农产品检测分级方法探讨

1 农产品检测分级方法1.1 人工分级 人工检测分级是利用人的视觉系统对农产品进行检测分级,此种方法比较适合水果、蔬菜、较大坚果的分级,分选质量较好,而在谷物检测分级上的应用较少见。其缺点是人脑在处理图像过程中难免带有主观片面性;人的视觉系统只能看到物体表面,不能看到物体内部的结构;长时间连续进行相同的视觉处理,人们就会感到单调、疲劳、厌倦、甚至遗忘以至效率降低或判别错误;视觉系统的图像处理是一种模糊处理,对处理结果很少能进行定量描述。     

机器视觉技术在农产品尺寸和形状检测方面的应用

农产品的外形尺寸是农产品品质的重要特征之一,因而也成为农产品分级的重要依据.农产品在其生产过程中由于受到人为和自然等复杂因素的影响,产品品质差异很人,如大小、形状、色泽等都是变化的,很难整齐划一,故在农产品品质检测与分析时要有足够的应变能力来适应情况的变化.机器视觉不仅是人眼的延伸,更重要的是具有人脑的部分功能,其在农产品品质检测上的应用正是满足了这些应变的要求.现在,机器视觉技术随着图像处理技术的专业化、计算机硬件成本的下降和速度的提高以及机器视觉系统的诸多特点已广泛地应用于农产品品质检测、品种的识别和分级中.利用机器视觉进行检测不仅可以排除主观因素干扰,而且还能对检测所得指标进行定量描述,具有人工检测所无法比拟的优越性.本文着重介绍了国内外机器视觉技术在农产品尺寸和形状检测方面的应用.     

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。     

机器视觉在农产品物流分级检测中的应用

综述了近些年国内外机器视觉技术在农产品品质分级检测中的研究进展,选取水果、谷物籽粒、家畜、家禽和蔬菜为代表,重点阐述了机器视觉技术针对这些农产品特征进行分级检测的方法以及成果。同时,总结了目前机器视觉技术应用于农产品物流分级检测的不足之处,展望了未来的发展趋势。     

机器视觉技术在农业领域中的应用

机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域.     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统.工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得...     

基于机算机视觉的杨梅自动检测分级

我国是杨梅的发源地和主产区,地理环境差异大,形成了多样的品种和品质。杨梅以鲜果形式进行销售和食用,销售期很短,因此快速高效的分级具有重要意义。人工分级的劳动强度大、效率低且分级质量不稳定,这些问题在杨梅上体现得更为明显。计算机视觉技术是水果分级研究中的热点,目前已经安装在杨梅采摘机器人上,用于自然环境下的果实识别。本文设计了基于计算机视觉的杨梅自动检测分级系统,经过计算机视觉软件的预处理、灰度化和图像分割后提取杨梅轮廓;然后检测鲜果果径、圆形度和颜色深度,根据相应的等级标准进行分级。系统分级的准确达到92.7%,对大小和果形均具有较高的识别准确率;单幅图片处理耗时0.45s,能够满足实时检测分级的要求。这个系统与合适的分级执行装置结合使用可以达到高效无损的分级效果,为我国杨梅产业可持续发展提供技术支撑。     

机器视觉技术在农产品分级分选中的应用

机器视觉技术在农业自动化领域中的应用得到了广泛研究.为此,针对机器视觉技术在农产品分级分选自动化方面的研究情况进行了综述;同时,介绍了目前比较成熟的分级分选设备,并提出了机器视觉技术在农产品分级分选应用中存在的问题及发展方向.     

农产品品质检测中常用的图像背景分割方法

利用机器视觉对农产品进行无损检测和自动分级时，对实时拍摄的农产品图像，在进一步的特征提取、模式识别等图像处理之前，采用适当、有效的方法把农产品图像从背景中分剖出来是一个非常重要的预处理步骤。其分割效果的好坏将直接影响到农产品分级的最终效率和准确性。为此，介绍了农产品品质无损检测中常用的图像背景分割方法。     

激光多普勒测振技术在农产品品质检测中的应用

准确检测农产品品质,可以为采后保存、分期销售、预测产品货架期以及产品分级提供可靠的依据.激光多普勒测振技术基于多普勒效应测量从振动物体表面散射回来的光所产生的频移,具有灵敏度高、非接触性测量、不破坏物体振动等优点,可通过测量农产品的振动特性实现对农产品品质的无损检测.论述了激光多普勒测振技术的进展、原理及其在农产品品质无损检测中的应用.     

基于计算机视觉技术大枣品质检测分级的研究

我国的大枣种植面积和产量占世界总量的95%,产量和出口量巨大。因此,加强大枣分级能给我国带来可观的经济效益,对大枣产业的升级也具有重要意义。目前,大枣的分级以人工为主,也开发了多种自动分级的系统和方法。基于计算机视觉的分级方法检测精度高,能实现无损操作,具有广阔的应用前景。为此,基于计算机视觉技术,建立了一个大枣品质检测分级系统。工作时,系统拍摄传送带上的大枣图像,传入计算机中进行灰度化、图像分割和轮廓提取;然后,以最小外截矩形的长宽为参数,计算大枣质量并以此划分等级。试验结果表明:系统对各级大枣的识别准确率为92%96%,平均为94%,具有很高的精准度。处理单幅图像耗时0.5s,能够满足自动分级的要求;在传送带运行速度0.5m/s、拍摄间隔0.8s时,可以实现20个/s的分级效率,可用于大枣的自动化分级。     

基于计算机视觉的橙子分级研究设计

橙子具有很高的营养价值,是我国部分地区的支柱产业,在农业经济中占有一定地位。分级是水果销售前的一道重要工序,有利于增加销售收益,提高产业竞争力。橙子种类繁多,品质各异,对其检测分级显得尤为重要。目前,橙子的分级主要由人工完成,但不能满足可持续发展的要求。基于计算机视觉的橙子分级设备类型、分析和计算方法都较多,但处于试验阶段,还没有应用于实际生产。为此,基于计算机视觉技术,建立了橙子的实时分级系统。橙子图像用计算机进行预处理和灰度化后提取目标轮廓,然后分别对大小、颜色和表面缺陷进行检测,采用RBF神经网络模式划分等级。系统对各级橙子的识别准确率为82.5%~90.0%,平均准确率为8 6.3%。系统处理单张图像平均用时0.6 s,分级效率达到1 8 0个/s,可以实现对橙子的自动化检测和分级。     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

基于机器视觉的蜜柑横径测量方法研究

【目的】机器视觉技术具有无损、快速、准确、智能化程度高等优点,被广泛应用于水果检测中,替代人工对水果的检测分级,因此研究小组基于机器视觉技术,来探究蜜柑横径的测量方法和过程。【方法】研究小组在试验研究过程中,通过图像采集系统获取蜜柑样本图像,并对其进行灰度化、中值滤波等预处理,采用阈值分割的方法将蜜柑图像和背景图像进行分割。对蜜柑图像区域进行填充和形态学处理等,提取蜜柑的边缘轮廓图像;运用Canny算子的边缘检测技术,最终提取出蜜柑的轮廓;依据轮廓图像,采用拟合圆法,将拟合出的圆的直径作为蜜柑横径数据,并和人工实测的蜜柑横径数据进行比对和分析。【结果】从测试样本中随机取出9个蜜柑样本进行试验,通过相对误差数据表明,机器视觉技术能够比较合理、准确地计算出蜜柑的横径。【结论】将机器视觉技术应用到蜜柑横径的测量中,通过采用相关的图像处理方法和数据运算,探讨出了蜜柑横径的测量过程和方法,为蜜柑乃至柑橘类水果的智能化分级提供了方法理论和数据基础。     

基于视觉技术的苹果分拣系统设计

在线检测是实现自动生产的重要环节,计算机视觉图像信息处理技术已经广泛应用于农产品品质检测中.表面缺陷检测一直是困扰苹果自动化分级的难题,本文采用特征提取,即提取出缺陷部位的轮廓,再进行填充求其面积的方法确定缺陷面积大小,然后用缺陷面积结合最大横径、颜色色度来判定等级,实现机器化苹果分拣.经实验证明本方法准确率达94.2%,且具有较好的稳定性,为农业自动化提供了一种可靠的苹果在线检测的方法.     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

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。     

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。     

机器视觉技术在农产品破损检测上的应用

农产品的表面缺陷是农产品品质的重要特征,利用机器视觉进行检测具有人工检测所无法比拟的优越性。为此,分析了目前国内外利用机器视觉和图像处理技术进行农产品破损检测研究的现状和存在的问题,提出了今后研究的方向和发展途径。     

基于机器视觉的樱桃外径检测

樱桃的外径尺寸是樱桃分级的重要参考标准之一.目前对樱桃分级都是人工实现,存在主观性强、劳动强度大、不够准确等缺点.利用机器视觉技术实现对樱桃外径尺寸的检测,包括椭圆拟合、圆拟合和旋转搜索.对18个樱桃外径进行了检测,结果表明:椭圆拟合方法最有效,与手工测量结果相比,其标准偏差为0.48 mm,能够满足实际分级需求.