芒果双面成熟度在线检测分级系统

芒果属于后熟水果,芒果成熟度分级可为芒果后熟、加工、包装、运输等工作提供便利条件。针对芒果形状不规则,难以对整个外观进行检测的问题,该文提出了一种基于迁移学习的芒果双面成熟度在线检测分级系统。通过上、下层输送带将芒果运输到图像采集区域,分别获取正、反面图像;2层输送带之间利用柔性翻面机构实现芒果无损翻面,通过压缩试验及ANSYS软件建模分析芒果承受挤压力范围。合并正、反2张图像并进行预处理,将数据以8:1.5:1.5的比例拆分为训练集、验证集、测试集,并用迁移学习方法在卷积神经网络模型进行芒果成熟度分级。使用卷积神经网络模型对芒果成熟度分级平均准确率达到96.72%,系统测定单个样品的平均耗时为0.16s,研究结果为芒果成熟度在线分级提供参考。     

苹果、桃等农副产品品质检测与分级图像处理系统的研究

通过建立图像数据采集与分析系统及相关的农副产品图像数据库,实现对农副产品品质（表面颜色、形状、缺陷）的准确分级。使用该系统,对１００个富士苹果进行质量分级,检测优等果准确率达到９６％。对其它农副产品也可以通过建立其样本图像数据库,进行多种信息的综合分析与判断,实现对不同农产品品质的检测与分级。     

基于区域亮度矫正的番茄成熟度定量分级方法

针对现有番茄成熟度分级标准不统一,泛化性有待提高等问题,该研究提出一种基于区域亮度矫正的果面红色着色区域提取的方法。采用R-G法增强番茄表面的红色区域,利用Otsu分割方法提取表面着色区域,判断各着色区域的轮廓树结构以计算着色区域面积占图像总面积的比例作为主要特征,构建多因子融合的随机森林模型以实现番茄成熟度的量化分级。同时,利用基于局部亮度均衡的图像快速修复方法以解决光照变化导致的番茄表面高亮度反射问题。结果表明：以番茄表面着色面积比成熟度评价指标的分级平均正确率为92.96%,相比传统颜色矩和颜色直方图作为评价指标时的分级准确率提高了6.53和20.6个百分点。高亮区域领域像素加权替代法可对番茄高亮区域亮度实现有效矫正,矫正后的未熟、半熟和成熟番茄图像的果面着色区域面积占番茄图像总面积的比例较矫正前提高了0.06、0.15和0.11,分级准确率分别提高了17.24、11.47和4.69个百分点。研究可为番茄成熟度的定量性分级提供决策基础。     

机器视觉技术在黄花梨尺寸和果面缺陷检测中的应用

为提高出口水果品质,对黄花梨进行了机器视觉技术检测外形尺寸与表现状况的试验研究。通过确定图像处理窗口、利用Ｓｏｂｅｌ算子和Ｈｉｌｄｉｔｃｈ细化边缘;确定形心点找出代表果径,试验检测结果表明,预测果径值与实际尺寸的相关系数可达０．９６。对检测果面缺陷,提出利用红（Ｒ）、绿（Ｇ）色彩分量在坏损与非坏损交界处的突变,求出可疑点,再经区域增长定出整个受损面,试验对比表明该算法是精确的     

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。     

未成熟芒果的改进YOLOv2识别方法

在果园场景下,由于光照的多样性、背景的复杂性及芒果与树叶颜色的高度相似性,特别是树叶和枝干对果实遮挡及果实重叠,给未成熟芒果检测带来极大的挑战。本文提出果园场景下未成熟芒果的改进YOLOv2检测方法。设计新的带密集连接的Tiny-yolo网络结构,实现网络多层特征的复用和融合,提高检测精度。为克服遮挡重叠果实检测困难,手工标注遮挡或重叠芒果的前景区域,然后用样本的前景区域训练YOLOv2网络,减小边界框内非前景区域特征的干扰,增强对目标前景区域卷积特征的学习。并以扩增的数据集,采用增大输入尺度和多尺度策略训练网络。最后,对本文方法进行性能评价与对比试验。试验结果表明,该方法在测试集上,芒果目标检测速度达83帧/s,准确率达97.02%,召回率达95.1%。对比Faster RCNN,该方法在杂物遮挡和果实重叠等复杂场景下,检测性能显著提升。     

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%。     

芒果热水处理和人工催熟对其质量的影响

在国际标准中禁止采用芒果催熟措施，而我国近年来仍大量使用芒果催熟措施。模拟试验发现，成熟度为60%～90%的芒果经人工催熟后，在4～8 d内可达到软熟，其可溶性固形物含量、pH值两项指标与成熟度之间有较大差异，其口感与其外观、成熟度之间也有较大差异，而芒果的外观颜色、果肉硬度与其成熟度之间却无明显差异。热水处理芒果可获得均匀一致的果皮与果肉颜色和较高的可溶性固形物与pH值，保持了较高的芒果品质。人工催熟芒果明显降低了芒果品质，而未处理果由于在后熟期间受芒果病虫害的侵蚀，难于达到较高的品质，因此，建议应加强推广芒果采后热水处理技术。     

基于Freeman链码的花生果嘴和果腰图像识别及其DUS性状定量分析

为实现花生荚果果嘴和果腰的自动识别,以及评价图像处理方法量化花生特异性(distinctness)、一致性(uniformity)和稳定性测试(stability)(简称DUS)性状的技术适用性,该文提出了基于Freeman编码的花生果嘴和果腰识别方法以及花生荚果DUS测试性状量化方法。首先提取荚果图像边界轮廓并进行Freeman编码,接着采用近似曲率法和局部曲率最大法确定内拐角点,然后采用位置判断法定位果嘴和果腰位置,最后对荚果缢缩程度、果嘴明显程度和荚果长度3个DUS性状进行量化。对600个花生样本的测试结果表明,该文提出的方法对果嘴和果腰的识别正确率分别为93.1%和95.5%,较其他角点检测算法在时间和准确率方面都有很大优势。同时能够有效地对相关DUS性状(荚果缢缩程度、果嘴明显程度和荚果长度)进行量化,对荚果缢缩程度和果嘴明显程度的分级准确率分别为92.4%和91.7%。图像处理具有高效、客观、低成本采集和量化花生荚果外观形状的能力,为花生外观性状的自动采集和测量提供了研究基础和依据。     

漂白胶天然保鲜剂对芒果保鲜效果的研究

采用不同浓度的漂白胶、竹叶提取物、黄连(根)、厚朴(皮)等天然物质对芒果进行保鲜试验，在室温(25～28℃)条件下贮藏21d后，对各处理样品和对照的失重率、发病指数、转色指数及品质指标进行了测定，确定了漂白胶、竹叶提取物、厚朴(皮)分别为降低芒果失重率、抑制芒果发病、延缓芒果后熟转色的主要影响因素，3种有效成分的较适宜浓度分别为漂白胶6％、竹叶提取物3％、厚朴(皮)3％。     

基于图像处理的胡萝卜青头须根与开裂的检测方法

为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法.须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过R分量上二值化得到,开裂检测算法使用S分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度3个量化标准,对试验随机采集的520个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了97.5%,81.8%,92.3%,总体识别率91.3%.该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义.     

苹果外部缺陷全表面在线检测分选装置研发

中国是水果消费大国,但在水果产后检测装备方面相对滞后。针对目前在线装置无法采集苹果全表面图像信息且无法精确计算缺陷面积的问题,该研究以表面缺陷面积的快速检测为主要目标,提出苹果全表面图像合成算法,设计了一套苹果外部品质在线检测及分级装置。该研究以苹果为例,基于球模型提出苹果全表面图像合成算法、缺陷面积校正算法精确计算苹果的表面缺陷面积。通过试验验证,对苹果表面图像进行分割合成后,整体的图像的漏检率为0。提出缺陷面积校正算法,可以计算图像中位于任意位置的苹果缺陷真实面积,选取了120个样本进行验证,其中擦伤样本、碰伤样本、痘斑病样本、表面腐败样本各30个。擦伤样本缺陷面积预测值与真实值的决定系数R2为0.9787,标准误差RMSE（Root Mean Squared Error）为3.577 4 mm2,偏角试验中R2为0.975 8,RMSE为3.466 3 mm2。碰伤样本缺陷面积预测值与真实值的R2为0.973 0,RMSE为3.981 9 mm2,偏角试验中R2为0.974 2,RMSE为4.062 4 mm2。痘斑病样本缺陷面积预测值与真实值的R2为0.970 8,RMSE为3.836 6 mm2,偏角试验中R2为0.977 9,RMSE为3.895 3 mm2;表面腐败样本缺陷面积预测值与真实值的R2为0.9812,RMSE为3.178 1 mm2,偏角试验中R2为0.974 8,RMSE为6.304 4 mm2。在整个试验过程中,R2总体上高于0.97,RMSE小于6.304 4 mm2。装置检测苹果的速度为2个/s,评级准确率为95%,检测与苹果评级精度较高,工作较为稳定,实现了苹果外部缺陷的检测与分级评价,为苹果的外部品质检测提供了技术支撑。     

基于机器视觉图像特征参数的马铃薯质量和形状分级方法

马铃薯自动分级过程中,存在既要保证分级精度又对分级速度有一定要求的难点问题。该文探讨了利用机器视觉技术快速获取马铃薯图像特征参数,结合多元线性回归方法,建立马铃薯质量和形状分级预测模型,实现基于无损检测的马铃薯自动分级。搭建了同时获取马铃薯三面投影图像的机器视觉系统,通过图像数据处理获得马铃薯俯视图像轮廓面积、两侧面图像轮廓面积、俯视及侧面图像外接矩形长度及宽度数据等图像特征参数,通过多元数据回归分析,建立了马铃薯质量和形状分级预测模型。选择100个试验样本运用该方法进行质量和形状分级模型构建和预测,采用电子称获取样本实际质量,采用目测法对马铃薯进行形状分选。对比试验结果表明,质量分级相关度系数R为0.991,形状分级分辨率为86.7%。表明该方法对马铃薯质量和形状分级进行预测具有可行性,可运用于马铃薯自动分选系统中。     

土壤施镁对芒果产量与品质的影响

田间试验研究了常规施肥基础上花前增施镁肥对芒果果实产量、品质及经济效益的影响。试验设3个处理,空白对照、常规施肥和增施Mg肥。结果表明:与常规施肥相比,增施Mg肥处理芒果单株产量可达24.12 kg/株,折合产量12.06 t/hm~2,增产9.7%;果实营养品质得到提升,可溶性固形物含量提高9.6%,可滴定酸降低14.6%,固酸比提高28.1%;净收入较常规施肥处理高5 429元/hm~2,提高21.2%。土壤增施镁肥是提升芒果产量与品质的有效措施。     

Allelopathic potential and an allelopathic substance in mango leaves

The present study was aimed to determine the allelopathic potential of mango (Mangifera indica L.) leaves and to identify allelopathic substances in the leaves. The aqueous methanol extracts of mango leaves inhibited seedling growth of garden cress, radish, rapeseed, foxtail fescue and crabgrass, and the inhibitory effects increased with the increasing extract concentration, suggesting that mango leaves may contain allelopathic substances. The extract was then purified by several chromatographic runs through a bioassay-directed fractionation, and an growth inhibitory substance was isolated and identified by spectral data as methyl-3,4,5-trihydroxybenzoate (methyl gallate). Methyl gallate at the concentration of 10 mM inhibited 98.6% and 99.8% of root and shoot growth of garden cress relative to the control, respectively, and 94.4% and 49.3% of those of foxtail fescue, respectively. The concentrations of methyl gallate required for 50% growth inhibition (I₅₀) on garden cress roots and shoots were 3.9 and 3.3 mM, and those on foxtail fescue roots and shoots were 1.5 and 9.5 mM, respectively. It is the first report of an allelopathic substance in mango leaves and allelopathic activity of methyl gallate. Therefore, the mango leaves may have potential as a soil additive material for the weed management options.     

不同治理措施对坡地芒果园水土流失的治理效果

[目的]针对四川省攀枝花市坡地芒果园水土流失严重的现状,筛选适宜坡地果园的水土流失治理措施.[方法]通过工程措施(D1和D2处理)和生物措施对坡地果园水土流失治理成效的野外试验比较研究,评价不同治理措施对芒果园地表径流、产沙量、径流液中养分含量和果园地表土壤养分的影响.[结果]两年试验期芒果园林下行间种植紫花苜蓿处理(...     

果皮和果肉比例对真空冷冻干燥重组芒果脆块品质的影响

芒果皮富含膳食纤维、类胡萝卜素等生物活性化合物,但在食品工业中尚未被充分利用。为了实现芒果资源的全利用,本研究制备了含不同比例果皮和果肉的真空冷冻干燥重组芒果脆块,并考察了脆块的玻璃化转变温度(T_g)、质构、微观结构、类胡萝卜素含量等品质,综合分析了果皮和果肉比例对脆块理化、质构、营养和感官品质的影响。结果表明,添加芒果皮后脆块的硬度提高了2.65%～24.07%。当果皮含量超过20%时,脆度呈下降趋势,下降了1.91%～73.49%。此外,添加芒果皮后脆块的总酚、类胡萝卜素和膳食纤维含量分别增加了60.96%～336.75%、11.17%～112.48%和28.61%～166.36%。感官评价结果表明,芒果皮添加比例为40%以内的脆块综合品质得分均较高。综合考虑,添加20%芒果皮既可显著提高脆块的营养功能特性,改善质构稳定性,又具有较佳的综合感官品质。本研究结果表明,基于质构重组和真空冷冻干燥技术制备复合脆块是实现芒果皮资源利用的一种可行方法,这为生产中芒果皮的利用和添加量的选择提供了理论依据。     

基于计算机视觉的番茄损伤自动检测与分类研究

为了提高番茄损伤检测与分类的准确率和效率，综合运用计算机视觉技术、BP算法、人工神经网络技术，实现番茄损伤的自动检测与分类。首先，通过计算机视觉系统获取番茄图像，利用图像处理去除噪声、图像分割、图像增强等多种基本图像处理的方法对番茄损伤图像进行了处理，综合运用并行和串行区域分割技术进行番茄表面缺陷区域检测。其次，对番茄图像进行了特征分析，通过提取三种特征包括8个特征参数，采用改进的BP算法训练的多层前向人工神经网络对番茄的损伤进行分类。该文中缺陷检测方法和特征提取方法的采用，使该计算机视觉系统节省了时间，提高了精度。试验证明番茄损伤检测和分类的准确率不低于90%。