肉牛体形参数计算机视觉检测

利用数字图像处理技术，对肉牛体形参数计算机视觉检测技术进行了研究。用基于色度的阈值分割算法对图像进行分割，对自然条件下获取的肉牛图像进行了分析和检测，对选择的特征参数进行了测量。试验表明，应用计算机视觉技术测量肉牛体形参数是可行的。在测量的6个特征参数中，最大平均相对误差为2.73％。     

竹子叶片特征参数提取方法的研究

根据对竹子地上部分计算机模拟仿真的需要,介绍了一种基于竹子叶片数字图像对其形状特征进行参数提取的方法。这些竹叶片的特征参数可为计算机模拟仿真竹子提供重要的依据。     

计算机视觉在作物根系识别与分析中的应用

根据对作物根系精准分析和测量的现实要求,分析定量测量作物根系参数的必要性,介绍基于计算机视觉的作物根系图象处理技术的研究进展和成果,为作物根系的精准分析提供理论借鉴。     

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.     

基于遗传组合网络的玉米品种识别方法

为了提高计算机视觉技术对玉米品种的识别率,研究基于遗传组合神经网络的玉米品种识别方法。利用自制的动态计算机视觉系统,获取了4种具有代表性的西南地区杂交玉米种子图像,提取了8个形态特征参数和6个颜色特征参数。针对玉米品种识别特点,设计了由4个子网络组成的遗传算法优化的径向基函数组合网络,并优选了特征参数组合,优化了网络参数。经验证对比试验表明,本方法识别率可达95%,优于其它识别方法,切实提高了玉米品种识别率。     

珍珠形状的计算机视觉识别

采用计算机视觉采集珍珠图像,通过一系列的预处理后,转化到极坐标系下,利用计算前8组F(h)(傅里叶系数)数值作为每种典型形状特征面的特征参数,然后运用模糊模式识别的方法对每一幅图像的珍珠形状进行有效判别.通过对多视角得到的图像特征面的寻找与比较判别,实现珍珠形状的判别分类.实验结果表明,分选最大误判率为33.3%.     

基于外部特征的玉米品种计算机识别系统

用基于外部特征参数的计算机自动识别方法来替代目前广泛使用的品种形态鉴定法，以提高玉米品种识别效率和精度；并利用数理统计和模糊数学知识建立了反映玉米品种间特征参数相似程度的特征贴近度、品种贴近度计算公式和品种判别准则；基于3类11个外部特征参数构造出成本低、使用简便的玉米品种计算机识别系统。在5个品种50次实验检测中，正确率达96％，品种正确识别率达88％。     

水泵叶轮内部的流动计算与图象模拟

将计算机图象处理技术与流场计算的面元法和有限元法结合在一起，提出了一种具有工程实用价值的流场可视化分析手段，可用于在计算机屏幕上以图象方式模拟叶轮内部的流动状况，直观显示叶片表面任一点的速度与压力，为直接通过流动分析来判断泵的性能奠定了基础     

干燥系统室体结构传热特征参数及其试验方法

依据传热的基本原理，提出了分析干燥系统室体结构传热特性的特征参数新概念，实现了干燥室隔热体传热系数的非稳态测量，并可同时确定蓄热当量系数。在建立室体传热非稳态分析理论的基础上，提出了相应的试验分析方法，并进行了理论分析及试验验证。     

农田耕后地表微地貌自走遥控测量装置设计与试验

针对油菜精量联合直播机作业后,田间作业厢面微地貌形状特征参数测量困难、传统测量方法存在测量效率和误差难以兼顾、现有测量装置操作便捷性不够的问题,设计了一种自走遥控地表微地貌测量装置。该装置主要由行走部件和微地貌测量系统组成,装置可以通过遥控操作到达指定测量区域并通过手机APP控制激光雷达扫描作业高度和扫描作业速度及实时显示测量装置测量状态信息,实现农田耕后地表微地貌特征高效测量。对装置行走部件悬挂避振机构和驱动机构行走驱动力进行了设计和分析,确定了弹簧避振器中圆柱螺旋压缩弹簧参数和驱动机构驱动电机参数;对微地貌测量系统控制单元硬件和软件进行了设计,确定了控制单元硬件电路和软件工作流程;对装置倾斜误差和系统误差进行了分析,消除了装置倾斜误差和系统误差。开展了装置田间测量试验,对地表厢面微地貌特征及畦沟沟型进行了测量,结果表明：相较于传统针板法测量方式,所开发的微地貌测量装置测量油菜直播机作业后的地表微地貌特征,获得的厢面平整度特征参数高度均方根、表面相关长度、畦沟平均沟宽、沟宽稳定性系数、平均沟深和沟深稳定性系数误差分别为4.01%、4.81%、3.70%、1.34%、2.09%和2.8...     

鱼加工生产线头尾定向调理上料系统设计与试验

针对当前鱼类自动化加工中存在的定向困难、稳定性差及鱼身损伤严重等问题,设计鱼体头尾定向调理上料系统。控制系统采用测量光幕扫描采集传送带上输送的鱼体图像,在Matlab环境中开发上位机控制系统,对鱼体图像进行处理,提取鱼体轮廓曲线,根据头尾轮廓曲线的差异性进行头尾定向识别。为方便操作者实时操作调整参数,设计了基于Matlab的GUI界面,对传送速度、图像采集、姿态调整装置等进行调节控制。在搭建的试验台上使用草鱼进行系统测试,初步试验结果表明,输送速度设置为10 cm/s时,系统对于鱼体的头尾识别成功率可达95%,头尾序列整理定向成功率接近90%。本研究为鱼类机械加工提供了新的送料方案,对提高鱼加工生产线自动化有较好的借鉴。     

基于微机打印口的机械动力参数测量

介绍了一种机械动力参数测量系统。该系统使用微机打印口、传感器和简单的信号处理电路实现转速、扭矩、功率、效率等参数和外特性的测量。系统以Windows为操作平台 ,具有实时监测、数据保存与打印、曲线绘制等功能     

基于计算机视觉和神经网络的芒果检测与等级分类

为了提高芒果检测与分类的准确率和效率,综合运用计算机视觉技术和BP神经网络技术,实现对芒果损伤的检测与分类。首先,通过计算机视觉系统获取芒果图像,利用图像处理去除噪声、图像分割和图像增强等多种基本图像处理的方法,对芒果损伤图像进行处理;其次,对芒果图像进行了特征分析,提取9个特征参数,将这9个特征参数作为输入,建立BP神经网络模型,对芒果进行分类。试验结果表明,模型对芒果识别的准确率达85.5%。     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

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。     

车辆引导路线检测的计算机视觉技术初探

阐述了自动引导车辆农业工程中的应用,发展及其优越性,对有线引导计算机视觉系统设计的有关问题进行了分析及讨论,设计了利用哈夫变换进行经导路线检测的方法及算法,利用具有复杂背景的实际地面图像的设计的算法进行了可靠性和干扰性试验,试验结果表明该算法是可靠,有效的。     

计算机视觉在脱水姜片在线分选中的应用

目前,脱水姜片的分选主要靠人工完成,分选精度不高,结果不稳定.为此,研究设计了一套基于计算机视觉的在线分选装置;开发了基于物料颜色参数的实时算法,对物料图像进行特征提取和一系列处理;运用双缓冲技术提高系统运行速度.试验结果表明,分选出的成品中含有的合格姜片达到95.5%,系统测量速度快、分选精度高且运行稳定,满足在线实时分选要求.     

棉花膜下滴灌自控系统设计

利用各种传感器自动监测农田环境参数，并结合棉花需水规律通过计算机控制系统实施自动滴灌，为棉花的生长提供科学合理的灌溉方案。达到降低劳动强度。增加棉花生产效益的目的。     

基于虚拟仪器技术的田间多光谱视觉系统设计

设计了一套田间多光谱虚拟仪器视觉系统.系统使用高分辨率的多光谱(近红外、红光和绿光)相机MS3100,拍摄作物生长期的多光谱图像,采用Labview及其视觉模块编写图像的采集、处理和分析程序,实时测取作物各个光谱波段的反射率.田间试验表明,该系统可以准确地对图像中的作物进行识别,求取作物的光谱反射特征,在2.4m×1.8m的视窗内,每组图像的采集和处理时间平均为311ms,满足田间精准变量投入的在线工作要求.     

基于DSP和图像处理的农业机器人视觉导航研究

确定了间歇式行走的农业机器人视觉导航方案,设计了计算机图像采集单元、计算机图像处理模块和视觉导航参数提取算法,实现了一套基于DSP和图像处理的农业机器人视觉导航系统.试验结果表明:农业机器人移动速度增加时,导航误差会增大,且机器人的平均横向偏移在10 cm之内,能够满足农业机器人的导航需求.