计算机图像技术在牛肉品质检测中的应用(综述)

概述了计算机图像技术在牛肉嫩度、牛肉胴体等级、活体牛肉品质检测中的应用.颜色、大理石纹特征、纹理特征等图像外观特征是计算机可见光图像技术无损检测牛肉内在品质--嫩度的主要方法.计算机可见光图像技术用于检测牛肉胴体等级,通常采用统计彩色图像中R、G、B或L、a、b分量灰度值来确定颜色级别,用统计像素点的方法来确定眼肌肉中脂肪分布和面积,用灰度共生矩阵和行程长度等纹理特征来计算大理石纹分值.超声波图像技术可以用于对活体牛肉品质进行评估,此方法有较好的可重复性和准确性.最后提出了当前需进一步研究的问题.     

基于图像数字处理技术的元帅系苹果叶片营养水平诊断研究

利用图像数字化处理技术,建立元帅系苹果叶片氮磷钾营养元素估算模型。选择不同营养水平的元帅系苹果叶样,通过计算机提取采集叶样的图像特征红R、绿G、蓝B各参数值及其相对的系数r、g、b和简单算术组合。分析RGB、rgb和简单算术组合分量值与叶片氮、磷、钾之间的相关特征。结果表明,叶片颜色特征分量G/B与氮元素含量呈极显著相关性,g分量与磷元素含量呈显著相关性,G/R分量与钾元素含量呈极显著相关性。选择叶片颜色特征分量跟元帅系苹果叶片氮、磷、钾元素的最高显著相关特征参数,建立的元帅系苹果叶片氮、磷、钾营养水平估算模型为y=-6.780x+8.913、y=-1.813x+1.158、y=-25.196x+22.872,其中x分别为叶片颜色特征G/B、g、G/R的分量值。氮、磷、钾预测值与实测值相关系数分别达到极显著（0.721）、显著（0.522）、极显著（0.644）水平,能较为可靠的反映元帅系苹果叶片的营养水平。     

苹果图象的低层处理及尺寸检测

分析了苹果品质检测中的图象低层处理方法，并根据苹果的外形特征进行尺寸检测。利用白色背景下，图象的B分量灰度直方图进行图象与背景的分离，结合苹果表面光滑易反射的特点，用链符法搜索并细化轮廓，采用最小外接矩形法求横径、纵径；测量尺寸与实际尺寸的关系数为0．955。     

基于机器视觉的脐橙品质在线分级检测系统

针对脐橙自动分级检测中存在正确识别率偏低、实时性不强的问题,提出一种综合特征提取方法:在对图像颜色模型进行转换后,用H分量图像提取脐橙的大小特征;S分量图像通过背景分割、边缘灰度补偿、整体亮度变换后提取脐橙的果面缺陷特征;采用R、G、R-G3个分量的均值和标准差提取脐橙的颜色特征。以脐橙的大小特征、果面缺陷特征和颜色特征为支持向量机(Support vector machine,SVM)的试验输入向量,进行脐橙分级检测试验,以实现提高脐橙自动分级正确识别率和增强实时。试验结果表明:该SVM分类器对脐橙分级的正确识别率为91.5%,处理时间为160ms,适合于实时环境下的分级检测。     

基于CIE色度学的鲜烟叶烘烤特性评价指标量化方法

烟叶烘烤特性是衡量其烘烤难易程度和烘烤质量的关键性技术指标。然而现阶段鲜烟叶的烘烤特性评价通常以感官和主观经验为主，较笼统和模糊，缺少能有效表征鲜烟叶烘烤特性的量化指标。烟叶的外观颜色不仅是烟叶田间成熟度的主要判别依据，也是进行烟叶烘烤操作的主要依据，为探究利用烟叶颜色参数判别其烘烤特性的适用性、可行性和科学性，以云烟87的上部叶、中部叶和下部叶为研究对象，首先利用自行开发的烟叶颜色参数检测系统获取烟叶的颜色参数，随后基于CIE色度学和统计分析方法对烟叶颜色参数和其烘烤特性之间的关系进行分析，进而探索出烘烤特性评价指标的量化方法。结果表明，绿色的色度学指标判定标准为单指标R<149、复合指标G×G/(R×R+B×B)>1.0,经验证该判定标准的准确率达到98.17%;褐色的色度学指标判定标准为单指标G<140、复合指标R/G>1.0,经验经该判定标准的准确率达到99.50%;黄色的色度学指标判定标准为单指标R≥149、复合指标G×G/(R×R+B×B)≤1.0或单指标G≥140、复合指标R/G≤1.0。进而探究出烟叶烘烤过程中颜色参数量化方法，并为烟叶的适时采收...     

基于图像处理的密集烘烤过程烟叶β-胡萝卜素含量的检测

为实现密集烘烤过程中烟叶β-胡萝卜素含量的实时检测,首先采用图像处理技术提取烘烤过程烟叶图像的6个颜色特征值,量化烘烤过程中烟叶颜色特征的变化,然后以烟叶颜色特征值为输入指标,运用BP神经网络对烘烤过程中烟叶β-胡萝卜素含量进行预测.结果表明:随着烘烤进行,烟叶R(红色)、G(绿色)、B(蓝色)分量及亮度值均呈现先升高...     

光照强度对烟叶颜色特征向量的影响

烟叶颜色特征是用于烟叶等级判别的重要因子,影响烟叶图像质量和等级判别的重要因素是光照强度(简称光强)。为研究光强如何影响不同等级的烟叶颜色特征,设计烟叶图像采集系统,以人工分级所用光源光强为基准,在12个不同光强下分别采集不同等级烟叶图像,提取RGB、HIS及HSV模型的颜色分量,分析各等级的烟叶颜色分量在不同光强下的变化规律,研究不同等级各颜色分量对光强的敏感性,提出适合于烟叶等级判别的颜色分量和光强,为烟叶自动分级及光源选取提供科学依据。试验结果表明,对于R、V颜色分量,光强为2500 lx左右时,判别不同烟叶等级效果最佳。G、B、I和HSV模型中HHSV分量,光强为3200 lx左右时,判别不同烟叶等级效果最佳。     

基于matlab的番茄果实串检测提取

以自然环境下的番茄果实串作为研究对象。通过果实的颜色特征选择RGB模型,分别提取出R、G、B各颜色分量的灰度图,确定多组图像中番茄串目标区域的各颜色分量均值。通过分析确定用R-G色差分量进行大津法(Otsu)阈值分割,然后利用形态学闭运算处理果实串的二值图。利用初步处理后的图像进行颜色反转求最大连通域,再重新将颜色反转得到完整的果实串连通区域,并结合Canny边缘检测算子实现番茄果实串边缘轮廓的提取,轮廓上的极值坐标作为外接矩形边框。计算轮廓区域内各像素点坐标之和除以轮廓内总像素数得到果实串的形心坐标。试验表明,该方法对番茄果实串有较好的处理能力,具有通用性。     

脐橙色泽与着色率的机器视觉检测技术研究

色泽与着色率是脐橙品质和机器分级的重要指标,但用传统算法很难建立脐橙颜色参数与其之间的关系模型。研究对脐橙图像进行预处理后,分析脐橙表面颜色特征参数,提取脐橙有效像素的H(色调)、S(饱和度)、R(红色分量)、G(绿色分量)、B(蓝色分量)的平均值与标准差作为参数,对着色率与色泽进行定量描述,并通过神经网络算法建立颜色特征参数与色泽和着色率之间的关系模型。结果表明,该分级模型对着色率与色泽的分级与人工标准分级的一致度分别为90%和92%。     

基于颜色特征和差直方图的苹果叶部病害识别方法

识别苹果病害是一个重要的研究课题,该研究成果对大面积苹果病害监测具有重要意义。针对苹果常见的3种叶部病害,提出一种基于颜色特征和差直方图的苹果叶部病害识别方法。首先采用改进的mean-shift图像分割算法分割病害叶片图像的病斑,然后计算病斑的颜色特征和差直方图作为病害的分类特征。该特征不仅反映病斑图像的灰度统计信息,还反映病斑图像的空间特征和灰度的渐变度,而且对病斑图像的光照、平移、旋转具有不变性。最后利用支持向量机识别病害类型。在3种常见苹果叶部病害叶片图像数据库上的试验结果表明,该方法能够有效识别苹果常见的叶部病害,平均识别率高达96%以上。该方法为苹果病害的智能诊断系统提供了技术支撑。     

基于计算机视觉的苹果质量检测

从水平和垂直2个方向对苹果图像进行采集,并利用数字图像处理技术分析了苹果的圆形度、外径、体积等参数。有效提高了苹果质量检测的效率,具有检测标准统一性好的优点,同时降低了检测成本,增加了苹果的附加值。     

基于高光谱图像的新疆红富士苹果颜色分级研究

[目的]以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法.[方法]对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类.[结果]采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7;.其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果.[结论]利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础.     

Technique for normalizing intensity histograms of images when the approximate size of the target is known: Detection of feces on apples using fluorescence imaging

A challenge in machine vision is to develop algorithms for detecting a substance with an amorphous shape when measured responses of both the substance and the underlying target have similar characteristics. The challenge is exacerbated when responses for targets are highly variable both across and within discrete target units. An example of this problem is the detection of fecal contamination on apples. Feces on apples can be detected using differential fluorescence responses of contaminated and uncontaminated apple surfaces to UV excitation. However, responses of both feces and apples are due to the presence of chlorophyll-related compounds, and the response of apples varies within and between apples due to natural variation in the distribution of these compounds. We present a technique for normalizing the variability of intensity responses among targets based on a priori knowledge of the image dimensions and the approximate target size. Using this information, a linear equation is derived based on the approximate median intensities of the background and of the target. The median intensities are estimated by calculating a cumulative intensity histogram and using a priori estimates of the percentage of the area in the image occupied by the background and by a generic target. The image is scaled for uniform intensity power using this linear transformation. The benefits of using this technique are demonstrated using hyperspectral fluorescence responses to UV excitation of 48 Golden Delicious and 48 Red Delicious apples artificially contaminated with dilutions of cow feces. Results show that the uniform power transformation normalizes the intensity distributions of apple images and increases the contrast between contaminated and uncontaminated areas on apple surfaces; the coefficients of variation for the average intensities of uncontaminated apple surfaces at 668 nm for Golden and Red Delicious apples were reduced from 39 and 55%, respectively, to 5% for both varieties.     

水果检测中的边界追踪法

应用计算机视觉进行水果检测时 ,采用边界追踪技术能有效分割背景与样品 .文章根据梨、苹果等水果的外形特征 ,提出了一种改进的边界追踪方法 .该方法的操作图像可以是二值图像或灰度图像 ,图像中的样品被分割成 4个区域 ,为加快处理速度 ,根据水果外形来确定每个区域边界追踪方向的优先权 .对苹果、梨、芒果等水果图像进行了测试 ,结果表明 ,该方法追踪一幅大小为 15 0× 15 0像素的水果图像 ,所需时间不足 1s .     

基于机器视觉的苹果品质在线分级检测

目前苹果分级自动化程度较低,为了实现苹果品质自动、快速、准确分级设计了一套苹果智能在线检测分级系统。以寒富苹果为测试对象,采用机器视觉技术对苹果分级进行研究。采用阈值分割的方法分割苹果正面图像,逐像素遍历法提取苹果外部轮廓,通过计算其各点到重心的距离提取苹果大小特征,同时计算苹果横径与纵径比提取果形特征。采用支持向量机方法分割侧面苹果图像,计算苹果红色像素占苹果像素的比例提取颜色特征,利用Fisher统计识别的方法提取苹果缺陷。实现了整个分级系统的硬件搭建以及软件的功能,利用该系统对400个苹果样本进行了分级试验,结果表明该系统分级的苹果总体正确率达到95%。设计的基于机器视觉的苹果智能在线检测分级系统克服了传统分级方法的不足,加快了苹果品质分级自动化速度,对水果品质分级等领域有重要研究意义。     

苹果在线分级系统设计与试验

【目的】根据苹果采摘机器人结构和作业特点设计与其配套的在线分级系统,满足实时分级需求。【方法】通过预分级机构剔除果径在等级外的苹果,减少视觉分级的无用功;利用力传感器获取苹果质量信息并确定质量等级;通过机器视觉技术实现苹果大小和腐烂面积的检测;借助Matlab和VS2008开发图像处理算法和界面控制程序;构建基于CAN总线的分布式控制网络。对苹果进行综合分级试验。【结果】苹果实际直径与检测直径的决定系数为0.990 3,实际质量与检测质量的决定系数为0.999 6,实际腐烂面积与检测腐烂面积的决定系数为0.985 5,综合分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。【结论】该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。     

自然环境下苹果彩色图像分割研究

[目的]获得自然环境下较好分割苹果图像的方法。[方法]选取苹果被遮挡（主要是叶子）、相互重叠的情况作为试验图片,采用欧几里得距离对彩色图像进行预处理,在预处理中,利用边界盒的相似性准则,提高了处理速度;对预处理的结果进行黑白（苹果和非苹果）编码,产生一副二值分割图像;最后采用数学形态学对二值化图像进行处理。[结果]有效的去除了复杂背景、目标物被遮挡、相互重叠等存在的图像噪声,去噪效果良好。[结论]算法对成熟苹果具有很好的分割效果,但不适合未成熟苹果的分割。     

5个腰果高产无性系农艺经济性状比较

2003～2006年,连续3a观察记录FL30、GA63、CP63-36、HL2-13、HL2-21无性系腰果的农艺经济性状。结果表明:FL30品系的坚果产量高,坚果出仁率高,果仁质量等级高,果梨与坚果均较大,重量比小,在果仁和果梨的加工及综合利用上表现出较好的经济性状和商品价值,其农艺经济性状较优,可作为主要优良品系在我国腰果植区推广种植;其他品系均具有高产性状,在生产上可针对不同品系的早花早熟、迟花晚熟、果仁质量等级和果梨用途等性状,在我国腰果植区进行适宜的品系配置和推广种植。     

基于USB的苹果内部品质检测系统的上下位机通信方法

为了实现苹果内部品质的自动化无损检测,采用图像处理工作站作为上位机进行苹果X射线图像采集与分析,以AT89C51单片机为下位机检测苹果的位置并输出分析结果,上位机和下位机间的通信采用USB接口和CH375B芯片,该方法与上下位机通信常采用的串口RS232通信相比,开发难度较大,但传输速度较快,且USB接口比串口接口应用方便,经1 000次数据传输测试,该方案能可靠地用于苹果内部品质无损检测的上下位机间的控制与数据信号传输,且可用于其他相关领域的通信中。     

基于自动定向的苹果品质智能分级生产线设计

设计了一种基于自动定向原理的用于苹果品质动态、实时检测的智能化分级生产线,由苹果输送系统、自动定向小车、计算机视觉识别控制系统和分级执行装置组成。其中,苹果输送系统将苹果按分级节拍输送到自动定向小车上,由自动定向小车将苹果果梗花萼轴线定向到垂直于水平面的位置,位于圆周分布的3个摄像头一次性采集苹果表面信息,通过计算机识别控制系统进行智能识别,根据国家标准判断每个苹果的等级,并确定苹果的位置信息,通过计算机识别控制系统发出指令传输给分级控制装置,完成苹果的分级。