棉花中白色异性纤维的线扫描激光成像检测方法

在可见光和紫外光照明条件下,皮棉中白色异性纤维和棉花背景的颜色相近,很难用现有的机器视觉系统或人工方法检测出来。该文以12种典型白色异性纤维为样本,采用线扫描相机,分别在红色激光（波长658 nm）、蓝色激光（波长405 nm）和红外激光（波长850 nm）3种照明条件下,改变激光功率和曝光时间,获取了300幅白色异性纤维与棉花的图像。在此基础上,根据同一图像中目标和背景的平均灰度值计算了图像的对比度,然后作出了不同激光波长、功率、曝光时间和图像对比度之间的关系曲线,最后,在该试验装置的条件下,该文确定了线激光成像的最佳检测波长为658 nm、光功率为55 mW和曝光时间为36 μs,发现采用优化的线激光参数成像,图像中12种白色异性纤维灰度值已经接近饱和而棉花还处于欠饱和状态,"目标"和"背景"的对比度达到最大,利用两者平均灰度值的明显差异可以检测出棉花中的白色异性纤维。试验结果表明,采用优化的线激光成像参数获取730幅棉花图像,利用简单的Prewitt算子边缘检测法和固定阈值的二值化方法对图像进行分割,12种典型白色异性纤维样本的正确识别率分别可达93.7%和92.9%。     

黄瓜自动分级系统的研制

该文回顾了农产品分级的机器视觉技术，提出了黄瓜分级的标准。开发了机器视觉系统，包括照明、彩色CCD像机、抓取架、微机、图像监视器、挑选机器人和传送带。设计了分级系统的软硬件设备。     

生猪肉产量预测的非接触实时在线机器视觉系统

为了准确估测生猪肉产量,该文提出了一种自动提取生猪活体特征的方法,建立了生猪肉产量预测算法。首先,基于自主研发的生猪肉产量预测的机器视觉系统装置实时采集54头活体大白猪的俯视图和侧视图,然后根据图像处理技术对所得的图像进行分析,提取生猪的体长、胸宽、臀宽、体高等体尺参数值;同时通过称量装置获得每头猪的活体质量。其次,将54头生猪样品按2∶1的比例分为校正集和验证集,基于体长、胸宽、臀宽、体高和体质量5个特征参数分别利用多元线性回归法(multiple linear regression,MLR)和偏最小二乘回归法(partial least-squares regression,PLSR)建立不同的肉产量预测模型,通过比较各预测模型的估测精度、相关系数等,确定最佳预测模型。分析结果表明,5个参数中体质量对肉产量预测的权重最大;偏最小二乘回归方法的预测结果较好,最佳预测模型的预测相关系数为0.95,预测误差为3.09 kg。试验结果证实,在检测系统中使用基于生猪的体尺参数和体质量建立的偏最小二乘回归预测模型可快速准确预测生猪肉产量,适于实际生产应用。     

采用全景技术的机器视觉测量玉米果穗考种指标

为了在利用图像技术无损考察玉米果穗形态指标时,能够利用一幅图像显示整个玉米果穗的外形,从而减少多幅图像拼接产生的重叠和处理不便,该文提出一种新的基于机器视觉的玉米果穗考种方法与配套装置,首先拍摄旋转玉米果穗图像序列,应用SIFT（scale invariant feature transform）算法获取图像特征点,对特征点随机采样计算单应矩阵并进行一致性检测排除外点,将前后2帧图像注册到同一坐标系。然后采用动态规划法寻找前后2帧拼接图像的缝合线,按缝合线切割图像,以图像模板高斯滤波权值融合缝合线两侧图像消除曝光差异。依次拼接、融合图像序列生成果穗全景图。对果穗全景图进行考种指标检测,试验结果表明：基于机器视觉的测量值与人工测量方式不存在显著性差异（显著水平α=0.05）,该文所述方法可满足自动化考种的需求。     

基于机器视觉的马铃薯质量和形状分选方法

马铃薯的质量和形状是机器视觉分级的2个重要特征和依据,为实现马铃薯质量与形状检测分级,该文提出了一种基于图像综合特征参数的分选方法。首先提取马铃薯俯视图的面积参数和侧视图的周长参数,通过回归分析建立马铃薯的质量检测模型,实现对马铃薯的质量分选;然后提取马铃薯俯视图像的6个不变矩参数,输入到已训练好的神经网络,完成对马铃薯形状分选。试验结果表明:该方法可以有效的检测马铃薯的质量并区分其形状,质量分选准确率为95.3%,薯形分选准确率为96%。可满足实际应用的要求。     

噪声扰动下低光照蚕蛹图像恢复算法与试验

在基于机器视觉雌雄蚕蛹智能识别与分拣系统中,蚕蛹图像本身质量是机器视觉能否准确识别的关键。低光照和噪声扰动是影响蚕蛹图像的主要原因,它会导致大量图像纹理结构信息丢失,这为蚕蛹智能识别带来极大挑战。针对噪声和低光照蚕蛹图像质量改善,该文提出了基于色阶映射(tone mapping)和Tikhonov正则化相结合的噪声扰动下低光照蚕蛹图像恢复方法。通过试验表明:该文方法不仅实现蚕蛹图像光照对比度改善,同时又可以较好地抑制噪声影响,保持蚕蛹图像的纹理结构特别是性腺信息,改善图像质量,有利于提高机器视觉雌雄蚕蛹智能识别正确率和准确性。试验还表明,该文建立的模型和算法对其他农作物低光照噪声图像处理也同样具有明显效果,为机器视觉在农业领域广泛应用奠定基础。     

基于图像技术的温室光分布研究

温室内光照环境对作物生长有重要影响,然而受温室形状、方位、覆盖材料、天气等各因素的影响,温室内光分布一直是研究的难点。该文提出基于计算机视觉技术和基于图像的光照技术来采集温室内真实环境的光分布,通过高动态范围图像的制作,以及从图像中的光源信息的提取,得到温室内光分布的辐射度图,该图能够真实反映不同天气情况下以及一天中不同时刻、不同方向的光照强度分布,能较好地模拟场景周围的自然光照。该研究将为温室内复杂光源分布的获取和作物冠层顶部入射辐射的研究提供准确的光照模型。     

群养猪侵略性行为的深度学习识别方法

为了解决因传统机器视觉和图像处理方法的局限性以及复杂的猪体姿态和猪舍环境导致对群养猪侵略性行为识别的有效性、准确率较低的问题,该文基于深度学习的方法,提出使用3DCONV的群养猪侵略性行为识别算法-3DConvNet。分3个批次采集18头9.6 kg左右的大白仔猪视频图像,选用第一批次中包含28 d内各个时段的撕咬、撞击、追逐、踩踏4大类,咬耳、咬尾、咬身、头撞头、头撞身、追逐以及踩踏7小类侵略性行为以及吃食、饮水、休息等非侵略性行为共计740段(27114帧)视频作为训练集和验证集,训练集和验证集比例为3:1。结果表明,3DConvNet网络模型在训练集上的识别准确度达96.78%,在验证集上识别准确度达95.70%。该文算法模型对于不同训练集批次的猪只以及不良照明条件下依然能准确识别侵略性行为,算法模型泛化性能良好。与C3D模型进行对比,该文提出的网络模型准确率高出43.47个百分点,单帧图像处理时间为0.50 s,可满足实时检测的要求。研究结果可为猪场养殖环境中针对猪只侵略性行为检测提供参考。     

基于机器视觉的猪体体尺测点提取算法与应用

无应激获取猪体的体尺、体质量,是猪福利养殖中的一个重要任务,为解决机器视觉提取自然站立姿态下猪体的体尺测点识别率低的问题,该文通过在线摄像机获取120d龄长白猪的彩色图像,以猪体体尺传统的测量位置为研究基础,结合猪舍现场实际情况,提出了复杂背景下猪体个体信息提取的算法、基于包络分析的猪体头部和尾部的去除算法以及具有一定弯曲姿态的复杂猪体体尺测点坐标提取的算法,并利用Matlab2010软件实现了其算法。验证试验结果表明:通过背景减法和去除噪声算法可去除背景干扰,有效识别猪体信息;测点提取算法可准确提取自然姿态下猪的个体轮廓,识别其体尺测点,实现了猪体的体长、体宽等体尺量算的9个体尺测点的坐标提取,经验证,对猪体体长的实测值平均相对误差最小,其平均相对误差仅为0.92%;其次为腹部体宽,其平均相对误差为1.39%;而对猪体肩宽和臀宽的检测误差较大,平均相对误差分别为2.75%和3.03%。本研究可应用于猪体无应激量算体尺、估算猪体体质量,为开展福利养殖提供了一种新方法。     

基于机器视觉的橘小实蝇运动轨迹跟踪与数量检测

橘小实蝇发生期虫口数量是威胁果树生长状况的重要参数,是实施精准变量喷雾的基础。为实现果园大尺度、现场、实时和快速检测橘小实蝇虫害发生情况,该文提出了一种基于机器视觉技术在虫口区域跟踪橘小实蝇运动轨迹和数量检测的方法。试验采用橘小实蝇视觉检测平台,选取华南农业大学资源与环境学院橘小实蝇饲养室采集的视频图像作为评价样本,通过人工与机器视觉方式比较视频前50?000帧的检测效果,试验结果表明人工和机器视觉检测的橘小实蝇数量分别为85、78头;机器视觉漏检率为9.4%,达到虫害数量统计要求。     

基于光照无关图的农业机器人视觉导航算法

完成沿作物行的行走作业是农业机器人视觉导航系统的一个基础功能,但是由于田间环境的复杂性,比如阴影的存在和天气的恶劣变化等外界因素的影响使导航参数的提取变得困难。该研究针对农业机器人视觉导航中存在的阴影干扰问题,采用基于光照无关图的方法去除导航图像中的阴影,然后采用增强的最大类间方差法进行图像分割和优化的Hough变换提取作物行中心线,最终通过坐标转换获得导航参数。最后,通过作物行跟踪试验表明,基于光照无关图的阴影去除方法不仅满足了导航实时性的要求,而且使农业机器人在光照变化的情况下导航参数提取的鲁棒性有了更大的提高。     

小麦宽苗带撒播器弹籽板结构设计与优化

为了对小麦宽苗带撒播器进行结构改进和参数优化,该文以鸭掌型宽苗带撒播器弹籽板为研究对象,建立了以球面半径、安装倾角和跨度作为变量的球面型弹籽板数学结构模型,搭建了离散元仿真平台,以小麦籽粒横向均匀度变异系数作为作业效果评价指标,分析3个变量对宽苗带撒播器工作性能的影响,并根据试验结果对弹籽板的结构进行优化。单因素试验结果表明,球面半径在130～150 mm、安装倾角在30?～40?、跨度在80?～100?区间时,宽苗带撒播器具有较好的横向匀种效果;通过二次回归正交旋转组合试验,建立了3个变量与横向均匀度变异系数的回归方程,结果表明,影响小麦籽粒横向均匀度变异系数的主次因素依次为安装倾角、球面半径、跨度和安装倾角×跨度,其中安装倾角和跨度之间存在一定的交互作用,当球面半径、安装倾角和跨度分别为141.26 mm、35.53?和90.72?时,宽苗带撒播器具有较优的横向匀种效果,此时理论计算和仿真试验的横向均匀度变异系数分别为10.58%和9.21%,两者偏差仅为1.37个百分点,说明建立的回归模型准确;弹籽板最优结构参数组合下宽苗带撒播器台架和田间应用试验结果显示,小麦籽粒的横向均匀度变异系数的平均值分别为13.40%和12.10%,台架和田间应用试验的结果与仿真试验基本吻合,证明应用离散元法对宽苗带撒播器弹籽板结构参数进行优化的结果是可信的。该研究可以为宽苗带撒播器的弹籽板结构参数优化以及提升其横向匀种效果提供理论参考。     

农业机械机器视觉导航研究

该文对农业机械机器视觉导航的关键问题图像处理和路径控制进行了深入的研究,采用基于Hough变换和动态窗口技术的图像处理算法提取自然环境下的导航特征,根据系统辨识试验的结果和农业机械机器视觉导航的特点建立了仿真模型,并在通用型轮式拖拉机上建立试验系统对图像处理和控制算法进行验证,取得了良好的试验结果.     

连栋温室采光性能评价指标

温室的采光性能决定着进入温室的能量和作物用于光合作用的光合有效辐射大小。但采光性能的优劣在中国缺少明确的评价指标。该文综合分析了已有研究成果,提出了太阳总辐射透过率、光合有效辐射及其在温室内分布的均匀性等3个技术参数作为温室采光性能的评价指标。     

基于EDEM的猪粪接触参数标定

为准确快速获得畜禽粪便的接触参数,该研究通过物理堆积试验与仿真方法对猪粪接触参数进行了标定。测定了不同含水率下猪粪的堆积角,建立了含水率与堆积角的回归方程;基于Hertz-Mindlin with JKR球体粘结模型,进行了离散元仿真模拟;采用筛选试验设计(Plackett-BurmanDesign,P-BD)对10个初始参数进行了筛选,发现JKR(Johnso-Kendall-Roberts)表面能、颗粒间滚动摩擦系数、颗粒间碰撞恢复系数对猪粪堆积角影响显著;并根据响应曲面试验设计(Box-BehnkenDesign,B-BD)建立了堆积角与显著性参数的二阶回归模型,得到了3个显著性参数值分别为JKR表面能0.03J/m~2、颗粒间滚动摩擦系数0.27、颗粒间碰撞恢复系数0.54;将仿真所得堆积角与物理试验值进行对比验证,相对误差为4.27%。结果表明,该研究提出的标定方法能准确模拟物理堆积试验,可为畜禽粪便接触参数的标定提供参考。     

黑水虻处理的猪粪有机肥离散元仿真模型参数标定

为准确快速获取黑水虻处理的猪粪有机肥颗粒的离散元仿真模型参数,该研究采用圆筒提升堆积物理试验与EDEM仿真结合的方法,选取"Hertz-MindlinwithJKR"作为接触模型,以堆积角为响应值,基于响应面法优化标定了黑水虻处理的含水率为43.6%的猪粪有机肥仿真参数。采用Design-Expert8.0.6设计Plackett-Burman试验,筛选出对堆积角有显著影响的参数,即有机肥泊松比、有机肥颗粒密度、有机肥-有机肥滚动摩擦系数。通过最陡爬坡试验确定了显著参数的最优值区间,进一步以有机肥堆积角为响应值,基于Box-Behnken试验获得堆积角与显著性参数的二阶回归模型,以物理试验测得的堆积角为响应目标,针对显著性参数进行寻优,得到最佳组合:有机肥泊松比0.11、有机肥颗粒密度1 703 kg/m~3、有机肥-有机肥滚动摩擦系数0.13。运用最佳参数组合进行仿真分析,得到堆积角均值为38.61°,与物理试验测得的堆积角相对误差为1.88%,且堆积形状具有较高相似性,无明显差异,表明标定的参数准确,研究结果可为黑水虻处理猪粪后的有机肥相关收集与筛分机械的设计提供理论参考。     

棉花中白色异性纤维的激光成像快速检测方法

现有的棉花异性纤维分拣机采用可见光照明成像,难以识别棉花中混杂的白色异性纤维。为了有效地检测出与棉花颜色相同或相近的白色异性纤维,该文采用线激光照明成像的方法,在固定线激光功率、波长和相机光圈的条件下,利用不同的曝光时间,获取了12种典型的白色异性纤维与皮棉的图像,分析其成像曝光时间与图像对比度之间的关系,发现不同的关系曲线存在一段共有的最优曝光峰值时间。在此曝光时间内,同一图像中的白色异性纤维已经"过曝",而棉花还处于欠饱和状态。二者图像灰度值的明显差异可用于检测棉花中的白色异性纤维。该文在线激光功率为0.8 W,波长650 nm,相机光圈为8C,曝光时间为1.6 ms的条件下获取了1 500幅图像。试验表明,采用简单的固定阈值法,皮棉中12种典型的白色异性纤维的识别率达到了95.8%。研究结果为提高棉花中白色异性纤维的识别率和速度提供了一条新途径。     

基于机器视觉的猪胴体背膘厚度在线检测技术

为了能在线精准测量猪胴体背膘厚度,解决人工测量过程中效率低、人为因素影响大及结缔组织易被误测量为背膘的问题。该文基于机器视觉及图像处理技术提出一种图像采集并自动测量背膘厚度的算法。在双边滤波、大律法、形态学变换的基础上,通过轮廓面积分割提取出背膘区域及其边缘轮廓,利用拟合线对轮廓边框进行拟合,判断是否包含结缔组织。若包含则针对原始图像目标测量区域像素点特征进行具体分析,去除结缔组织。然后通过直线映射,确定背膘厚度检测线,测量猪胴体背膘厚度。测试结果表明:检测方法能适应在线检测速度需求,检测正确率为93.5%,平均检测时间为0.3 s。研究结果为生猪屠宰生产线上准确、快速测量背膘厚度提供参考。     

基于光照无关图理论的苹果表面阴影去除方法

阴影影响下苹果目标的快速准确识别是苹果采摘机器人视觉系统必须解决的关键技术之一。为了实现阴影影响下苹果目标的准确识别,该研究采用光照无关图理论实现了苹果表面阴影的去除。以自然场景下获取的受不同程度阴影影响的苹果目标图像为研究对象,首先利用光照无关图原理获取阴影苹果图像的光照无关图,达到突出苹果目标阴影区域的目的;其次提取原图像的红色分量信息并与关照无关图进行相加处理;最后将相加后的图像进行自适应阈值分割处理,达到去除阴影的目的。为了验证该算法的有效性与准确性,利用20幅受阴影影响的苹果目标图像进行了试验,并与Otsu算法、1.5*R-G色差算法进行了对比,试验结果表明：Otsu算法仅能识别出未受阴影影响的苹果区域;1.5*R-G 色差算法受光照影响较大,对于苹果图像的相对强光照区域和部分阴影区域不能有效识别;基于光照无关图的苹果表面阴影去除方法对阴影影响下的苹果目标图像分割效果较好,可以克服光照过强的问题,并准确识别出阴影影响下的苹果目标。文中算法的平均假阳性率为17.49%,比Otsu算法降低了52.84%,比1.5*R-G算法降低了26.18%;文中算法的平均重叠系数为86.59%,比Otsu算法提高了47.2%,比1.5*R-G算法提高了11.03%;表明利用光照无关图可以有效地去除苹果表面的阴影,将其应用于阴影影响下的苹果目标的识别是可行的。     

基于变化光源方向多图像的植物叶片表观三维模拟

为了真实准确地模拟植物叶片表观颜色,提出一种基于多图像的叶片表观模拟方法。首先搭建基于线性光源的表观图像采集系统,用以获得400张视线角度固定、光源方向变化的叶片图像集合;采用拟合方法自动地从400张图像中获得整个叶片表面的表观特征参数,包括漫反射强度、高光反射强度和粗糙度;利用该拟合方法对线性光源移动条件下理想物体的各种反射特征的变化情况进行仿真计算,然后针对叶片图像中的每个像素寻找与仿真计算结果最接近的表观模型参数作为拟合结果。通过该拟合方法,可将叶片表面上各个位置的表观参数合成3张表观参数图像,采用基于点光源的实时光照方法测试最终的可视化模拟效果。从模拟结果中可以看出利用该文方法得到的结果能够真实地表现叶片自身的表观质感特性,相对于传统方法更加真实准确。