基于条码溯源电子秤的社区菜店交易管理与追溯系统

以自主研发的条码溯源电子秤为信息采集基础、以交易信息数据库为管理核心、以手机扫描二维条码为追溯手段,构建了社区菜店交易管理与追溯系统框架。条码溯源电子秤在集成相关模块的基础上,实现了产品称量、身份验证、标签打印和数据上传等功能。在突破电子秤数据传输与解析技术、改进包含多条信息的手机扫描二维条码追溯识别技术的基础上,实现了社区菜店交易管理与追溯系统。通过搭建模拟环境,对连接多台电子秤的数据传输稳定性、手机扫描二维条码追溯进行了测试。结果表明,无论是实时传输方式还是集中传输方式,其传输成功率均在99%以上;随着标签中产品数量的增加,不同像素的手机识别速度和识别成功率均存在不同程度的下降趋势,其中800万像素的手机在识别速度上具有明显优势。     

基于手机二维条码识别的农产品质量安全追溯系统

针对现有农产品质量安全追溯中成本高、追溯设备便携性差等问题,设计了基于手机二维条码识别的农产品质量安全追溯系统。阐述了系统的架构和主要功能设计,并对系统采用Nokia 3款手机为实验终端在手机摄像头与条码不同的距离处进行了最佳识别距离、识别时间、识别率和准确率的测试,食品包装袋和标签纸上条码平均识别时间分别为7.3 s和5.1 s,平均识别率分别为67.8%和75.6%,准确率均可达到100%,识别的最佳距离为10 cm左右,最短识别时间仅为6.4 s和3.4 s。测试结果表明,该系统可以方便用户快速识别产品的二维条码标签,为消费者提供了一种新的追溯手段。     

改进的Otsu算法在粮食颗粒图像分割中的应用

针对二维Otsu自适应阈值算法计算复杂度高的问题,采用二维直方图投影到对角线得到一维阈值的方法,消除二维自适应阈值算法中的冗余计算,从而提高了计算速度.为此,将该方法应用于粮食颗粒图像分割中.实验表明,该算法在计算时间上远小于原始二维Otsu算法.     

基于流形学习算法的玉米叶部病斑图像降维与聚类分析

流形学习算法是当今广泛使用的降维算法,但在玉米病害识别方面应用较少。本文通过利用Isomap、LLE和LE三种流形学习算法对玉米病斑图像进行降维对比研究,并运用K-means和K-medoids两种聚类算法对降维后的数据进行聚类分析,其中LLE算法在玉米叶部病斑图像的降维效果更好,能够为病害识别提供保障。     

水果流通领域中PDF417条码编码算法的优化研究

PDF417是一种应用最为广泛的二维条码,可以应用Visual C＋＋6．0对PDF417条码进行计算机编码的实现。为此,针对二维条码PDF417各种数据压缩模式,结合我国实际提出了关于编码溢出、汉字编码等问题的讨论及解决方法;应用VC＋＋6．0编程处理复杂多项式计算,实现了数据压缩编码算法的优化,使在整体数据压缩后,码字数目得到减少,提高了编码效率,从而实现了PDF417编码程序在信息录入中的应用,促进了二维条码在水果流通领域中的应用和普及。     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法。该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活函数组成的网络结构,利用Sofmax loss和L2正则化进行损失函数设计。算法使用卷积加步长替代池化层,让网络具有自主学习下采样能力,使用批量规范化层用于解决网络过拟合问题。采用Fruits-360数据集进行测试,实验表明,FC-CNN可以识别出48种水果,准确率可达到99.63%。与现有的深度学习水果图像分类算法相比,FC-CNN的识别准确率更高,识别种类更多。     

基于邻差和的农产品X射线图像分割算法

针对图像阈值分割中二维灰度直方图和模态法的不足,提出了一种基于邻域差值之和与直方图凹面相结合的图像分割算法,并将此方法与二维直方图方法在板栗、苹果和猕猴桃的X射线图像分割中的效果进行了对比试验.试验结果表明,本方法的图像分割误差小于2.1％,最大分割误差仅是二维直方图简便算法分割误差的23.7％,能够更精确地提取果品的图像.     

改进加权FCM用于裂纹蛋2D图像分割的研究

解决裂纹鸡蛋图像灰度直方图目标与背景区域分布模糊、图像分割效果差的问题.通过将包含空间信息的二维直方图和改进特征加权FCM算法有机结合,迭代寻求最佳聚类有效性函数和加权矩阵,实现鸡蛋图像缺陷分割.同时,对经典FCM和改进特征加权FCM算法的性能进行了分析比较.结果表明:提出的算法更接近于真实聚类中心,目标函数值亦得到改善;二维直方图的改进特征加权模糊聚类算法更好地提取了裂纹鸡蛋图像的细节信息,图像分割效果好.     

HOG算法在机器人3D视觉技术中的应用

HOG算法在行人检测和手势识别中有很好的试验效果,是一种优秀的特征描述符。通过对HOG算法做适当变形处理,使其应用于Kinect的RGB和深度图像,以此描述目标物体的3D特征信息,通过libSVM分类器训练模板,并进行物体的分类和识别。试验结果表明:利用RGB和深度信息的HOG识别系统比只利用二维信息的识别系统有着更高的识别准确率。     

基于K-L变换与LS-SVM的玉米品种识别方法

为实现外观相似的不同玉米品种的有效识别,提出了K-L变换与最小二乘支持向量机相结合的籽粒品种鉴别方法.采用标记算法及多尺度小波分析方法获得玉米单籽粒图像,应用K-L变换技术提取籽粒图像的特征数据,设计了二叉树型多类LS-SVM分类器,实现了对特征数据的有效分类.通过试验分析,确定了较为合理的状态空间维数(L=3),正确识别率可达95.3%.     

条形码技术在饲料生产中的应用

叙述了条形码技术的系统组成、识别原理及常见条形码应用;分析了条形码技术在饲料生产中的应用,包括饲料厂仓库管理、人工添加微量组分的核实和饲料质量可追溯性;指出饲料生产中应用条形码技术要统一条形码编码规则,扩大条形码的信息量.     

电子条码尺立木胸径自动测量研究

为了实现立木胸径的快速、准确测定,以EAN-13条形码编码和译码规则为模版,基于Android开发平台和Open CV图像智能处理技术,设计了一种可以实现单人作业、立木胸径自动测量的电子条码尺。条码尺编码完成后,利用开发的手机APP扫描条形码图像,通过图像的预处理、条形码的定位与识别、胸径的自动测量与记录、数据保存与导出等过程,实现立木胸径自动测量。经实验验证,该方法进行立木胸径测量的精度达99.95%以上,满足国家森林资源连续清查的精度要求,测量工作的效率也得到显著提高。     

条码技术在轮胎信息管理中的应用

针对轮胎信息管理中手工抄录轮胎号不便的问题,提出了一种基于条码识别技术的胎号信息采集方法.企业管理系统利用条码技术控制轮胎生产过程的各道特定工序,自动记录管理和控制信息,以建立轮胎生产数据库.通过用条码唯一地标识轮胎,轮胎企业可实现对每条轮胎在整个生产和销售过程中的追踪,提高信息化管理的程度.     

基于深度学习的水果图像识别系统

随着模式识别领域不断的发展,图像识别作为该领域中的典型应用,受到了众多学者的关注,尤其是在图像快速识别方面。对此,该文将从深度学习的概述入手,选择卷积神经网络算法应用于水果图像识别中。通过对卷积神经网络算法的网络结构以及卷积神经网络训练过程的详细分析,采用卷积神经网络架构设计、分类器设计建构了基于卷积神经网络的水果图像识别系统。并将识别结果与传统水果图像识别结果进行对比验证,为水果图像识别领域提供参考。      

基于椭圆型度量学习的小麦叶部病害识别

特征提取和相似性度量是基于图像处理的农作物病虫害识别方法中的两大关键问题。以感染小麦白粉病的叶片为研究对象,提出了一种基于椭圆型度量学习的小麦叶部病害严重度识别算法。该算法首先给出了一种滑窗最大值（Moving window maximum, MWM）特征提取方法,对分割后的病斑图像采用滑窗法提取HSV颜色特征和LBP纹理特征,在同一水平条滑窗上取每一维特征的最大值作为这一水平条的特征,这种MWM特征表示方法能有效减弱小麦叶片弯曲、倾斜、拍摄角度不同等对识别率的影响;然后,引入对样本数据具有更好区分性的椭圆型度量,根据样本的类内与类间高斯分布的对数似然比定义椭圆型度量矩阵,为了保持最大化的分类信息,将特征子空间学习和椭圆型度量学习同时进行;最后,利用得到的椭圆型度量计算特征向量之间的距离实现不同严重度病害的识别。对比实验结果表明,本文算法使得小麦白粉病严重度的识别正确率达到了100%,优于SVM方法的88.33%、BP神经网络方法的90%。     

基于Gabor特征的马铃薯图像芽眼识别

为了实现马铃薯智能化切块中芽眼自动识别,提出了一种基于Gabor特征的马铃薯图像芽眼识别方法。首先,设计了马铃薯图像采集系统,采集马铃薯图像;然后,进行马铃薯图像中芽眼特征分析,并基于Gabor特征进行马铃薯图像滤波,选择方向2和尺度4下的滤波图像进行形态学图像处理;最后,通过剔除马铃薯边界连通区域进行芽眼区域提取。选择50张马铃薯图像进行芽眼识别试验,结果表明:提出的算法芽眼识别率为93.4%,误识别率为7.2%,平均识别速度为0.28s。本算法可为马铃薯智能化切块中的芽眼自动识别提供方法。     

基于PCA模式识别算法的收割机自主路径规划设计

为了更准确地对高分辨率可见光农田路标导航图像进行目标识别,将基于主成分分析(PCA 2 Principal Component Analysis)和模板匹配的方法引入到了联合收割机控制系统中,提升了收割机自主图像识别水平和路径规划能力。在识别过程中,采用PCA算法对分割图像进行特征提取和主成分分析,并将图像主轴旋转成水平方向和训练样本库进行匹配,最后识别出导航路标,并自动生成预设的路径。为了验证方案的可行性,将PCA模式识别算法嵌入到了收割机的控制系统中,在开阔平坦的农田里进行了实验测试,结果表明:采用PCA模式识别算法可以成功地识别农田里的导航路标,其识别准确率和效率都较高,且可以自动生成规划路径,对于现代收割机自动化作业能力的提升具有重要的意义。     

基于二维码的食品溯源系统

为方便食品信息获取和质量监管，验证食品真实性，保证食品安全，基于Google Zxing二维码生成和解码编程接口设计开发了食品溯源系统。该系统采用微服务框架和MVC分层思想设计了表示层、业务层、控制层和数据持久层组件，有效提高系统复用性、可维护性及开发效率。详细介绍了系统体系结构、功能模块和关键技术。为防止二维码伪造，采用了AES与RSA混合加密算法，从而切实保证了食品溯源系统的安全性和可靠性。