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。     

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。     

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。     

基于机器视觉的田间杂草识别技术研究进展

田间杂草识别技术是实现变量喷洒除草剂以保护环境的关键所在。针对国内外在精细农业的杂草识别领域,全面、系统地分析了基于机器视觉的田间杂草识别技术的研究进展与应用状况,以促进该项技术在中国的应用和发展。分别阐述了利用植物和背景形状特征、纹理特征、颜色特征和多光谱特征识别田间杂草技术的理论依据、特征参数、研究状况和问题所在,并指出了实现田间实时识别的难点。     

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。     

农产品品质检测中的计算机视觉及神经网络技术发展与动态

随着计算机技术的飞速发展,计算机视觉及人工神经网络等交叉学科的研究与应用已扩展到农业工程领域中,并在许多方面取得了重大开拓性成果。文中概括介绍了这两项高新技术在农产品品质自动检测与分级中的应用状况及发展动态,并通过分析指出了当前尚须解决的问题。     

农产品品质检测中的计算机视觉及神经网络技术发展与动态

随着计算机技术的飞速发展,计算机视觉及人工神经网络等交叉学科的研究与应用已扩展到农业工程领域中,并在许多方面取得了重大开拓性成果。文中概括介绍了这两项高新技术在农产品品质自动检测与分级中的应用状况及发展动态,并通过分析指出了当前尚须解决的问题。     

机器视觉技术在玉米生产管理中的应用现状与展望

机器视觉技术具有实时性,高精度和对不利环境的适应性,可用于玉米生产各环节,提高生产管理效率.通过文献查阅与梳理分析,总结了机器视觉技术在玉米种子管理、品质管理、病虫害管理、田间管理等领域的研究现状,并指出玉米产业应用机器视觉技术的瓶颈在于机器视觉系统研发困难、种植业主应用积极性不高、技术推广人员严重不足等问题,提出了加强协作开发,降低成本;提高田间信息化管理水平,扩大生产规模;加大科普及技术服务力度等建议.     

基于机器视觉技术的淡水鱼品种识别

为了后续加工便利,需要对打捞上来的淡水鱼进行分类,而且分类是淡水鱼加工前处理的重要工序之一。为了实现淡水鱼的自动分类,该研究通过收集常见的4种淡水鱼240条为试验样本,分别为鲢鱼、鲫鱼、鳊鱼和鲤鱼。通过运用机器视觉技术采集各种淡水鱼的图像,并运用数字图像处理技术对图像进行处理,提取其各个颜色分量及长短轴之比等特征值,最后运用该特征值建立有关淡水鱼的品种识别模型。研究表明,通过该识别模型可以完全实现对鲢鱼、鲫鱼、鳊鱼和鲤鱼这4种淡水鱼的品种的识别,准确率达到96.67%。机器视觉技术可以快速准确对常见的淡水鱼进行品种识别,具有较强的实际应用价值。     

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。针对目前在线检测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。4种表面损伤面积的预测值和真实值的决定系数R2均在0.97以上,均方根误差（Root Mean Squared Error, RMSE）在4 mm2以下。在偏角试验中,4种表面损伤面积的预测值和真实值的决定系数R2均在0.974 2以上, RMSE在6.304 4 mm2以下。装置检测苹果的速度为2个/s,评级准确率为95%。研究结果表明,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,可为苹果的外部品质检测提供技术支撑。     

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。     

基于机器视觉的板栗分级检测方法

为实现合格和缺陷板栗的分级,研究了1种基于BP神经网络与板栗图像特征的板栗分级方法。试验以罗田板栗为研究对象,提取的颜色及纹理等8个特征值,通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利用BP神经网络方法建立了板栗分级模型。试验结果表明,在图像信息主成分因子数为3,中间层节点数为12时,建立的模型最佳,模型训练时的回判率为100%,预测时识别率达到了91.67%。研究结果表明基于机器视觉技术的针对缺陷板栗分级检测方法是可行的。     

近红外图像处理技术在农业工程中的应用

讨论了近红外图像应用原理和发展特点,分析了近红外图像处理技术在国外农业主要方面的应用和研究现状,并针对近红外图像处理技术在农业工程中的进一步应用研究提出了若干重要发展方向,以促进中国在该领域的研究。     

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Zernike矩的马铃薯薯形检测

目前基于机器视觉的马铃薯薯形检测的形状特征单一,相关研究较少,为了进一步探索合适的形状特征参数及检测方法,该文将Zernike矩作为特征参数并利用支持向量机实现了马铃薯薯形的检测分类,准确度较高。首先用截取最佳图像的方法对马铃薯图像进行归一化,使得归一化后的图像具有平移和尺度不变性,然后从归一化的图像中计算具有旋转不变性的Zernike矩参数,通过特征筛选确定分类的19个Zernike特征参数,最后将这些特征输入到支持向量机中,用高斯径向基核函数（RBF）和Sigmoid核函数构建混合核函数,完成马铃薯薯形检测分类,对薯形良好和畸形的检测准确率达93%和100%,能够准确剔除畸形马铃薯并满足实际检测的要求。     

基于优化矩不变特征的鲜切菜在线分级技术

由于矩不变特征具有平移、旋转和缩放不变性,在物体形状识别领域得到了广泛的应用。在鲜切菜分级领域,鲜切菜的尺度是分级的重要指标之一,但是矩不变特征具有尺度不变性,不能区分不同尺度的鲜切菜。几何特征可以很好的描述物体的尺度,但是不具备旋转不变性。因此,本文将矩不变特征的平移、旋转不变性与几何特征优秀的尺度表达能力融合,提出了一种基于优化矩不变特征模型的鲜切菜在线分级方法。首先提取标准鲜切菜的几何特征和矩不变特征,并利用其统计信息建立数学模型,然后提取待分级的鲜切菜的几何特征和矩不变特征,最后计算待分级的鲜切菜特征与标准鲜切菜特征模型的相似度,完成鲜切菜的在线分级。本文以鲜切土豆丁为例,试验结果表明,本文方法能准确地将鲜切菜分级,实时性和鲁棒性高,具有很好的工程应用前景。     

基于知识的视觉导航农业机器人行走路径识别

目前的农业生产方式引起了环境污染、生态恶化等诸多问题,研制具有精确作业能力的视觉导航农业机器人因而被较多关注。针对导航视觉系统采集的农田非结构化自然环境彩色图像,探讨了用于行走路径识别的适宜的彩色特征,并结合农田作业时农业机器人行走路径的特点,运用路径知识启发机制识别出行走路径。与传统的阈值分割算法的对比处理试验表明,此识别算法可以明显地改善路径识别效果。