基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法（分割阈值T₁=60）去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w（邻域窗口大小w=13）,通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法（分割阈值T=194）直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法(分割阈值T1=60)去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w(邻域窗口大小w=13),通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法(分割阈值T=194)直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

基于机器视觉的脐橙品质在线分级检测系统

针对脐橙自动分级检测中存在正确识别率偏低、实时性不强的问题,提出一种综合特征提取方法:在对图像颜色模型进行转换后,用H分量图像提取脐橙的大小特征;S分量图像通过背景分割、边缘灰度补偿、整体亮度变换后提取脐橙的果面缺陷特征;采用R、G、R-G3个分量的均值和标准差提取脐橙的颜色特征。以脐橙的大小特征、果面缺陷特征和颜色特征为支持向量机(Support vector machine,SVM)的试验输入向量,进行脐橙分级检测试验,以实现提高脐橙自动分级正确识别率和增强实时。试验结果表明:该SVM分类器对脐橙分级的正确识别率为91.5%,处理时间为160ms,适合于实时环境下的分级检测。     

红枣表面缺陷快速检测方法研究

红枣表面缺陷快速检测是实现其自动分级的关键技术之一。针对红枣表面曲率变化致使其表面灰度分布很不均匀和缺陷区域很不明显的特点,提出了一种亮度快速校正算法。首先使用单色CCD、滤光片和近红外光源获得红枣近红外图像;其次对原始图像进行去背景操作,获得红枣区域灰度图像;然后使用均值滤波器对去背景后的图像进行滤波获得亮度图像,并使用该亮度图像对去背景后的红枣图像进行亮度校正;最后对亮度校正后的图像进行缺陷分割。试验结果表明,该方法能显著提高自动分级系统的实时性,且该缺陷检测方法的准确率可达95%。     

一种面向农业无人机影像分割的尺度参数自动确定方法

【目的】自动提取影像中作物种植区域信息,对于推动无人机高分辨率影像在精准农业中的应用具有重要意义。本研究针对分割评价函数中加权局部方差法（weighted local variance,WLV）的缺陷,面向农业无人机影像高精度自动分割的需求,提出改进方法并基于不同作物田间试验数据进行对比验证。【方法】针对WLV没有充分考虑分割对象内部同质性的问题,本研究在WLV的基础上增加对象间同质性的计算,提出了改进加权局部方差法（improved weighted local variance,IWLV）。设计玉米氮肥试验和小麦水肥试验,获取不同作物不同时期及长势下的无人机影像。基于获取的无人机影像,设置不同情景,分别耦合主流分割算法与WLV、IWLV法开展影像分割,将它们的分割结果与人机交互分割结果进行对比,并基于单尺度对象精度（single-scale object accuracy,SOA）法进行评价。【结果】基于WLV法选择的最优分割尺度往往偏大,分割影像时会存在欠分割现象,而基于IWLV法选择的分割尺度进行分割的结果与人机交互分割结果更为接近。对于所有设定的分割情景,IWLV法获得了更高的SOA值。【结论】与WLV法相比,本研究提出的IWLV法可以更准确实现无人机影像分割中尺度参数的自动确定。     

基于小波变换与Otsu阈值去噪的脐橙识别方法

【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。     

基于图像分割和深度学习的人造板表面缺陷检测

【目的】针对板式家具零件表面缺陷人工检测过程存在的检测效率低、准确率低、检测结果无法数字化存储等问题,提出了一种基于图像分割和深度学习算法的饰面人造板表面缺陷的检测方法。【方法】利用工业相机采集人造板图像,构建缺陷数据集,采用全局阈值和局部动态阈值算法分割表面缺陷与图像截取,通过将ReLU6非线性激活函数替代ReLU函数,并引入倒残差结构的方法,优化MobileNetv 2深度学习网络,进行缺陷识别与分类。【结果】该方法对饰面人造板表面崩边和划痕缺陷的检测精确率分别达到了93.1%和97.5%,召回率分别为95.3%和97.6%,单张板件平均检测用时为163 ms。【结论】本研究提出的方法具有较高精度与稳定性,可解决传统人工检测方法的准确率低、效率低等问题,为家具板材表面缺陷的自动化检测提供新思路。图6表3参21     

基于K-means与KNN的多特征苹果在线分级

【目的】准确获取红富士苹果的分级指标，为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法，预处理实验所需的苹果图像；使用K-means聚类算法、OTSU最大类间方差法，将苹果灰度图转换为二值图；利用二值图与苹果原图的异或运算，提取苹果轮廓；采用苹果的二值图计算苹果的果实区域大小；使用颜色空间转换RGB-HSV中H通道划分果实红色区域；通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积；构建最小外接矩形计算苹果的果径及果形；利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法，在优于传统图像阈值分割效果的基础上，特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。     

柑橘表面缺陷图像快速准确分割方法

柑橘表面缺陷会严重影响水果的品质和食用安全,柑橘表面缺陷进行检测对于提高水果品质、提升水果价值有着重要意义。LBF(local binary fitting)是一种基于Chan-Vese(CV)模型的局部化的图像分割模型。由于传统的LBF模型存在对于初始轮廓线的位置要求高且抗噪能力差,对于灰度不均匀图像分割效果欠佳的问题,通过在原LBF模型基础上,添加一个核函数(高斯函数)和线性水平集的方法,对LBF模型进行了改进。针对柑橘表面常见缺陷(虫伤、腐烂、炭疽、药伤)的图像分割问题,采用改进的LBF模型进行试验,来验证改进后的LBF模型对柑橘表面四种常见缺陷能否进行有效的分割提取。通过对虫伤果、腐烂果、炭疽果、药伤果四组样本分别进行分组试验,结果表明:改进后的LBF模型对于虫伤果、腐烂果、炭疽果、药伤果的表面缺陷能够进行快速的识别,分割效果好并能得到与缺陷图像相对应的水平集演化图像。具有迭代次数少、分割时间短、对初始轮廓位置不敏感、分割轮廓线更加光滑和完整、缺陷边界识别准确等优点,有效地解决了传统LBF模型的不足。试验验证了改进后的LBF模型适用于四种柑橘表面缺陷的分割提取,具有可行性、快速性和准确性,为柑橘表面缺陷的识别与柑橘在线检测提供参考。     

基于机器视觉的柑橘表面缺陷检测

针对柑橘人工分类强度高、效率低、精度差的问题,为实现快而准确的柑橘缺陷检测,提出一种基于机器视觉技术的缺陷检测方法。在VS2013环境下利用开源计算机视觉库OpenCV进行开发,根据柑橘的颜色与形状特点,将图像颜色模型由RGB转换为HSV,利用HSV图像进行背景去除后,在HSV颜色模型下利用V分量灰度图边缘检测与形态学处理的方法以提取柑橘表面的缺陷特征。结果表明,柑橘表面缺陷检测的总体识别率为92%,所用方法能有效地识别柑橘表面的缺陷。     

有机液肥施用对纽荷尔脐橙幼树生长及其养分吸收的影响

【目的】研究动植物源有机液肥单施或与化肥配施对纽荷尔脐橙幼树生长及养分吸收的影响,以期为丘陵山地脐橙园液态有机肥灌溉施用技术标准的研制及其推广应用提供技术支撑。【方法】进行大田试验,以2年生纽荷尔脐橙幼苗为试材,以（100%化肥氮）为对照（CK）,设T1（100%动物源氮）、T2（100%植物源氮）、T3（50%动物源氮+50%化肥氮）和T4（50%植物源氮+50%化肥氮）处理,测定不同处理纽荷尔脐橙树体生长及养分吸收等指标,并进行主成分分析。【结果】与CK相比,动植物源有机液肥单施或与化肥配施（T1~T4处理）整体上均能促进纽荷尔脐橙幼树生物量积累。T4处理纽荷尔脐橙幼树接穗茎、砧木茎、根系干重和整株干重均高于其他处理,其中较CK分别显著增加62.42%、40.14%、42.08%和47.21%（P<0.05,下同）。在对纽荷尔脐橙幼树生长量影响方面,T1~T4处理主要影响幼树基径和春梢叶片叶绿素相对含量（SPAD值）;与CK相比,T1~T4处理均显著促进基径增大,增幅最高可达29.17%（T4处理）;除T2处理外,其他3个处理均显著促进春梢叶片SPAD值增加,其中T4处理作用最明显,增幅为9.19%。除T3处理外,其他3个处理均促进脐橙幼树春梢长和比叶重显著增加,其中T2处理作用最显著,较CK分别增加36.67%和12.10%。此外,T4处理显著促进幼树根总长和根总表面积的增加,但显著降低根平均直径,降幅为18.42%。T1~T4处理均在不同程度上影响脐橙幼树不同器官对氮磷钾元素的吸收。主成分分析结果表明,各施肥处理对脐橙幼树树体生长及其养分吸收综合评价得分排序为T4>T1>T3>T2>CK。【结论】动植物源有机液肥单施或与化肥配施均可促进纽荷尔脐橙幼树干物质量增加和树体生长,以50%植物源有机液肥+50%化肥（T4处理）对脐橙幼树生长及养分吸收效果最佳,可在赣南脐橙幼龄园液态有机肥灌溉施用系统中推广应用。     

纽荷尔脐橙果实套袋品质分析

【目的】探讨果实套袋技术对纽荷尔脐橙果实外观质量和内在品质的影响,为贵州南亚热带低热河谷地区纽荷尔脐橙无公害栽培提供参考依据。【方法】以纽荷尔脐橙果实为材料,分别采用黄色单层纸袋和内层黑色双层纸袋进行套袋,对套袋果实的主要品质指标进行分析。【结果】纽荷尔脐橙果实套袋后,能促进果实生长发育,明显改善果实外观;果形指数与未套袋果实无显著差异;套袋后果实可溶性固形物、总糖、维生素C和酸含量均有所下降,除酸含量外,内层黑色双层纸袋与未套袋处理之间均存在极显著差异。【结论】纽荷尔脐橙进行套袋后能促进果实生长发育,改善果实外观品质,减少病虫为害,增加果品商品价值,减少投入成本,且黄色单层纸袋套袋效果优于内层黑色双层纸袋。因此,在贵州南亚热带低热河谷地区生产纽荷尔脐橙时,宜采用黄色单层纸袋进行果实套袋。     

施钾水平对纽荷尔脐橙养分、产量和品质的影响

【目的】通过不同施钾水平对纽荷尔脐橙树体养分吸收、产量和品质的影响研究,提出纽荷尔脐橙适宜施钾量,为纽荷尔脐橙钾肥的科学合理施用提供理论依据。【方法】以7年生枳（壳）砧纽荷尔脐橙为试材,设置0（K0）、0.38（K1）、0.64（K2）、0.89（K3）、1.28（K4）和1.40 kg/株K₂O（K5）6个施钾水平,研究施钾水平对树体枝梢干物质积累量、枝叶和果实养分吸收、果实产量和品质、土壤理化性质与环境的影响。【结果】不同施钾水平处理后,各时期叶片和枝条干物质量变化趋势相似,均表现为随着施钾量的增加呈先增加后降低的趋势。不同时期的枝叶干物质量均表现为春梢大于秋梢,叶片干物质量大于枝条。春梢的氮、磷、钾吸收量均随施钾量的增加呈显著增加趋势,其中以K2处理的吸收量最大。秋梢的氮、磷、钾吸收量变化趋势与春梢相似,但K5处理的氮、磷、钾吸收量低于K0。各处理间的果实氮、磷、钾含量差异均不显著;果实氮带走量以K3处理为最高,磷、钾养分带走量以K2处理为最高,果实带走的养分量大小顺序为氮≈钾>磷。果实产量和单果重均随着施钾量的增加呈先增加后降低的趋势,但差异不显著,K2处理产量最高,且较K0产量提高了约81%。果实果面着色以K3处理的最好,呈橙红色;随施钾量的增加,果皮厚度呈先变薄后增厚的趋势,以K2处理为最薄;维生素C含量呈先增后降的趋势,以K3处理为最高;可溶性糖含量以K3处理最高,可滴定酸含量以K1处理最低。土壤有机质和碱解氮含量随施钾量的增加呈先增后降的趋势,分别以K1和K3处理最高;土壤有效磷含量基本呈先降后增再降的趋势,以K4处理最高;土壤速效钾含量随施钾量的增加整体呈增加趋势,以K4处理最高,且速效钾大部分分布于表层土（0—20 cm）,但有向深层土（60—80 cm）积累的趋势。相关性分析表明,春梢叶片钾含量与果实带走氮、钾含量以及果实硬度呈极显著正相关关系,秋梢（枝、叶）钾含量均与产量、可溶性固形物含量呈极显著正相关关系,秋梢枝条钾含量与果皮厚度呈显著负相关关系,土壤速效钾含量与果实带走氮、钾含量以及果实硬度呈极显著负相关关系。【结论】纽荷尔脐橙钾肥（以K₂O计）推荐用量为每年0.64—0.89 kg/株,既可保证树体较高的产量和优良的品质,又有利于树体对养分的吸收利用,并且能维持土壤肥力在中上水平,同时降低土壤钾素积累和污染风险。     

喷施叶面肥对塔罗科血橙果实色泽的影响

[目的]研究在塔罗科血橙转色期喷施不同浓度叶面肥对果实色泽的影响,为栽培过程中改善果实色泽提供参考.[方法]采用正交试验设计L9(34)在植株转色期间喷施叶面肥(钾肥+钙肥+硼肥+锌肥),定期测定果实色泽的变化,对叶面肥主要因子与果实色泽主要指标进行分析比较.[结果]硼肥对果实色泽影响作用最大,其次是锌肥,钙肥作用最小;硼肥对色泽a/b值、亮度、色饱和度的影响达到极显著水平.色泽a/b值随硼肥浓度增加呈先降后增趋势,亮度、色饱和度随硼肥浓度增加呈先升后降趋势;锌肥对色泽a/b值的影响达到极显著水平,色泽a/b值随锌肥浓度增加呈下降趋势.[结论]在塔罗科血橙转色期,硼肥、锌肥对果实色泽的改善作用大于钾肥、钙肥.不同种类和浓度的叶面肥对塔罗科血橙果实色泽的改善作用存在一定差异性.     

野杏家系经济性状及果实营养成分分析

【目的】研究分析野杏家系经济性状及果实营养成分,为优良野杏家系筛选及综合开发利用提供理论依据。【方法】选取宁夏、甘肃种源的38个野杏家系为材料,采用变异分析、多重比较、相关性分析以及主成分分析等方法,研究其经济性状及果实营养成分。【结果】产果量的变异系数最大,为0.78;VC含量的Shannon指数最大,为2.02,果实营养成分的Shannon指数高于经济性状,野杏家系的经济性状及营养成分变异程度高、多样性丰富。营养成分与果实性状间存在较强的相关性,其中单果质量与果实三径呈极显著正相关。主成分分析累计贡献率达78.786%,能代表性状的主要信息。【结论】102、119、201号等6个优良家系,其中102和119号家系果肉鲜食口感好、营养价值高,201号家系产果量最大,可作为丰产类型。     

脐橙表面农药残留的计算机视觉检测方法研究

经不同种类农药处理后,采集脐橙激光散射图像,通过对表面是否喷洒农药,以及表面喷洒不同种类农药的水果图像进行处理,用一元非线性方程拟合脐橙图像灰度值分布曲线。结果表明,脐橙图像灰度值在10~100范围内的灰度曲线拟合模型与农药残留是密切相关的,能用于区分脐橙表面是否存在农药残留。     

脐橙外部品质计算机视觉检测技术初步研究

根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。采用中值滤波和线性低通滤波技术对原始脐橙图像进行平滑、去噪,在对脐橙图像像素点颜色信息统计的基础上,通过设置蓝色分量、色调、饱和度的阈值,从图像中快速准确的分割出果实图像;确定果实横径、果形、表面缺陷率、色泽与着色率为脐橙外部品质分级的特征参数;通过BP神经网络建立了特征参数与脐橙等级之间的关系模型,试验结果表明,其预测准确率达到85％。