柑橘硬度品质检测研究

为研究柑橘在输运过程中着地后的硬度变化,设计了柑橘从不同高度落下,采用FHM-1型水果硬度计检测柑橘着地后的硬度以及放置时间所对应的硬度;得到了柑橘从不同高度下落后的硬度关系曲线和柑橘放置的天数与硬度的关系图,为后续检测柑橘品质奠定基础。     

基于软X射线成像技术的柑橘内部浮皮和枯水检测

针对传统方法无法高效、无损地对柑橘浮皮和枯水进行检测的问题，本研究自制了一套软X射线成像系统，包括载物传送装置、软X射线成像装置、触发装置和软X射线防护装置。本研究根据宽皮柑橘物理特性确定检测参数，以柑橘图像的清晰度、对比度、畸变率为评判标准，通过调节成像装置参数，确定了最佳的成像参数为：X射线源的管电压60 kV，管电流1.3 mA，线阵探测器的积分时间5.5 ms，柑橘输送带的传送速度10 cm/s。通过圆孔金属板对列方向畸变进行检测，结果表明，传送速度稳定，列方向畸变可以忽略；利用70 mm不锈钢标定球对行方向上的畸变进行检测，计算了行方向上不同位置的投影畸变系数，并建立了畸变校正模型。在上述参数下采集柑橘的软X射线图像，采用高斯滤波对柑橘图像进行去噪处理；利用图像增强算法对去噪后的图像进行对比度增强处理；将固定阈值分割法和形态学算法融合，以去除柑橘图像背景区域、分离柑橘果肉区域和果皮区域。最后通过面积百分比法计算柑橘果肉面积和柑橘果实面积比判别柑橘内部浮皮程度；提取柑橘果实区域的灰度特征，获取柑橘枯水区域，计算柑橘枯水面积和柑橘果肉面积比，判别柑橘枯水程度。以清江椪柑为实验对象，结果表明自制软X射线成像装置对清江椪柑的浮皮和枯水的总体识别率分别为96.2%和86.9%。说明本研究提出的方法能够实现柑橘内部浮皮和枯水的无损检测。     

自然环境下绿色柑橘视觉检测技术研究

绿色柑橘具有与背景相似的颜色特征,自然环境下绿色柑橘的视觉检测比较困难。提出基于深度学习技术,利用Faster RCNN方法进行树上绿色柑橘的视觉检测研究。首先配置深度学习的试验环境,同时设计了绿色柑橘图像采集试验,建立了柑橘图像样本集,通过试验对批处理大小、学习速率和动量等超参数进行调优,确定合适的学习速率为0.01、批处理为128、动量系数为0.9,使用确定的超参数对模型进行了训练,最终训练模型在测试集上的平均精度(MAP)为85.49%。通过设计自然环境下不同光照条件、图像中不同尺寸柑橘、不同个数柑橘的Faster RCNN方法与Otsu分割法的柑橘检测对比试验,并定义F值作为对比评价指标,分析2种方法的检测结果,试验结果表明:Faster RCNN方法与Otsu方法在不同光照条件下检测绿色柑橘的F值分别为77.45%和59.53%;不同个数柑橘果实检测结果的F值分别为82.58%和60.34%,不同尺寸柑橘检测结果的F值分别为73.53%和49.44%,表明所提方法对自然环境下绿色柑橘有较好的检测效果,为果园自动化生产和机器人采摘的视觉检测提供了技术支持。     

柑橘成熟度多重分形无损检测

为无损检测柑橘成熟度,将柑橘主要色调分布范围30°～ 120°进行了等分,形成3幅色调图,分析每幅色调图标度不变域及多重分形谱,以多重分形谱高度和宽度表征柑橘果皮色泽特征,并以此作为BP神经网络的输入,可溶性总固形物含量为输出,建立柑橘成熟度模型,映射柑橘成熟度.试验的平均正确识别率为82％,表明通过柑橘果皮色调的多重分形谱能无损检测柑橘成熟度.     

桃子冲击力学特性及其与桃子硬度的数学模型

桃子成熟度不同，其冲击力学性质不同。从３ｃｍ高度自由下落至金属平板上，获得桃子恢复系数ｒ、能量吸收百分率Ｅ和冲击力时间特性参数ｆｐ／ｔｐ，它们与桃子硬度Ｈ间均有极显著相关。建立了这三参数与桃子硬度间的数学模型，分别为１／ｒ＝ａ＋ｂ／Ｈ，Ｅ＝ａｅ￣（ｂ／Ｈ）和１／（ｆｐ／ｔｐ）＝ａ＋ｂ／Ｈ。试验还表明利用冲击力时间特性参数作为按硬度（成熟度）分级的参数比另二参数更适宜，从高度３ｃｍ下落后桃子损伤极小。本试验结果为设计水果成熟度快速检测仪和自动分级机提供了科学依据。     

米饭质构测定参数优化研究

探讨以BROOKFIELD CT3 4500型质构仪测定米饭质构特性的适宜条件。不同探头的测定稳定性存在一定差异,TA43球形探头对米饭硬度、粘性及弹性测定值的变异系数最小。正交试验结果表明:硬度测定各影响因素顺序为压缩程度压缩速度测试温度放置时间;硬度测定变异系数各影响因素顺序为测试温度压缩程度压缩速度放置时间。以测定稳定性(变异系数)为考察指标,发现粳米和籼米的最适硬度测试条件有差异。     

基于图像处理的柑橘测产方法

利用机器视觉技术可以快速、无损预测柑橘产量.采集了10幅生长中的柑橘果树照片,同时测量了每棵果树的柑橘产量.基于RGB颜色模型,对柑橘图像进行分割,柑橘与背景的分割条件为(R-B>100)且(R>G).通过提取柑橘个数、柑橘总周长、柑橘总面积3个特征参数,分析了特征参数和柑橘单株产量之间的关系.实验证明,经过图像分析后得出的柑橘数与柑橘单株产量之间的相关系数最高,达到0.97,说明了利用图像分析方法预测柑橘产量具有良好的应用前景.     

欠驱动式柑橘采摘末端执行器设计与试验

为实现柑橘采摘的机械化、智能化,设计了一款欠驱动式柑橘采摘末端执行器。该执行器通过三指充分抓握与偏转的融合控制,实现对不同大小及椭圆度的柑橘的稳定采摘。针对不同尺寸柑橘采摘需求,设计了双连杆并联式手指,在抓握直径差异较大的柑橘时,手指能够自动进行抓取或捏取动作,并实现被动柔顺。通过静力学分析,得到抓取力与电机输出力矩间的关系。针对不同椭圆度柑橘采摘需求,为手指根部添加旋转关节。在建立电机驱动控制系统模型的基础上,提出基于电流反馈的主动柔顺控制策略,指根能够旋转合适的角度使指面与柑橘表面紧密贴合,在防止手指棱边刮伤柑橘表皮的同时,增大接触面积、提高摩擦力。仿真结果表明,该末端执行器结构在运动学方面满足设计要求。制作物理样机并在实验室环境下进行了柑橘抓取试验,试验结果表明采摘执行器针对直径30~100mm的柑橘抓取成功率为98.3%,平均耗时5.3s。该末端执行器能够针对不同尺寸、不同形状的柑橘实现采摘功能,具有适应性强、抓取稳定、不损伤果实等优点。     

联合SAM与VGG16的树上柑橘检测方法

为了实现对自然环境下树上柑橘的识别和检测,解决柑橘图像数据采集不便、图像质量差、数量少的问题,为柑橘的机械采摘工作提供一种视觉方案,本文提出了一种联合SAM(Segment Anything Model)与VGG16模型的检测方法。SAM具有良好的泛化能力,在图像分割效果上也达到了柑橘任务的应用要求。图像经过SAM分割后输入到VGG16网络模型中进行分类,而后将分类结果连同位置信息返回到原图上显示出来,实现柑橘目标检测。本文方法旨在进一步解决自然环境下树上柑橘任务需要大量数据集、模型训练时间长、目标分割困难、目标错检等问题。实验结果表明,该方法在模型不经大量训练的情况下能够准确识别在自然环境下的树上柑橘及柑橘小目标,有效节省了数据集制作和模型训练的时间。     

柑橘分级检测中翻转机构的力学分析

提出了一种能实现准球形柑橘五向摄像时的快速翻转机构，使柑橘能以合适的位置和姿态呈现在摄像机的视场内。对柑橘的翻转过程进行了运动分析，给出了动力学解释；推导出柑橘在翻转过程中打滑情况下，转角相对误差变化率公式，保证计算机视觉系统能检测到柑橘的全部表面。     

基于X-ray和RGB图像融合的实蝇侵染柑橘无损检测

实蝇侵染柑橘流入市场会造成巨大的经济损失,因此需要在商品化处理阶段对其全面筛除。针对柑橘在实蝇侵染早期没有明显外部特征,人工抽样检测效率低、筛除难的问题,探索了在生产线上同时搭载农业X光机与RGB相机进行无损检测的可行性,提出了基于X-ray(X光)和RGB图像的多模态数据融合方法,建立了CNN-LSTM检测模型,实现了实蝇侵染柑橘高精度无损检测。模拟了柑橘在生产线上滚动并被拍摄6幅X-ray和RGB序列图像的过程,构建了实蝇侵染柑橘的多源数据集,融合了不同模态的实蝇侵染特征信息,提升了实蝇侵染柑橘检测模型的检测能力,并对比了ResNet18-LSTM、GoogleNet-LSTM、SqueezeNet-LSTM、MobileNetV2-LSTM轻量化检测模型,验证了多模态数据融合方法的有效性。研究结果表明,提出的多模态数据融合实蝇侵染柑橘方法比单模态检测方法检测性能更加优异,其中ResNet18-LSTM检测准确率最高,多模态的图像融合和特征融合方法检测准确率分别达到97.3%和95.7%,单模态X-ray和RGB检测方法准确率分别为93.2%和89.3%。本研究可为实蝇侵染柑橘在线...     

基于机器视觉的柑橘果形测控系统设计

针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、Hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明：视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%～3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。     

柑橘皮的基本特性及沼气化处理可行性研究

为考察柑橘皮沼气化处理的可行性,文章首先对柑橘皮的特征成分进行检测分析;其次,在中温条件下,对柑橘皮进行厌氧发酵产气特性试验研究。理化性质检测结果显示,柑橘皮中的挥发性物质(VS)约占干物质(TS)95.25%,理论上讲,柑橘皮是适合厌氧生物法处理的;厌氧发酵试验结果表明:柑橘皮的厌氧发酵产沼气潜力比较高,即单位原料质量产沼气量达1.05 m3·kg-1TS;从产气成分看,甲烷含量最高可达69.50%。从该研究综合分析,柑橘皮适宜厌氧发酵生物处理。     

基于改进YOLOV3的自然环境下绿色柑橘的识别算法*

为研究自然环境下柑橘的图像识别技术,实现柑橘的早期产量预测,提出一种改进的D-YOLOV3算法,实现自然环境下未成熟的绿色柑橘的识别与检测。研究构建绿色柑橘图像数据集,并对采集的图像进行预处理;改进算法采用DenseNet的密集连接机制替换YOLOV3网络中的特征提取网络Darknet53中的后三个下采样层,加强特征的传播,实现特征的复用。通过自制的数据集对D-YOLOV3算法进行测试,并分别对改进前后网络的识别性能、不同预处理方法和不同数据量图像对模型的影响进行试验。试验结果表明,改进的D-YOLOV3算法相对于传统YOLOV3算法精确率提高6.57%,召回率提高2.75%,F₁分数提高4.41%,交并比提高6.13%,平均单张检测时间为0.28 s。通过不同果实数量图像对比试验验证了算法的可行性和准确性。研究结果表明,本文提出的D-YOLOV3算法对自然环境下未成熟的绿色柑橘识别具有较高的精准度,为柑橘的早期测产提供了技术支持。     

基于改进YOLO v3网络的夜间环境柑橘识别方法

为研究夜间环境下采摘机器人的视觉检测技术，实现采摘机器人的夜间作业，提出了一种多尺度卷积神经网络Des-YOLO v3算法，可实现夜间复杂环境下成熟柑橘的识别与检测。借鉴残差网络和密集连接网络，设计了Des-YOLO v3网络结构，实现了网络多层特征的复用和融合，加强了小目标和重叠遮挡果实识别的鲁棒性，显著提高了果实检测精度。柑橘识别试验结果表明， Des-YOLO v3网络的精确率达97.67%、召回率为97.46%、F1值为0.976，分别比YOLO v3网络高6.26个百分点、6.36个百分点和0.063。同时，经过训练的模型在测试集下的平均精度(mAP)为90.75%、检测速度达53f/s，高于YOLO v3_DarkNet53网络的平均精度88.48%，mAP比YOLO v3_DarkNet53网络提高了2.27个百分点，检测速度比YOLO v3_DarkNet53网络提高了11f/s。研究结果表明，本文提出的Des-YOLO v3网络对野外夜间复杂环境下成熟柑橘的识别具有更强的鲁棒性和更高的检测精度，为柑橘采摘机器人的视觉识别提供了技术支持。     

巡检机器人获取柑橘树上果实完整表面信息方法研究

为监控柑橘的生长情况，提出了一种通过巡检机器人获取单个柑橘果实完整表面信息的方法。使用LabelMe为标记工具，采用类圆形和类长方形分别对柑橘果实和分段枝干进行标记，再使用Mask R-CNN模型对其进行训练与识别，可从Kinect V2相机拍摄的含有深度信息的图像中提取出柑橘果实及分段枝干的三维信息。根据柑橘果实生长情况及发生病虫害情况，〖JP2〗对柑橘果实表面进行区域化划分，并采取积分制描述其表面信息获取率。通过机械臂末端连接的CCD相机对柑橘果实进行表面信息获取，提出了获取柑橘完整表面信息的3种机械臂拍摄方案。搭建了巡检机器人实验平台，在机器人操作系统(Robot operating system，ROS)下进行了仿真，提出实验室环境下柑橘表面信息的获取流程，并在实验室环境下对巡检机器人获取柑橘完整表面信息进行了实验验证。实验结果表明，柑橘果实的横纵径比越接近1，拍摄所获取的柑橘外表面信息越完整，当采用3个拍摄位姿的拍摄方案时，在保证获取柑橘表面完整率的同时可以获得较高的避障成功率和工作效率，柑橘表面信息获取率可达94.21%，〖JP3〗机械臂平均运动时间为86.57s。本研究为农业巡检机器人获取柑橘表面情况、监控柑橘生长及病虫害信息提供了方法。     

手持式柑橘除梢机的设计与试验

针对目前柑橘人工除梢劳动强度大、效率低及反复性大等问题,通过分析柑橘新梢物理特性和生长环境,设计了一种手持式柑橘除梢机;阐述了该除梢机结构及工作原理,并对锯片和无刷电机等关键部件及切割线速度等工作参数进行了设计与试验。试验结果表明:该除梢机的除梢成功率为93.8%,除梢后留茬长度理想率为88.4%;该机最大工作高度达3.1m,整机能连续工作12h以上。     

基于三温模型的盆栽柑橘蒸腾规律研究

为深入探究柑橘树冠层空间蒸腾特性及与茎干液流的对应关系,采用五点测温法,使用热成像仪拍摄柑橘树冠层五个方位的红外图像获取冠层温度及参考冠层温度,利用三温模型,将模型估算叶片蒸腾速率与实测茎流速率进行比较,并研究了柑橘树冠层不同方位的蒸腾变化规律.结果表明:柑橘树茎流速率与冠层叶片蒸腾速率日间变化曲线存在差异,决定系数(R2)为0.14,整体上,不同方位冠层温度与气温的日变化规律相近,柑橘树不同方位平均蒸腾速率大小分别为:东面>西面>北面>南面>顶面.上述结果表明:①柑橘树冠层蒸腾与茎干液流之间存在时滞效应,三温模型估算的叶片蒸腾速率不能实时反映树干液流的变化特征.②气温越高时,不同方位的冠层温度差异越显著.③柑橘树冠层空间蒸腾具有明显的空间差异性,揭示了柑橘树冠层蒸腾速率的空间变化规律.     

SMS和双向特征融合的自然背景柑橘黄龙病检测技术

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接（Shearing mixed splicing,SMS）增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。     

柑橘叶面病害监测颜色空间改进算法研究

柑橘叶面病害是影响柑橘产量和质量的重要因素,如何对柑橘叶面进行病害识别是后期病害检测的一个关键步骤。为了提高柑橘在各种病害环境下病斑图像识别的准确率,提出了一种针对柑橘病害监测的HSV颜色直方图空间的图像检索改进算法。此算法用颜色空间来展现柑橘病害所导致的颜色变动,根据柑橘叶面病变产生的异常颜色信息,结合传统直方图图像检索方法,对柑橘叶面图像颜色进行非均匀量化处理,且将非均匀化量化处理后的归一化颜色矩阵作为因子来进行图像检索。使用者可以经过使用这种形式来检测柑橘叶面图像,及早发现病害。与传统的方案相比,此算法在柑橘叶面病害监测方面的检索查准率和查全率均有显著提高,从而验证了本文算法的有效性。