基于计算机视觉的纽荷尔脐橙图像形状识别方法研究

计算机视觉是以计算机和图像获取部分为工具，无需接触特定对象便可从获取的图像中得到大量的信息，通过对这些信息的分析得到物体尺寸、表面缺陷、外观形状、表面色度等具体信息，进而实现外观质量的综合评价。水果的外形是分级的重要特征。目前国际上普遍采用柑橘的基于计算机视觉形状特征选取方法为对其进行圆度算法检测，取得了较好的实用效果，但是纽荷尔脐橙的外形并不是一个圆球形，而是一个椭球形，越是椭球形越是好品质的纽荷尔脐橙，在图像上反应为一个二维椭圆。所以笔者认为用圆度算法检测纽荷尔脐橙并不合适。本文根据椭圆弦长的比值相对固定提出了弦长比法，并运用SOM神经网络对纽荷尔脐橙进行分级，取得了一定的效果。     

脐橙外部品质计算机视觉检测技术初步研究

根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。采用中值滤波和线性低通滤波技术对原始脐橙图像进行平滑、去噪,在对脐橙图像像素点颜色信息统计的基础上,通过设置蓝色分量、色调、饱和度的阈值,从图像中快速准确的分割出果实图像;确定果实横径、果形、表面缺陷率、色泽与着色率为脐橙外部品质分级的特征参数;通过BP神经网络建立了特征参数与脐橙等级之间的关系模型,试验结果表明,其预测准确率达到85％。     

基于机器视觉的沙糖橘果皮破裂和缺陷检测

在对果皮质量进行检测分级时，破裂果、机械损伤和硬疤是沙糖橘表面常见的主要缺陷。传统的自动检测系统通常不能准确地识别这些表面缺陷。为了解决这一问题，设计了一种硬件和软件相结合的计算机视觉检测分类系统。该系统采用单CCD和LED环形光源，通过计算机协作，利用计算机视觉系统提取沙糖橘果皮的正面图像，构建了有效的图像采集方法、预处理方法、颜色模型和分割方法，采用傅里叶变换、高频滤波、形态学(方案)和分类树等方法对沙糖橘的表面缺陷进行研究，并为实际的自动化应用找到更准确和更合适的方法。结果表明，该方法的可靠性和稳定性优于传统的单一形态学的识别方法。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法(分割阈值T1=60)去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w(邻域窗口大小w=13),通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法(分割阈值T=194)直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

基于机器视觉的脐橙品质在线分级检测系统

针对脐橙自动分级检测中存在正确识别率偏低、实时性不强的问题,提出一种综合特征提取方法:在对图像颜色模型进行转换后,用H分量图像提取脐橙的大小特征;S分量图像通过背景分割、边缘灰度补偿、整体亮度变换后提取脐橙的果面缺陷特征;采用R、G、R-G3个分量的均值和标准差提取脐橙的颜色特征。以脐橙的大小特征、果面缺陷特征和颜色特征为支持向量机(Support vector machine,SVM)的试验输入向量,进行脐橙分级检测试验,以实现提高脐橙自动分级正确识别率和增强实时。试验结果表明:该SVM分类器对脐橙分级的正确识别率为91.5%,处理时间为160ms,适合于实时环境下的分级检测。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法（分割阈值T₁=60）去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w（邻域窗口大小w=13）,通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法（分割阈值T=194）直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

基于PLC 的脐橙分拣及装箱自动系统设计

脐橙的大小对其味道有重要影响,但人工分拣的方式存在随意性大、客观性不强等缺陷,为此设计了一种脐橙自动分拣及装箱系统,采用传感器对传送带上的脐橙进行大小判断后进入不同的通道的方法,达到了良好的分拣效果.并通过PLC对整个脐橙的供料、检测分级、纸箱供应、装箱等过程实现了自动控制,通过测试该系统降低了劳动强度、提高了效率,且排除了人工因素,产品质量得到了更好保证,为脐橙产业经济的发展提供了技术支持.     

计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术识别水果表面缺陷，提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征，实现了缺陷与果梗、花萼的区分。试验结果表明，该方法检测速度快，正确率高，能够满足计算机视觉进行在线检测的要求。     

基于FPGA和分水岭算法的甜瓜图像分割

准确从背景中分割出瓜体以及从瓜体表面分割出缺陷是甜瓜外观品质分级计算机视觉系统的重要任务。采用分水岭算法可以一次完成这2项工作。针对软件实现的分水岭算法在图像分割过程中实时性较差的缺点,采用了并行分水岭算法,并在FPGA平台实现该算法。试验表明,基于硬件的算法实现具有较好的实时性,提高了甜瓜图像的分割速度。     

一种基于混合纹理特征的木板材表面缺陷检测方法

利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。     

基于掩模及亮度校正算法的脐橙表面缺陷分割

【目的】 本研究旨在有效解决果皮有缺陷的水果图像在去除背景时部分缺陷被误分割为背景,以及水果表面缺陷难以有效分割提取的问题。【方法】 以I分量图来构建掩模模板,根据其灰度直方图信息,通过双峰法选择单一阈值（T=75）分以纽荷尔脐橙为研究对象,提出基于HSI颜色空间模型法去除背景割背景并填充孔洞得到掩模模板I_mask,然后掩模模板I_mask与I分量图通过点乘运算得到去除背景的I分量图;提出基于多尺度高斯函数图像亮度校正算法对去除背景后的I分量图像进行亮度校正,通过构建多尺度高斯函数滤波器,将去除背景后的I分量图与构建的多尺度高斯函数进行卷积运算即得到去除背景后的I分量图像表面光照分量图,最后将去除背景后的I分量图与得到的光照分量图进行点除运算即得到去除背景后的I分量图像亮度校正图;然后采用单一全局阈值法对脐橙表面缺陷进行提取。【结果】 基于HSI颜色空间模型法去除背景,可在有效去除背景的同时完好保留脐橙的表面信息,有利于后续操作;基于多尺度高斯函数的图像亮度校正算法分别对6种常见脐橙缺陷进行图像亮度校正后采用单阈值法提取缺陷,使不同灰度等级的脐橙表面缺陷一次性分割成功,其中分割率最高为100%,最低为88.5%,整体达92.7%。通过试验分析后发现造成部分误分割或漏分割的原因主要在于部分缺陷果缺陷处颜色较轻,与正常区域灰度差较小,从而造成漏分割;还有部分缺陷果由于缺陷面积小,在图像形态学处理过程被误认为是噪声而被去除;同时发现正常果的误判率也达到了10.8%,经分析发现误判的正常果表皮组织区域的褶皱位于图像的边缘区域,从而被误认为是边缘区域的缺陷,导致误判。【结论】 基于HSI颜色空间模型法去除背景及基于多尺度高斯函数的图像亮度不均校正算法对纽荷尔脐橙图像背景分割和去除背景后的I分量图像表面亮度校正均取得了较好的效果,能有效识别脐橙缺陷区域,为脐橙精确分级提供了技术支持,也为其他果品表面缺陷快速检测提供了一种新思路。     

脐橙表面农药残留的计算机视觉检测方法研究

经不同种类农药处理后,采集脐橙激光散射图像,通过对表面是否喷洒农药,以及表面喷洒不同种类农药的水果图像进行处理,用一元非线性方程拟合脐橙图像灰度值分布曲线。结果表明,脐橙图像灰度值在10~100范围内的灰度曲线拟合模型与农药残留是密切相关的,能用于区分脐橙表面是否存在农药残留。     

基于小波变换与Otsu阈值去噪的脐橙识别方法

【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。     

基于机器视觉的脐橙可食率的研究

脐橙的可食率可通过脐橙的重量和体积估测得到,在此基础上提出了一种脐橙可食率的估测方法。首先通过机器视觉技术获取脐橙2个方向的截面积,再以这2个截面积和脐橙重量为输入变量的神经网络估计脐橙的可食率。试验结果表明,该方法在估计脐橙的可食率方面取得了较好的效果。     

有机液肥施用对纽荷尔脐橙幼树生长及其养分吸收的影响

【目的】研究动植物源有机液肥单施或与化肥配施对纽荷尔脐橙幼树生长及养分吸收的影响,以期为丘陵山地脐橙园液态有机肥灌溉施用技术标准的研制及其推广应用提供技术支撑。【方法】进行大田试验,以2年生纽荷尔脐橙幼苗为试材,以（100%化肥氮）为对照（CK）,设T1（100%动物源氮）、T2（100%植物源氮）、T3（50%动物源氮+50%化肥氮）和T4（50%植物源氮+50%化肥氮）处理,测定不同处理纽荷尔脐橙树体生长及养分吸收等指标,并进行主成分分析。【结果】与CK相比,动植物源有机液肥单施或与化肥配施（T1~T4处理）整体上均能促进纽荷尔脐橙幼树生物量积累。T4处理纽荷尔脐橙幼树接穗茎、砧木茎、根系干重和整株干重均高于其他处理,其中较CK分别显著增加62.42%、40.14%、42.08%和47.21%（P<0.05,下同）。在对纽荷尔脐橙幼树生长量影响方面,T1~T4处理主要影响幼树基径和春梢叶片叶绿素相对含量（SPAD值）;与CK相比,T1~T4处理均显著促进基径增大,增幅最高可达29.17%（T4处理）;除T2处理外,其他3个处理均显著促进春梢叶片SPAD值增加,其中T4处理作用最明显,增幅为9.19%。除T3处理外,其他3个处理均促进脐橙幼树春梢长和比叶重显著增加,其中T2处理作用最显著,较CK分别增加36.67%和12.10%。此外,T4处理显著促进幼树根总长和根总表面积的增加,但显著降低根平均直径,降幅为18.42%。T1~T4处理均在不同程度上影响脐橙幼树不同器官对氮磷钾元素的吸收。主成分分析结果表明,各施肥处理对脐橙幼树树体生长及其养分吸收综合评价得分排序为T4>T1>T3>T2>CK。【结论】动植物源有机液肥单施或与化肥配施均可促进纽荷尔脐橙幼树干物质量增加和树体生长,以50%植物源有机液肥+50%化肥（T4处理）对脐橙幼树生长及养分吸收效果最佳,可在赣南脐橙幼龄园液态有机肥灌溉施用系统中推广应用。     

应用MSAP技术对脐橙品种进行DNA甲基化分析

 应用甲基化敏感扩增多态性（MSAP）技术对24个脐橙品种胞嘧啶甲基化模式和程度进行评估。结果表明，脐橙基因组的CCGG序列中检测到4.7%～15.0%的DNA发生甲基化；18对扩增引物有10对显示有多态性，总共得到639条带，其中43条带为甲基化多态性带，平均甲基化多态性（P）比率达6.7%。结果显示DNA甲基化在脐橙中发生频繁，且品种之间的甲基化模式存在较大差异，脐橙CCGG序列中胞嘧啶甲基化外部（15.0%）多于内部（4.7%）。本文首次运用MSAP技术对脐橙品种进行胞嘧啶甲基化分析表明，使用MSAP检测脐橙品种多态性非常有效。