计算机视觉技术在芒果重量及果面坏损检测中的应用

探讨了应用计算机视觉技术进行芒果重量及果面坏损检测的方法，分析了确定所需图像区域的算法，建立了芒果重量与其投影图像的相互关系。实验证明，这一方法对桂香芒、紫花芒检测的果重分级准确率分别达９６％、９２％，果面坏损分级准确率分别为７６％、８０％。     

便携式双档位柑橘多品质无损检测装置设计与试验

为了解决普通检测装置难以覆盖不同果径（25～95mm）柑橘的检测需求问题，研发了覆盖多果径柑橘的便携式双档位多品质无损检测装置。以砂糖橘（果径25.35～48.61mm）和武鸣沃柑（果径53.24～94.71mm）为研究对象，基于研发的双档位探头，在赤道部位每隔120°采集一次光谱，平均光谱作为该柑橘的原始光谱。经标准正态变量变换（standard normal variable Transformation，SNV）、多元散射校正（multiplicative scatter correction，MSC）预处理，再利用竞争性自适应加权抽样算法（competitive adaptive reweighted sampling, CARS）筛选特征波长，分别建立了沃柑和砂糖橘的可溶性固形物含量（soluble solids content，SSC）和水分的偏最小二乘预测模型。沃柑的SSC和水分预测模型验证集相关系数分别为0.937、0.951，均方根误差分别为0.382%、0.005%；砂糖橘的SSC和水分预测模型验证集相关系数分别为0.921、0.935，均方根误差分别为0.460%、0.007%。为了评估检测装置的准确性和稳定性，使用平均变异系数分析了沃柑和砂糖橘的SSC含量和水分测定结果，并通过预测结果与标准理化值进行残差分析。结果表明，研制的便携式双档位柑橘多品质光谱检测装置对不同果径柑橘内部品质检测稳定性与精度均满足现场实时检测需求。     

用辐热积法模拟温室黄瓜果实生长

为了提高预测温室黄瓜产量的能力，该研究根据温室黄瓜（品种为：戴多星Cucumis sativus cv Deltestar）果实对温度和辐射的响应，建立了以辐热积（Product of thermal effectiveness and PAR,TEP）为尺度的温室黄瓜果实模型，并用独立的试验数据进行了检验。模型对温室黄瓜各节位果实果长、果径和鲜质量的模拟值与实测值的符合度较好，模型对温室黄瓜果长和果径的模拟值与实测值之间的决定系数（R2）分别为0.7325和0.5885；回归标准误差（RMSE）分别为1.64 cm和0.35 cm，而以有效积温（Growing degree days，GDD）为尺度构建的果实生长模型对果长和果径的预测结果与实测值之间的决定系数（R2）分别为0.5768和0.4893；回归标准误差（RMSE）分别为1.83 cm和0.40 cm；本模型对果实鲜质量的模拟结果与实测值之间的回归标准误差（RMSE）和决定系数（R2）分别为25.04 g 和0.6782。而基于有效积温的果实生长模型对果实鲜质量的模拟结果与实测值之间的回归标准误差（RMSE）和决定系数（R2）分别为28.52 g和0.6068。模拟精度提高了12.21%。本研究建立的辐热积模型能较准确地预测温室黄瓜各节位的果实生长，模型的实用性较强，可以为温室黄瓜生产提供理论依据和决策支持。     

基于特征光谱的苹果霉心病无损检测设备设计

针对现有农产品内部品质无损检测多采用宽波段光谱技术，集成应用光谱仪与计算机完成品质分析，存在成本高、能耗大、分析过程复杂以及光谱信息冗余等问题。该文结合苹果霉心病在果心发病的特征，采用透射光谱检测方式，设计实现了基于窄带LED光源与光敏二极管的苹果霉心病无损检测设备。通过霉心病发病特征的分析可得果径和特征光谱波段的透射强度是进行霉心病检测的关键影响因素，设计光谱特性试验，对多组宽波段光谱数据采用相关性分析法得到特征光谱波段为690～730 nm。设计果径与透射光谱信息采集的基础平台，该平台包括LED光源及其驱动模块、光电转换与检测模块以及基于丝杠滑台组件与限位传感器的果径在线测量模块；采用基础平台对样品进行数据获取，以果径与透射光谱强度值为输入，建立基于误差反向传播网络的霉心病判别模型。结果表明，采用该文所述测试试验样本进行验证，设备判别准确率达到95.83%。该研究结果表明，基于特征光谱采用 LED 光源的霉心病无损检测方法是可行的，可为其他果品内部病害的检测提供借鉴思路。     

苹果品质动态无损感知及分级机器手系统

为了实现灵活高效的苹果多品质指标检测分级,基于机器视觉技术及可见/近红外光谱技术,开发了用于苹果内外部品质无损感知及分级的机器手系统。机器手系统采用六轴机械臂搭载自行研发的末端执行器,末端执行器上装载有光学传感器与抓取结构,可以抓取流水线上的苹果并同时采集苹果的光谱进行糖度检测。使用CMOS相机采集苹果图像,训练并使用PP-YOLO深度学习目标检测模型处理采集的苹果图像,计算苹果的坐标位置实现苹果的动态定位,并获取苹果的果径大小、着色度信息实现外部品质检测。采集苹果样本光谱,结合不同的光谱预处理方式,利用偏最小二乘（Partial Least-Square,PLS）方法进行建模分析。试验结果表明,使用PP-YOLO目标检测算法处理图像和计算苹果位置,其识别速度为38帧/s,极大地提高了检测速度。使用归一化光谱比值法（Normalized Spectral Ratio,NSR）作为预处理算法的糖度建模结果较佳。采用NSR+CARS（Competitive Adaptive Reweighted Sampling,竞争性自适应重加权算法）作为机器手的动态光谱模型效果较佳,该动态光谱模型相关系数Rv为0.958 9,验证均方根误差RMSEV（Root Mean Squared Error of Validation）为0.462 7%,与静态下建立的模型相比,机器手在动态状态下采集光谱对所建立的预测模型的预测效果影响较小。对整体机器手系统进行了试验验证,机器手在工作时能够无损伤地抓取苹果,给出果径大小、着色度、糖度3个检测指标并依据指标自动划分等级,然后依据等级信息分级。随后测定了3个指标的实测值与预测值进行分析,果径大小的预测相关系数为0.977 2,均方根误差为1.631 5 mm;着色度的预测相关系数为0.967 4,均方根误差为5.973 4%;糖度的预测相关系数为0.964 3,均方根误差为0.504 8%,预测结果与真实值均具有较强的线性关系和较低的预测误差,机器手系统分级正确率为95%,完成一颗苹果的定位、抓取、检测、分级和放置的时间约为5.2 s,具有较好的工作可靠性,研究结果为苹果多品质指标的高效检测提供参考。     

气象条件对柑桔果实膨大速度的影响

根据2003-2004年柑桔果实膨大观测资料和相应的气象资料,对无灌溉条件下,降水、气温及日照等气象因子对柑桔果实膨大速度的影响进行了分析和研究。结果发现:降水与果径增长量呈显著的正相关;气温与果径增长量也有明显的线性关系,当日平均气温≤30℃时,果径增长量与气温呈显著的正相关;当日平均气温高于30℃时,果径增长量与气温则有负的相关关系;日照的影响分两种情况:当气温、降水都适宜时,果径增长量与日照有正的相关关系;当出现高温干旱等气象灾害时,果径增长量与日照呈显著的负相关。     

考虑分布式电源影响的配电网降损分析

配电网的降损节能始终是电力行业业内人士关注的重要问题之一。该文研究通过分布式电源（distributed generation,DG）的配置实现配电网降损的方法。首先,在不考虑DG接入最大容量限制的前提下,在负荷均匀分布条件下的配电网,以降损效果最明显为原则,确定了配置DG的“2/3原则”。对于负荷非均匀分布条件的配电网,根据“2/3原则”确定DG的初始配置点,然后在满足功率平衡、节点电压、线路传输功率、DG接入容量限制的条件下,以负荷的平均功率因数为基准,以配电网的损耗最小为原则确定DG配置容量和位置。以实际配电网为例,进行计算、分析和比较,结果表明,该文提出的方法在不同负荷情况下降损效果非常明显。利用该文提出的方法,可以有效地实现配电网降损节能的目标,而且在实际配电网中非常容易使用。     

响应面分析法优化家蚕1-脱氧野尻霉素的稀酸浸提工艺

本文以稀HCl从蚕粉中提取1-脱氧野尻霉素（1-deoxynojirimycin,1-DNJ）,通过单因素试验确定提取影响因素的水平,并采用响应面法研究料液比分数、浸提温度和浸提时间对蚕粉1-DNJ提取工艺的影响。其中1-DNJ含量测定采用9-芴基氯甲酸甲酯（FMOC-Cl）衍生化法,并用反相高效液相色谱对其衍生物进行测定。1-DNJ高效液相色谱检测谱图表明,通过液相色谱荧光可以检测蚕粉来源的1-DNJ。响应面优化实验结果表明,1-DNJ的最佳提取条件为：提取时间3.3h,浸提温度72.9℃,料液比分数为1：282。在此条件下,1-DNJ的理论提取率为0.493%,实际提取率为0.487%,相对误差为1.2%。本研究初步建立了稀酸浸提家蚕1-DNJ的二次多项数学模型,确定其最佳提取工艺条件,为工业化生产提供参考。     

用遗传算法训练的人工神经网络识别番茄生理病害果

综合运用计算机视觉技术、遗传算法、人工神经网络技术，实现番茄生理病害果的自动识别。首先，通过计算机视觉系统获取番茄的图像，利用图像的圆度值判别空洞果，利用图像的果径变化特征判别变形果。其次，采用遗传算法训练的人工神经网络进行试验研究。试验表明，该方法能准确识别番茄的形状，满足分级的要求，对番茄生理病害果的识别准确率可以达到100%。     

间歇性与连续性降雨对黄土坡面细沟侵蚀影响的比较

采用室内模拟降雨试验，对比了间歇性降雨与连续性降雨对黄土坡面细沟侵蚀的影响差异，量化了间歇性降雨相对于连续性降雨条件的试验误差，并评估该试验方法在坡面侵蚀模拟中的适宜性。结果表明：（1）低雨强（≤60 mm/h）时，对于间歇性降雨试验，坡面细沟产沙大幅降低，误差达-40.8%，伴随着沟宽、沟深和割裂度等形态指标的减小，误差介于-33%~-45%；产流误差较小，为0.4%。（2）高雨强（≥90 mm/h）时，产流产沙、细沟形态的各项指标误差均不大，为3%~12%，对试验结果影响相对较小。（3）在采用间歇性降雨试验方法时，建议采用高雨强试验条件（≥90 mm/h），才能准确模拟天然降雨的细沟侵蚀过程，且在高雨强时应控制间歇性降雨试验每一阶段的降雨历时，避免累积产沙量的持续快速增长而导致细沟侵蚀剧烈发展，误差进一步增大。由于土壤性质的区别，该试验结果在其他区域的适用性还有待深入研究。研究结果可为坡面细沟侵蚀的过程与机理研究提供技术支撑。     

水果直径和缺陷面积的机器视觉检测

黄花梨是中国的一种重要水果,果径和果面缺陷面积是黄花梨分级的两项关键指标。通过研究黄花梨的分光反射特性,研制了一套适合黄花梨品质检测的机器视觉系统。为了适应实际生产中水果方向的随机性和水果外形的不规则性的要求,使水果尺寸检测的方法有更好的适应性,设计了一种利用水果的最小外接矩形(MER)法求最大横径的方法,并进行了试验验证,得出了表示实际最大横径与预测最大横径的关系的回归方程式,两者的相关系数为0.9962。分析了黄花梨缺陷区域的R、G、B各分量灰度的变化特点,利用R分量灰度和G分量灰度在缺陷区域和完好区域交界处有明显突变这一特点,采用梯度算法求得了可疑缺陷点,然后再用区域生长法,找出了缺陷点像素的最大连通集及所有的缺陷区域;采用像素点变换法,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想,大大降低了缺陷面积计算的误差;另外,还提出了一种新的面积修正方法,即用实际缺陷面积等于经像素点变换后的缺陷面积减去缺陷区域周长的一半加上1个像素点的面积来进行修正,进一步提高了缺陷面积计算的精度,而且该修正方法同样适用于其它图像面积的计算     

基于机器视觉的果肉多类型异物识别方法

该文基于机器视觉技术对果冻、罐头灌装前的多品种、多规格、湿态反光果肉进行多类型异物自动检测。根据果肉与异物的颜色和亮度差异大小,提出了对高饱和度彩色果肉采用基于HSI三分量独立性的彩色图像分割算法,对低饱和度彩色果肉采用以形态学边缘检测算法为核心的异物识别图像处理路线。然后采用图像分区,各区域独立计数判断有无异物的策略。对上述路线和策略,分别给出具体流程和算法,最后编程实现,并通过试验验证。试验结果表明,该方法能够有效地检测出多品种湿态块状果肉上的多类型异物,误检率小于5%,能满足实时生产检测准确性要求。     

基于图像特征融合的苹果在线分级方法

苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求。为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级。同时,采取图像压缩和特征降维方法提高实时性。试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95%,平均分级速率可达到4个/s。研究结果为水果的在线分级提供参考。     

水果品质智能化实时检测分级生产线的研究

一种用于水果动态、实时检测的水果品质智能化实时检测分级生产线,由水果输送翻转系统、计算机视觉识别系统、分级系统组成。水果输送翻转系统的双锥式滚筒水果输送翻转装置,使水果以一定速度向前输送,并使水果绕水平轴自由转动,保证检测系统能检测到水果整个表面,获得足够的水果图像信息。通过计算机视觉系统的视觉智能识别,综合判断每一水果的等级,并确定每个水果的位置信息,由计算机识别系统的控制模块将指令传输给分级系统,完成水果的分级     

弱光复杂背景下基于MSER和HCA的树上绿色柑橘检测

基于图像处理和机器视觉的树上绿色柑橘检测,能为果园管理者施肥、估产及采摘作业提供指导.该文提出一种基于水果表面光照分布的分层轮廓分析(hierarchical Contour Analysis,HCA)算法实现了树上绿色柑橘的检测.彩色数码相机拍摄弱光下由闪光灯补光的树上柑橘场景彩色图像,基于水果表面的光照分布应用最大稳定极值区域(maximally stable extremal region,MSER)算法提取图像中的感兴趣区域,然后建立感兴趣区域周围的分层轮廓图,并利用霍夫变换拟合每一级轮廓获得分层圆形目标,最后进行拟合圆嵌套分析得到绿色柑橘水果目标.所提算法在20张复杂的柑橘果园场景图像中进行了测试,最终的召回率达81.2%,查准率达到83.5%,单幅图像平均处理时间为3.70 s.该文所提出的基于光照分布的分层轮廓分析算法,不仅适用于绿色柑橘的检测,也可为其他树上绿色水果检测提供通用的框架和思路.     

黄花梨果形的机器视觉识别方法研究

黄花梨的果形是分级的重要特征之一。利用机器视觉采集黄花梨图像,研究了不规则果品的形状描述方法,提出在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换对来描述果形,开发了基于人工神经网络的果形识别软件。研究发现该傅立叶描述子的前１６个谐波的变化特性足以代表梨体的主要形状,采用傅立叶描述子与人工神经网络相结合的方法进行果形识别的精确率可达９０％。而且只要有合适的训练对,该方法也可以用来对其它水果进行外形识别     

基于机器视觉的水果尺寸检测误差分析

介绍了当前应用机器视觉进行水果尺寸检测的现状。根据水果成像时水果、摄像机透镜、水果图像三者之间的相互关系，运用几何光学理论分析了尺寸检测中的各种误差及其原因。水果成像时，由于水果表面各点的高度变化，水果图像上各点所代表的实际长度不尽一致，形成标定误差；水果与摄像机透镜光心之间的距离不可能无穷远，成像后，水果图像的边缘点到形心的距离并不能真正代表水果的半径，形成半径误差；水果中心与摄像机光心偏离后，得到的图像存在形状误差。给出了标定误差的计算公式和半径的估算公式。     

机器视觉技术在农产品品质自动识别中的应用(Ⅰ)

随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高,在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力。为了能充分利用国外的最新研究成果,该文分农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别等三个方面棕述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,以供我国研究人员做同类研究时参考。     

苹果内外品质在线无损检测分级系统设计与试验

目前苹果品质检测分级机械存在结构复杂、价格昂贵以及不能兼顾内外品质的缺点。苹果的内部品质和外部品质都是决定苹果价值的关键因素,故该研究根据静态条件下的试验分析,设计了苹果内外品质在线无损检测分级系统。该系统主要由哑铃式滚子、机器视觉外观品质检测系统模块、近红外内部品质检测系统模块、分级模块以及控制系统组成。在机器视觉外部品质检测模块设计中,为了增大苹果有碰伤部位和无碰伤部位之间的对比度,通过采集有碰伤部位和无碰伤部位的反射率光谱,确定在730 nm处两者的反射率差异最大,并以此选用波长为730 nm的红色LED光源作为机器视觉模块的光源。为获得苹果整个表面信息,苹果在向前运动的过程中完成自转,并利用算法将单个苹果3个运动状态下的图像进行提取和合成,随后对图像进行高斯滤波,大津法二值化以及轮廓提取处理,当该苹果判断为有碰伤时,直接发送剔除指令,当判断为无碰伤,对轮廓提取后图像进行圆拟合处理,并利用拟合圆直径得到该苹果的大小。近红外内部品质检测系统模块设计中,对比2种近红外检测结构,并以试验确定了将探头和光源布置在下的设计方式。最终,通过试验验证得到了系统的在线检测性能,系统对于苹果有无碰伤检测总体正确率为94%,大小检测的相关系数为0.964 6,均方根误差为2.28 1 mm,苹果内部可溶性固形物含量所建立模型的校正集相关系数为0.950 8,校正集均方根误差为0.342 6%,预测集相关系数为0.949 2,预测集均方根误差为0.448 7%。单个苹果的检测时间为0.71 s。整机具有体积小、结构简单、成本较低的优点,适用于农户和中小型企业。     

基于近邻法聚类和改进Hough算法的猪胴体背膘厚度检测

为了解决猪胴体背膘厚度在人工测量中准确率、效率低以及存在对样本造成污染的问题,该文基于计算机视觉和图像处理技术提出一种检测背膘厚度的算法。算法主要分成背膘部分检测和测量部位的直线检测。前者通过图像分割、特征点的检测以及漫水填充等方法实现,能准确提取猪胴体背膘部分。后者在图像预处理后,首先通过感兴趣区域(region of interest,ROI)提取猪胴体肋排区域;然后利用设定好的浮动窗口进行全幅图像的扫描,通过平滑后的平均灰度线特征提取肋骨的目标像素点;最后,基于近邻法利用目标像素点间的邻近关系对其进行聚类,找到胴体第6、7根肋骨,并采用基于已知点的Hough变换提取测量直线,将测量部位的直线映射到背膘部分,则可实现对猪胴体背膘厚度准确测量。试验结果表明,在对背膘厚度测量误差小于2 mm时,检测准确率可达92.31%,该文提出的方法能对猪胴体背膘厚度的测量位置进行准确定位和测量。