基于纹理和梯度特征的苹果伤痕与果梗/花萼在线识别

为了解决苹果果梗/花萼与伤痕在线识别的问题,利用自行设计的机器视觉检测系统在线采集苹果图像,通过自动分割合成算法将3个不同运动状态下的图像进行合成,使得合成后图像可以包含苹果的整个表面。再利用感兴趣区域提取算法提取出苹果合成图像中的果梗/花萼和伤痕部分。通过分析早期伤痕、中期伤痕和后期伤痕的纹理特征和边缘梯度特征,得出纹理特征适用于早中期伤痕与果梗/花萼的检测,而由于后期伤痕的褐变严重且多已出现凹陷,其纹理特征与果梗/花萼相似,故通过提取后期伤痕和果梗/花萼的边缘梯度特征值用于两者的区分。从SVM的建模结果来看,对于早中期伤痕,模型的总体判别正确率为97%,而后期伤痕的总体判别正确率为96%,并利用所得到的模型设计了用于果梗/花萼与伤痕区分的总体算法。最终通过80个带有不同种类伤痕的样本验证总体算法的正确率为95%,验证试验结果表明该算法可实现对果梗/花萼与伤痕的在线识别。     

基于主动热成像技术的苹果早期机械损伤检测

针对苹果早期机械损伤在普通光学图像中特征不明显,易受表皮颜色、果梗和花萼干扰,很难检测识别的特点,选取红富士苹果作为研究对象,通过主动红外热激励以及降温措施,利用红外热成像技术研究苹果表面机械损伤温度变化情况.结果表明:苹果表面早期机械损伤在热图像中的对比度受周围空气流动影响,苹果的缺陷部位与果梗、花萼的线轮廓温度曲线的波形特征存在明显差异,可以较好地排除苹果果梗和花萼的干扰,达到缺陷检测的目的.     

桃子表面缺陷分水岭分割方法研究

水果表皮缺陷的有效检测是水果自动化无损检测重要的部分,并且表皮缺陷的准确分割是对缺陷果准确分级的前提,也有助于缺陷果的分类识别。然而,通常水果表面具有较大的曲率变化,这种变化的曲率导致水果表面对同一入射光源照度反射的不均,进而影响缺陷区域的准确分割。本研究以平谷大桃为例,提出采用基于形态学梯度重构和内外标记的分水岭算法对水果表面缺陷进行分割。首先,提取R通道图像,采用NIR图像构建掩模模板并对R通道图像去背景;随后,去除背景后的图像进行形态学梯度变化获取梯度图像,并对梯度变化后的图像进行梯度重建以去除水果表面的细小噪声;接着,对重建后的梯度图像进行形态学标记运算获取标记图像;然后,采用标准分水岭算法实现缺陷的准确分割。对正常果、刺伤果、裂果、黑斑果、虫咬伤果、腐烂果和疤伤果7种表皮类型样本共计525幅图像检测结果表明,能够获得96.8%识别率。实验证明,基于形态学梯度重构和标记提取的分水岭算法能够有效用于桃子表面缺陷的分割,并不会受到桃子表面光照不均的影响。     

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％.     

基于类球形亮度变换的水果表面缺陷提取

针对基于机器视觉技术的水果表面缺陷因受到亮度不均影响而提取困难的问题,以阿克苏苹果为研究对象,采用可见-近红外双CCD成像系统,设计了一种无需预先建模的类球形亮度变换方法,对R分量图像进行亮度变换,变换后的图像使整个水果表面正常区域灰度趋于一致,而缺陷区域依然保留为低灰度区,增强了缺陷和正常果皮的对比度,提高了缺陷检测精度.使用共计100个样本评估算法的可行性,其中45个缺陷果的检测精度为93.3％,55个正常果的检测正确率为100％,整体检测精度达到97％.研究结果表明,利用基于类球形亮度变换结合单阈值分割方法提取水果表面缺陷是可行的.     

基于编码点阵结构光的苹果果梗/花萼在线识别

为解决苹果机器视觉自动分级时果梗/花萼识别的难题,提出一种基于位置变化的点阵结构光编码方法,并用于苹果果梗/花萼的在线检测。通过分析投射在物体和参考平面上光斑的成像规律,提出将光斑的位置变化作为编码基元;在二元域中,利用编码基元生成M阵列,将其作为近红外点阵结构光的编码模式;通过分析匹配后的差值矩阵,识别果梗/花萼的位置。在线实验结果表明:该方法可以有效地实现果梗/花萼的在线识别,在满足实时性要求前提下,平均识别正确率可达到93.17%。     

基于实例分割的番茄串视觉定位与采摘姿态估算方法

准确识别定位采摘点，根据果梗方向，确定合适的采摘姿态，是机器人实现高效、无损采摘的关键。由于番茄串的采摘背景复杂，果实颜色、形状各异，果梗姿态多样，叶子藤枝干扰等因素，降低了采摘点识别准确率和采摘成功率。针对这个问题，考虑番茄串生长特性，提出基于实例分割的番茄串视觉定位与采摘姿态估算方法。首先基于YOLACT实例分割算法的实例特征标准化和掩膜评分机制，保证番茄串和果梗感兴趣区域(Region of interest, ROI)、掩膜质量和可靠性，实现果梗粗分割；通过果梗掩膜信息和ROI位置关系匹配可采摘果梗，基于细化算法、膨胀操作和果梗形态特征实现果梗精细分割；再通过果梗深度信息填补法与深度信息融合，精确定位采摘点坐标。然后利用果梗几何特征、八邻域端点检测算法识别果梗关键点预测果梗姿态，并根据果梗姿态确定适合采摘的末端执行器姿态，引导机械臂完成采摘。研究和大量现场试验结果表明，提出的方法在复杂采摘环境中具有较高的定位精度和稳定性，对4个品种的番茄串采摘点平均识别成功率为98.07%,图像分辨率为1 280像素×720像素时算法处理速率达到21 f/s,采摘点图像坐标最大定位误差为3像素...     

基于改进AdaBoost算法的秸秆识别与覆盖率检测技术

针对目前秸秆覆盖率自动识别准确率低的问题,提出了一种秸秆图像畸变校正与Otsu算法阈值分割相结合的图像处理算法,并采用该方法计算田间秸秆覆盖率。首先,通过单目摄像头采集免耕播种机的作业环境信息,采用改进的AdaBoost算法对目前工作环境是否为免耕地进行自动判断;其次,对现场采集的秸秆覆盖图像进行预处理,通过彩色空间距离化、图像增强等方式提高图像中秸秆的可识别特征;然后,建立逆向映射模型并结合最邻近插值的方法解决图像畸变问题;最后,裁剪出用于秸秆识别的图像部分,通过Otsu算法进行阈值分割、计算秸秆覆盖率。通过实验对AdaBoost算法分类与秸秆覆盖率的检测效果进行验证,结果表明,运用AdaBoost算法能有效识别免耕播种机的工作环境,采用本文图像处理算法计算田间秸秆覆盖率,与实际测量误差在5％以内。     

基于机器视觉和信息融合的邻接苹果分割算

提出了利用亮度和颜色的信息融合来分割邻接苹果的方法.首先使用Lab模型对苹果图像进行分割.然后计算分割后每个区域的面积,并判断其是否为邻接苹果区域.接着在邻接区域内计算亮度信息,利用亮度产生的亮斑对邻接苹果进行分割.这样,在邻接区域以外的部分,亮度信息产生的噪声被Lab模型的信息屏蔽,而邻接区域以内的部分,具有惟一性的亮度信息可以较好分割经Lab模型处理后的邻接苹果.实验表明,此算法对邻接苹果识别非常有效,识别率大于92.89%,而且算法简单快速,平均每幅图片识别时间小于0.5 s.     

用计算机图像技术进行苹是坏损自动检测的研究

根据苹果光学反射特性建立了一套适于苹果坏损自动检测的计算机图像系统。鉴于坏损出现位置、大小等因素的不同可预测性,提出了一种葳知识的坏损点单调检测方法以及坏损区域判别方法。试验表明：系统有较高的坏损检出率,且能有效地消除果梗区和花萼区对坏损区域判别的影响;检测方法具有较强的鲁棒性。