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     

机器视觉技术在农产品检测中的应用研究

机器视觉技术在农产品检测领域得到了广泛的应用,并随着相关技术的不断成熟和发展,机器视觉在农产品检测领域中的应用必将对传统检测模式产生巨大影响。本文分析了机器视觉技术在农产品检测中的应用现状,提出了应用中出现的问题,并为未来的研究方向进行了初步的探讨。     

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％。     

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     

基于近红外光谱和机器视觉融合技术的板栗缺陷检测

为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法。试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型。试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%;对测试集板栗的识别率为86.25%、83.75%和90.00%。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。     

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。     

机器视觉系统在桔瓣质量检测中的应用

开发了一套罐装线实时在线质量检测视觉系统,用于装罐前桔瓣上头发等细长形杂质检测,以保证产品质量。硬件系统采用了6台彩色CCD摄像头,两台计算机的处理结构。软件系统依据杂质和背景在颜色分布及形状大小等特征上的差异进行分离,其核心是一种用于二值图像特征区域提取的新型连通算子—面积重构算子,利用该算子平滑图像时不破坏对象轮廓完整的优点,结合改进的区域生长、区域消减等算法,形成了一套完整的检测算法。试验显示系统处理能力约30片/s,错误率仅2%。该系统能满足实时生产准确性和在线处理的要求,为其实用化、商品化奠定了基础。     

机器视觉技术在农业生产自动化中的应用

机器视觉技术在农业生产自动化中的应用研究发展非常迅速,为了能充分利用国外的最新研究成果,促进我国在该领域的研究和应用,文章分动植物生长情况监测和农业生产机器人两个方面综述了国外的研究进展,以供我国研究人员参考。     

机器视觉技术在农产品品质自动识别中的应用研究进展

该文分水果果梗识别、果形识别、内部品质检测和硬件设备开发等4个方面综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,并指出了目前尚需解决的难点问题,以供我国研究人员做同类研究时参考。     

机器视觉技术在农作物种子质量检验中的应用研究进展

我国农作物种子资源丰富,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,利用机器视觉技术进行种子质量检验评价成为可能。该文概述了农作物种子的特性及其对质量检验技术的要求,介绍了机器视觉技术的基本理论和发展现状,从算法、硬件、研究进展几个方面综述了机器视觉技术在农作物种子质量检验中的应用,认为用机器视觉代替人的视觉进行农作物种子质量检验前景广阔。