类球形水果表皮颜色变化校正方法研究

针对类球形水果表面较大的曲率变化会引起表面亮度不均,从而导致水果颜色分级评价中存在误差大、准确率低等问题,提出了二维B样条水果表面亮度不均校正算法。利用该算法分别对原始RGB图像各单通道图像进行亮度校正,然后将校正后的RGB图像转换成HIS颜色空间图像,提取色调H和亮度I分量,通过对比校正前后H和I分量图像像素灰度标准差评价校正效果。对160幅橙图像处理结果表明,校正后的图像在色调和亮度上比原始图像更加均匀,色调H分量和亮度I分量的平均标准差分别仅为原始图像标准差的21.57%和33.94%,色调和亮度均匀性得到了明显的改善。     

水果表面亮度不均校正及单阈值缺陷提取研究

提出了一种水果表面亮度不均校正算法.以脐橙为研究对象,首先提取R分量图像并除去背景后获得原始图像;然后根据照度-反射模型,利用低通滤波获得该图像的入射分量图,将此入射分量图作为该图像的亮度图像;最后,原始图像与亮度图像相除后即为亮度校正后的图像.基于亮度校正后的图像,利用单阈值对水果表面缺陷一次性成功分割.利用开发的算法对正常样本和带有10类不同缺陷的样本共计788幅图像进行处理,总体识别正确率达到97％.     

基于亮度校正和AdaBoost的苹果缺陷在线识别

提出了一种基于亮度校正和AdaBoost的苹果缺陷与果梗-花萼在线识别方法。以富士苹果为研究对象,首先在线采集苹果的RGB图像和NIR图像,并分割NIR图像获得苹果二值掩模;其次利用亮度校正算法对R分量图像进行亮度校正,并分割校正图像获得缺陷候选区(果梗、花萼和缺陷);然后以每个候选区域为掩模,随机提取其内部7个像素的信息分别代表所在候选区的特征,将7组特征送入AdaBoost分类器进行分类、投票,并以最终投票结果确定候选区的类别。实验结果表明,该算法检测速度为3个/s,满足分选设备的实时性要求,且总体正确识别率达95.7%。     

自然场景下成熟水果的计算机视觉识别

研究在自然场景下成熟水果的识别技术。比较HSI颜色空间转换的几种方法：球体法、柱体法和双锥体法等。球形：HSI颜色转换系统在本研究中产生较少的奇异数据,被采用。将图像的RGB值转换成色调、饱和度和亮度值,并将色调和饱和度结合产生融合图像,以消除地表、天空等背景的影响。利用Otsu算法自动获取分割阈值,提取目标区域。将提取的区域形态特征进一步分割图像,去除与颜色类似的枯叶和其他背景,提取成熟水果区域,分割效果显著。     

水果表面缺陷检测研究——基于NI Vision Assistant和IMAQ Vision

以NI公司的LabVIEW编程系统为程序的开发平台,并结合其视觉处理软件包IMAQ Vision和NI VisionAssistant,对水果图像进行采集和处理。根据水果图像的特征,采用的算法包括图像灰度拉伸、图像滤波和边缘检测等。经实验证明,采用该机器视觉技术可以准确实现水果表面缺陷检测工作,检测的精度高,为以后在线检测系统的开发提供了重要的依据。     

圆柱螺纹牙型非接触检测失真校正

在对圆柱螺纹进行非接触检测时,螺纹牙型会产生失真现象,为此提出图像校正的方法。从螺纹牙型失真的几何原理出发,建立相应的螺纹数学模型,对采集的螺纹图像进行校正,获得真实的螺纹牙型,并通过软件仿真和试验验证了该模型的正确性。同时表明图像校正的方法提高了圆柱螺纹非接触检测的精度、效率。     

基于计算机视觉系统的番茄特征提取

针对实际番茄特征提取环境复杂情况的问题,提出了针对不同环境应用不同颜色模型来进行阈值分割的方法。通过应用改进的n R-G、YUV两种颜色模型对不同实验环境采集的图像进行阈值分割,并结合canny边缘提取算法、fitzgibbon椭圆拟合算法提取得出番茄像素坐标与像素尺寸,以此完成番茄特征提取。为得出各种颜色模型适用环境等特点,对比各种颜色模型在光线充足果实未被遮挡、光线充足果实部分遮挡和光线较弱果实未被遮挡3种情况下特征提取成功率,并比较3种颜色模型在光线充足果实未被遮挡情况下对采集图像的降噪能力。实验结果表明:n R-G颜色模型适用于采集图像噪声较小的实验环境,对于光线较弱的实验环境该模型表现出较高且稳定的特征提取成功率;YUV颜色模型表现出对含噪图像具有较为稳定的降噪能力,且对光线较强的实验环境表现出较高的特征提取成功率。     

激光及X射线肉图像同步采集系统设计及实验

提出了一种不规则肉碎骨图像检测方法,设计了一种基于激光三角法以及软X射线技术的肉碎骨图像采集的在线检测系统。该系统由X射线图像采集部分、激光图像采集部分、机械传输部分、PLC控制系统部分和图像处理系统组成。采用小型单元式PLC作为控制核心,检测肉位置和触发激光及X射线采集图像,肉图像采集软件在Visual C#2008环境下结合环境下结合HALCON函数库实现,系统调试运行正常,可实时同步采集肉动态激光图像及X射线图像。利用肉激光图像和X射线图像进行图像融合实验。结果表明,小波算法速度快,融合后的图像失真少,更加接近于原X射线图像,更有利于肉图像碎骨信息的提取。     

不同储存时间和取样部位牛肉颜色的高光谱图像检测

为了探讨高光谱图像技术对不同储存时间和取样部位的牛肉颜色检测的可行性,采集具有代表性的牛肉后腿、里脊和背脊共82个牛肉样品的高光谱图像,并测量其亮度、红度、黄度和饱和度等颜色参数.选取感兴趣区域获取样品代表性光谱,通过选择适宜的谱区范围和预处理方法,建立并评价了预测各颜色参数的偏最小二乘校正模型.对于亮度、红度、黄度和饱和度,校正集的相关系数分别为0.80、0.91、0.91和0.93,校正标准差分别为2.23、1.18、0.82和1.12,预测集的相关系数分别为0.92、0.88、0.87和0.89,预测标准差分别为1.66、1.45、0.80和1.27.研究结果表明,高光谱图像技术可用于快速无损检测不同储存时间下、不同部位的牛肉颜色.     

运动水果图像的实时采集方法与系统研究

提出了动态图像的时间序列连续场扫描采集方法，所采集的时间序列水果图像在计算机内综合后即可检测视场内的每一个水果的外观品质指标，用于分级控制。研制的水果动态图像采集系统主要由计算机，摄像机、图像采集卡、涡流式接近开关和水果动态图像采集软件等组成。涡流式接近开关作为水果运动状况检测传感器，用于检测水果位置和触发动态图像采集。水果动态图像采集软件在Visual C 6．0环境下结合MIL-LITE函数库实现。试验结果表明，该系统可在外界输入信号的触发下，以12帧／s的速率实时采集动态水果图像。     

基于计算机视觉技术的水果形状分级方法

以彩色图像为处理对象,提出一种基于傅里叶变换的水果形状分级方法,采用梯度法检测彩色水果图像的边缘,再用边界跟踪算法获取水果的轮廓半径序列,然后将其进行离散傅里叶变换,最后利用傅里叶系数定义分类器,根据给定的分类阈值对水果形状进行分类,对不同水果形状的试验证明了这种方法的有效性。     

苹果采摘机器人目标果实快速跟踪识别方法

为了减少苹果采摘机器人采摘过程处理时间,对苹果采摘机器人目标果实的快速跟踪识别方法进行了研究。对基于R-G颜色特征的OTSU动态阈值分割方法进行首帧采集图像分割,采用图像中心原则确定要采摘的目标果实;利用所采集图像之间的信息关联性,在不断缩小图像处理区域的同时,采用经过加速优化改进的去均值归一化积相关模板匹配算法来跟踪识别后帧图像的目标果实,并进行不同阈值分割方法实现效果,不同灰度、亮度和对比度的匹配识别以及新旧方法识别时间对比试验,从而验证了所采用和设计方法的有效性;其中所设计跟踪识别方法的识别时间相比于原方法,减少36%。     

荔枝采摘机械手视觉定位系统设计

建立了基于双目立体视觉的荔枝采摘机械手视觉定位系统.通过对成熟荔枝颜色特征的分析,选取YCbCr颜色模型进行处理,利用Otsu算法结合模糊C均值聚类法(FCM)对荔枝果实和果梗进行了分割,实验结果表明:有效识别果实和果梗的正确率为94.2％.通过计算果实质心与果梗的距离最大值确定荔枝采摘点,利用基于色调空间的彩色图像匹配法和极限约束法进行果梗采摘点的立体匹配,实现了采摘点的空间定位.通过定位误差分析,采用直线插值法进行定位误差补偿,定位实验结果表明:定位的深度误差小于10 mm,能满足荔枝机械手视觉精确定位的要求.     

鱼丸煮制过程中品质变化动力学分析

为了更好地预测食品加热过程中的品质变化，采用动力学方法对鱼丸煮制过程中成熟品质因子（颜色、剪切力）和过热品质因子（水分含量）变化进行反应动力学测定和分析。结果表明，煮制过程中鱼丸亮度值、白度值和水分含量的变化均遵循一级反应动力学模型，而剪切力的变化遵循零级反应动力学模型。鱼丸亮度值和白度值的z值分别为19.37和33.43 ℃，Ea值分别为119.99和69.52 kJ/mol；过热品质因子水分含量的Ea值为39.39 kJ/mol，z值为59.11 ℃，大于成熟品质因子（亮度值、白度值）的z值，满足烹饪操作优化的前提条件，证明鱼丸在煮制过程中存在优化空间，为推进鱼丸产业化生产提供基础数据。      

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。     

野外非结构化环境下番石榴视觉三维感知研究

自然环境下的番石榴与背景颜色相似,视觉特征稀缺,光照条件复杂,对其进行准确的识别和测量是一项具有挑战性的工作.为此,结合全卷积神经网络与双目立体视觉原理,基于具有强鲁棒性的图像分割算法及高精度视觉三维测量算法,构建了适用于野外番石榴采摘的实用和稳定的视觉算法框架.试验结果表明:图像分割的均交并比为85.3％,双目视觉系...     

基于深度图像的球形果实识别定位算法

为了解决近色背景果实识别困难问题,针对果实近球形的形态特性,提出了一种利用深度图像从果实形态角度进行果实识别定位的算法。该算法使用深度摄像头获取果树的深度图像,通过深度图像计算出各像素点的梯度向量,将梯度向量看作运动矢量场,并计算出矢量场的散度,根据散度最大原则,从矢量场中搜索出辐散中心点;然后利用果实和叶片等深图像的差异从辐散中心点中筛选出果实中心点,以果实中心点为起点采用八方向搜索方法搜索出果实边界点,将果实边界点依次连接后形成的封闭区域内的果实图像导入点云;最后根据果实图像部分点云利用RANSAC算法求出目标果实的拟合球形,进而得出果实的尺寸以及三维空间位置。该算法无需传统算法需要利用的颜色特征,而仅利用了深度图像中的深度信息进行果实识别定位,能够克服传统算法受色彩、光照等因素影响的弊端,并且由于该算法完全没有利用到彩色图像信息,因此不仅可以实现绿色果实的识别定位,还可以实现采摘机器人在夜间环境下正常工作,为复杂环境下的果实识别定位算法研究提供了技术支撑。     

基于机器视觉与深度学习的西兰花表型快速提取方法研究

准确获取西兰花花球面积和新鲜度是确定其长势的关键步骤，本研究通过对深度残差网络ResNet进行改进得到一种新型的西兰花花球分割模型，并通过花球部位黄绿颜色占比判断其新鲜度，实现低成本高效准确地西兰花表型信息提取。主要技术流程包括：（1）基于地面自动影像获取平台拍摄西兰花花球正射影像并建立原始数据集；（2）对训练图像进行预处理并输入模型进行分割；（3）基于颜色信息用粒子群结构PSO和大津法Otsu对分割结果进一步进行阈值分割，获取其新鲜度指标。试验结果表明：本研究建立的分割模型精度优于传统深度学习模型和基于颜色空间变换和阈值分割模型，4个评价指标结构相似性指数(SSIM)、平均精度(Precision)、平均召回率(Recall)、F-度量(F-measure)结果分别为0.911、0.897、0.908和0.907，相比于传统方法提升了10%-15%，且对土壤反射率波动、冠层阴影、辐射强度变化等干扰具有一定的鲁棒性。同时，在分割结果的基础上采用PSO-Otsu法可以实现花球新鲜度快速分析，其精度超过了0.8。本研究结果实现了西兰花田间多表型参数的高通量获取，可以为作物田间长势监测研究提供重要参考。