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。     

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。     

机器视觉在柑橘分级技术上的研究进展

为了解决水果分选过程中,人工分选费时费力,机械分选可能会刮伤果皮,机器视觉技术用于水果行业分选有着巨大的优势。文章综述了近几年国内外机器视觉技术在水果品质分选行业的分级技术研究现状。目前学术界采用传统图像处理技术研究机器视觉柑橘检测分级方法都是人为设计特征,分选准确率有待提高,近几年深度学习算法在图像处理上表现出了极好的检测效果,该方法不需要人为设计特征,只需要训练足够的样本数据,就可输出想要的结果。针对传统图像处理技术存在的弊端,深度学习算法尤其是卷积神经网络算法（CNN）在柑橘品质检测分级上有着巨大的研究价值。     

基于PLC和机器视觉的水果自动分级系统研究

介绍了水果自动分级系统总体设计,并从机器视觉模块和水果图像处理等两方面介绍了系统的视觉模块,最后基于图像处理和PLC控制技术实现了水果自动分级功能。试验结果表明:系统能够对水果进行等级分拣,系统最高精度为98%,具有较高的可靠性、可信性及一定的推广价值。     

大型瓜果品质检测分级技术研究进展

较全面地介绍了目前国内外大型瓜果(甜瓜、西瓜、柚子等)品质检测分级技术的研究现状以及方法,包括声波特性、振动频谱法、电磁技术、机器视觉技术以及光谱技术。同时,提出了大型水果的检测分级技术目前存在的问题,并对未来大型水果品质检测分级技术的发展予以展望。     

机器视觉在农业生产中的应用研究

机器视觉技术因其非破坏性、精度高、速度快等特点,在现代农业生产中得到广泛应用。基于前人研究成果和文献分析,综述了近年来机器视觉技术在农产品质量分级与检测、农田病虫草害控制、农业自动采摘系统、农作物生长过程检测以及农业机械导航等方面的国内外研究进展,并对机器视觉技术在各领域的研究情况进行分析和总结,提出了机器视觉技术在农业生产应用中存在的问题和未来的研究方向。     

基于机器视觉和光谱技术水果分级的研究进展

机器视觉和光谱技术广泛应用于农业机械化领域,对推动农业智能化发展起着至关重要的作用。针对机器视觉在水果分级方面的应用现状,从研究对象的选取、检测分级特性指标以及检测方法的选择、机械装置及生产线开发3方面综述了研究的进展和存在的问题,并预测了相关的发展趋势,为机器视觉技术在农业中的应用提供了参考。     

我国首条水果品质视觉检测分级线问世

浙江大学研制成功了我国首条水果品质机器视觉实时检测与分级生产线，它可以对水果进行分级的工作。该条拥有自主知识产权的生产线适用于柑橘、胡柚、苹果、西红柿和土豆等多种水果及农产品的检测和分级，生产率为每小时3～6t。     

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。     

水果自动检测分级设备的研究现状和展望

通过比较我国现有水果分级设备采用的机械式、光电式和基于机器视觉技术的设备工作原理和应用现状，分析了未来水果检测分级设备的发展方向和研究重点。结果表明，机械式分级设备在短期内仍有一定的发展空间，光电式分级设备未来发展空间不大，而应用机器视觉技术为主的分级设备是未来的发展方向，下一步应重点研究在线实时检测和多指标综合自动分级问题。     

水果机器视觉自动分选机同步控制系统设计

基于RS485总线和CAN总线混合网络,采用模块化结构,设计了水果机器视觉自动分选机同步控制系统,实现了水果流动态位置的实时检测、水果流等转角动态序列图像的自动采集、已定级水果动态位置的连续跟踪、水果等级信息与其实时位置的动态配准,以及水果在不同等级卸料出口的自动分级卸料.试验表明,该系统能可靠完成水果机器视觉自动分选机的同步协调控制,并具有良好的工作可靠性、同步准确性、配置灵活性和可扩展性.     

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...     

牛肉自动分级技术研究进展分析

概述了目前世界上主要的牛肉分级标准，着重论述了机器视觉和图像处理技术在牛肉自动分级系统中的研究现状和进展，提出了现行的牛肉自动分级技术和方法面临的主要问题以及未来的发展方向。     

鸡蛋自动检测分级与包装装置的设计

设计了一种基于机器视觉系统的鸡蛋外部品质检测分级以及包装设备。本装置首先保证了鸡蛋平稳的输送,实现了对鸡蛋的动态实时检测和图像的采集;然后通过机器视觉检测系统进行鸡蛋的图像处理分析,判断出鸡蛋外部是否有裂纹和脏斑,并将判断指令传输给分级执行装置,从而将破损蛋剔除,完成鸡蛋的初步分级。同时,包装装置满足了各等级鸡蛋的装盘,实现了鸡蛋的自动包装。     

基于计算机视觉的水果直径检测方法的研究

利用机器视觉对水果进行自动分级是国内研究热点.在水果分级中,按直径大小对水果进行分类是自动分级技术的一个关键部分,然而目前通过图像对水果直径检测存在着精度与计算量之间的突出矛盾.针对这一问题,本文介绍了一种水果边界快速提取的方法,并在此基础上提出了一种新的水果直径检测的快速算法:该方法通过对水果图像进行分割,并计算各个区域内水果的最大半径,进而计算出水果的最大直径.通过实验表明,与传统方法相比较,该算法能够在较小的计算量下得到较高的计算精度,可应用于工业实际生产中.     

基于机器视觉棉叶螨自动监测与分级方法研究

为实现棉叶螨自动监测与分级,研究了受叶螨危害棉叶的颜色统计特征,对不同等级螨害棉叶进行比较,利用颜色特征的均值和方差,自动监测棉花是否发生螨害,最后对棉花叶螨危害程度进行自动分级。结果表明:采用机器视觉技术对棉叶螨进行自动监测分级能够取得较好的效果。     

水果机器视觉质量综合分选机的设计

为满足水果外观品质和质量综合分选的实际需要,设计了一种集机器视觉与质量检测为一体的水果自动分选机.该分选机主要由机械系统、称重模块、同步控制系统和图像处理系统组成.为此,介绍了各部分的结构及工作原理,给出了水果同步检测过程的实现方法.通过这种综合设计,该分选机能实时检测水果的大小、质量、颜色、表面缺陷状况和果形等品质,并能根据预定标准综合评定水果的等级,对水果进行自动分级.     

水果品质检测中的模糊阈值分割方法

为实现利用机器视觉技术进行水果检测分级，对水果检测图像的分割进行了研究。依据模糊集合理论，提出了先验知识引导的自适应模糊阈值分割算法，实验表明该方法应用效果较好。     

基于机器视觉的蒜头最大横切面直径分级方法

针对中国蒜头分选率和分选精度较低而影响其商品价值等现状,设计了一套基于机器视觉技术的大蒜蒜头分选系统,以蒜头最大横切面直径作为分级标准,利用VC6.0编程实现上述分级模型的算法。试验选择3 2 0个金乡蒜头样本对其进行测试,该装置对蒜头总体筛选精度达到9 0.9 3 7 5%。试验结果表明:利用机器视觉技术可以对大蒜蒜头进行分级。     

基于机器视觉的干制红枣大小分级方法研究

为了实现干制红枣的大小自动分级,介绍了应用机器视觉的干制红枣自动分级方法,利用CCD摄像机获取红枣的样本图像,应用MATLAB软件编程实现了样本图像的灰度化、二值化、图像分割、图像滤波、图像形态学处理、边缘检测和特征量提取等处理,参照干制红枣分级标准完成了红枣自动分级。通过实验数据回归分析得出红枣实测纵径、果质量与识别值当量值之间的数学检测模型,其决定系数分别达0.995 5和0.948 1。实验表明,采用句法模式识别对数据进行红枣大小分级,分级准确率达85%。