强度大且主观性强。为此,提出了一种利用颜色特征的害虫视觉识别技术。使用GrabCut算法从虫害图像中分割出完整的害虫主体图像并计算其最小外接矩形区域的H/S通道直方图,使用害虫基准图像对其进行直方图反向投影并计算交叉匹配指数。匹配指数和害虫标签共同组成的特征向量用于训练C4.5分类器。计算待检害虫图像的交叉匹配指数,输入分类器即可得到识别结果。实验结果表明:该技术可准确识别菜蝽、菜青虫、猿叶甲、跳甲及蚜虫5种害虫,准确率达到92%。     

进水池形状对吸入涡影响试验研究

为了改善进水池附近的流态,避免吸入涡进入喇叭口,首先以不同淹没深度和不同流量对开敞式进水池进行高速摄影和PIV试验,根据测试的流态提出相应改善措施,然后对矩形进水池和矩形进水池加底部十字架2种方案进行试验,观察并对比其消涡效果.结果表明,相对于开敞式进水池的方案,矩形进水池方案可以使喇叭口处的流态得到改善,并将前者的允许最小淹没深度降低,即在同等条件下改善了旋涡的表面涡纹状态;然后对矩形进水池方案加十字架后,进一步减小了旋涡的影响,并再次降低了允许最小淹没深度,由0.90D降低到0.70D,且改善了旋涡的表面涡纹状态.研究结果对于允许最小淹没深度的改进、降低泵站进水池的工程造价方面具有参考意义.     

基于形心法的荞麦籽粒三轴尺寸亚像素测量方法研究

为给杂粮播种及收获机械,特别是排种器及凹板型孔等提供设计依据,以荞麦籽粒为研究对象,以亚像素形心定位技术为手段,在红色LED背光源下,采集包括标定物在内的荞麦籽粒群投影图像和侧视图像。经图像灰度化及二值化、图像去噪及边缘平滑、籽粒图像亚像素级形心定位及最小外接矩形绘制、图像标定等处理后,对荞麦籽粒的三轴尺寸在0.3像素级上进行精确测量。结果表明,该方法同时测量8粒荞麦籽粒平均耗时为14s,而利用游标卡尺对1粒籽粒进行人工测量,平均耗时约20s;籽粒长、宽、高三轴尺寸测量的平均相对误差分别为2.98%、2.64%和3.45%。为进一步验证该方法的准确性和适应性,继续测量燕麦、高粱、青稞、藜麦、薏米等5种杂粮籽粒的三轴尺寸,其长、宽、高的平均相对误差均在3%左右。研究结果一方面为荞麦等杂粮籽粒三轴尺寸提供一种高效、精准的测量技术,便于杂粮脱粒或清选等关键部件的设计,另一方面,也为类似小尺寸物体三轴尺寸的测量提供一种借鉴和参考。     

采摘机器人振荡果实动态识别

提出一种采摘机器人在果实振荡状况下的动态识别方法,解决由于果实振荡影响采摘机器人识别定位时间,进而影响采摘速度和效率的问题。首先对所采集的振荡果实图像进行图像分割,将其分为果实和背景两部分;其次引入帧间差分法、水平最小外接矩形法等对分割图像进行振荡果实动态区域的区域标识,然后对其振荡果实进行识别,当图像中有多个振荡果实时,以距离图像中心最近原则确定采摘振荡目标果实。试验结果表明对实际采摘环境下遇到的多数情况,所提算法都能很好地识别出振荡果实,识别时间少于0.5 s。     

基于仿射变换的植物切片图像配准及三维重建

通过仿射变换对黄瓜茎切片图像进行了配准,该方法实现了序列切片图像的配准.在配准前需人工获取特征点,为减小误差,提出了用最小二乘法求取最优仿射变换参数.采用上述方法,对黄瓜茎切片图像实现了配准,并借助VTK提供的步进立方体算法进行了三维表面重建和显示.     

基于图像边缘检测的水稻粒型分析研究

随着生活水平的提高,稻米产业目标从解决温饱问题开始转向改善稻米品质。在外观性状中,粒型与稻米品质的关系最为紧密,是品质育种的重要参考。水稻粒型由稻米长度和宽度计算获得,传统的粒长和粒宽测量方法难以满足实际需求。作为机器视觉分析方法的一个分支,图像边缘检测能够对不同外观特性的农产品进行检测。为此,基于图像边缘检测技术分析了水稻的粒型,对稻米图像进行阈值分割和去除噪音,然后利用自适应Canny算法检测获得稻米的边缘,并以最小外接矩形反映完整稻米的长度和宽度,计算得到长宽比。试验结果表明:边缘检测获得的稻米粒长和粒宽变异系数更小,长宽比也更接近于标准值,具有良好的稳定性和准确性,可以为水稻的品质育种提供技术支持。     

基于计算机视觉的成熟番茄识别研究

以番茄图像为研究对象,提出一种成熟番茄识别方法。首先,以HSI模型中的色调分量为基础进行图像分割,提取出成熟番茄目标图像;然后,再采用最大方差自动取阈值法进行分割处理,对得到的目标图像进行轮廓提取;最后,对轮廓曲线采用Hough变换的方法进行识别,以同一个轮廓圆识别的多个极值点的均值作为最终识别结果,在Hough变换之前采用最小外接矩形法进行有效区域标记,提高了Hough变换的效率。通过多幅番茄果实图像的仿真测试表明:本算法对果实遮掩度为0、小于50%、大于50%这3种情况的识别率分别为78.7%、6 8.1%、4 1.9%,平均识别率达到7 0.6%。本算法对于成熟番茄可以较好识别,尤其对于存在重叠情况的番茄,识别准确率较高。     

葡萄套袋机器人目标识别方法

针对水平棚架栽培模式下采集的单幅葡萄果树图像,提出了结合葡萄颜色与形状特征的目标识别定位方法,获得果穗的中心线和长度特征参数。通过提取葡萄图像的|G-R|+|G-B|色差图,利用Sobel算子进行边缘提取。构建葡萄果粒轮廓的数学模型进行Hough变换,实现葡萄果粒的初步识别。结合葡萄果穗的颜色、纹理特征以及果粒分布较为集中的特点判断Hough变换检测出的圆区域是否为果粒。综合利用识别出的果粒信息找到葡萄图像的外接矩形完成目标提取。对78幅图像进行测试,正确识别出葡萄区域的图像为70幅,正确识别率约为90%。     

基于MATLAB的红枣图像处理研究

本实验应用MatLab7.0数字图像处理工具箱对红枣图像信息进行处理。从红枣的形状、大小、颜色入手,选出符合红枣外观品质检测的3个特征参数,分别是红枣果形指数、色泽、有无缺陷。大小特征提取中,红枣的果形指数采用最小外接矩形法获得;对于颜色特征,将RGB模型转化成HSI模型,然后进行提取颜色特征参数;缺陷特征的提取,先进行缺陷部位轮廓的提取,然后填充求缺陷部分的面积,根据该面积在图片中大小比例作为判断的依据。     

基于图像处理的黄瓜叶片含水量无损检测研究

以黄瓜为例,进行基于图象处理技术的叶片含水量无损检测研究.建立含水量图像采集及检测系统,并通过试验确定光源条件及最适背景光下叶片含水量与图像特征参数关系曲线.采用非线性最小二乘拟合方法,建立Log-Modified回归模型.本研究实现了通过黄瓜叶片图像特征判断缺水状态的无损检测目的,为指导温室合理灌溉提供了理论基础.