共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
为了测试利用激光散斑技术区分梨的缺陷与果梗/花萼的可行性,建立了激光散斑图像采集系统,对皇冠梨缺陷(腐烂)部位以及完好部位(花萼/果梗,无缺陷部位)分别进行了激光散斑图像的采集。利用Fujii方法(Fujii’s method)和加权广义差分方法(weighted generalized differences,WGD)对512幅散斑图像进行分析,对得到的Fujii和WGD结果图进行灰度共生矩阵特征提取,分别提取了角二阶矩、熵、惯性矩和相关性相应的均值及标准差,共计16组特征量。利用ROC曲线(receiver operator characteristic curve,ROC)进行特征量选取,结合约登指数测试单一特征量的分类效果,并利用二元logistic回归方法对所选特征量两两组合进行分析,结果显示基于WGD方法得到的角二阶矩均值与相关性标准差相结合在区分缺陷时效果最好,建模和预测准确率均达到了97.5%。试验的结果表明利用激光散斑图像方法对梨缺陷与果梗/花萼进行识别是可行的。 相似文献
3.
应用计算机视觉技术对梨碰压伤的检测 总被引:6,自引:0,他引:6
应用计算机视觉技术对梨的碰压伤进行了检测,提出通过区域标记技术区别多处碰压伤。为提高碰压伤面积的测量精度,根据梨的外形及碰压伤的特征,建立了碰压伤面积测量的数学模型。实验表明,本方法能够准确地检测梨的多处碰压伤,大部分测量相对误差可控制在10%内。 相似文献
4.
5.
6.
基于计算机视觉的番茄催熟与正常熟识别 总被引:4,自引:2,他引:2
国内常有菜农采摘远离成熟期的番茄,采用乙烯利处理进行催熟,为了阻止催熟番茄进入瓜果市场危害食用者的身体健康,给出了催熟番茄识别系统的硬件组成,通过计算机视觉装置获取番茄透射光颜色参数(R、G、B),并将RGB值转换成HIS值,采用遗传算法训练的多层前馈神经网络实现催熟番茄的自动识别。试验结果表明,系统正确识别率为91.7%,为进一步进行番茄催熟与正常熟识别的研究提供参考。 相似文献
7.
8.
图像形态学在苹果自动分级视觉信息处理中果梗判别与边缘检测中的应用 总被引:7,自引:1,他引:7
首先指出果梗判别在苹果自动分级系统中的研究意义,进而列出到目前为止较有代表性的四种判别果梗的方法,每种方法均有其优缺点,在此基础上提出了利用图像形态学可以更好地进行果梗判别,同时还能检测边缘,最后对该算法进行了系统评估,并为提高处理速度进行了的改进。 相似文献
9.
在高架栽培环境下,精准识别草莓果实并分割果梗对提升草莓采摘机器人的作业精度和效率至关重要。该研究在原YOLOv5s模型中引入自注意力机制,提出了一种改进的YOLOv5s模型(ATCSP-YOLOv5s)用于高架草莓的果实识别,并通过YOLOv5s-seg模型实现了果梗的有效分割。试验结果显示,ATCSP-YOLOv5s模型的精确率、召回率和平均精度值分别为97.24%、94.07%、95.59%,较原始网络分别提升了4.96、7.13、4.53个百分点;检测速度为17.3帧/s。此外,YOLOv5s-seg果梗分割模型的精确率、召回率和平均精度值分别为82.74%、82.01%和80.67%。使用ATCSP-YOLOv5s模型和YOLOv5s-seg模型分别对晴天顺光、晴天逆光和阴天条件下的草莓图像进行检测,结果表明,ATCSP-YOLOv5s模型在3种条件下识别草莓果实的平均精度值为95.71%、95.34%、95.56%,较原始网络提升4.48、4.60、4.50个百分点。YOLOv5s-seg模型在3种条件下分割草莓果梗的平均精度值为82.31%、81.53%、82.04%。该研究为草莓采摘机器人的自动化作业提供了理论和技术支持。 相似文献
10.
11.
12.
13.
计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。 相似文献
14.
15.
16.
17.
18.
19.
基于颜色分形的水果计算机视觉分级技术 总被引:40,自引:12,他引:40
通过对不同着色等级的水果分析,以各色度在水果表面分布的分形维数为特征进行分级,该特征值不仅考虑了各色度点的累计特性,而且考虑了色度点空间分布特性,使颜色分级更符合实际情况。将各色度域分形维数作为模式处理,建立了人工神经网络识别模型。学习后的模型分级正确率高,达到95%,能够满足计算机视觉实时分级水果生产线的要求 相似文献