水果检测中的边界追踪法

应用计算机视觉进行水果检测时 ,采用边界追踪技术能有效分割背景与样品 .文章根据梨、苹果等水果的外形特征 ,提出了一种改进的边界追踪方法 .该方法的操作图像可以是二值图像或灰度图像 ,图像中的样品被分割成 4个区域 ,为加快处理速度 ,根据水果外形来确定每个区域边界追踪方向的优先权 .对苹果、梨、芒果等水果图像进行了测试 ,结果表明 ,该方法追踪一幅大小为 15 0× 15 0像素的水果图像 ,所需时间不足 1s .     

水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景,研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法,建立了图像中的点与被测物体上的点之间的定量关系;提出了利用物体的边界信息求出物体的形心坐标的新方法。结果是：所测水果最大横径与实际最大横径的相关系数为0.96;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;提出了一种新的面积修正方法,进一步提高了面积检测的精度,从而为研究开发机器视觉水果品质检测系统打下了基础。     

基于蚁群算法的水果图像分割技术

为了解决移动影像终端对水果识别与处理的关键问题,在分析现有水果图像处理方法的基础上,提出了基于蚁群算法的彩色水果图像分割算法,建立了四维向量信息结构的蚂蚁单元描述模式和蚁群图像分割算法的信息操作策略,给出了算法的详细执行步骤。利用Matlab软件进行了图像处理算法的试验分析,结果表明,该方法对水果识别有效、可行,对水果图像分割处理具有一定的借鉴价值。     

基于可见光波段成像的水果品质检测方法研究进展

水果的外观特征是水果品质鉴定和分级的关键依据.近年来,机器视觉技术在水果品质检测领域得到广泛应用.根据应用现状,文章对基于可见光波段成像的机器视觉技术在水果大小形状、颜色、虫害及缺陷检测等方面的应用研究进展进行了综述,并对一些较新的先进算法在该领域的应用情况和发展趋势进行了介绍.     

水果采摘机器人视觉系统的目标提取

在田间对作物的果实图像进行实时、准确地目标识别提取，是采摘机器人视觉系统的关键技术，而目标提取的实质是图像分割。大部分水(蔬)果处于采摘期时，表面颜色与背景颜色存在较大差异。而同一品种果实表面颜色相近，体现为在色彩空间果实表面颜色和背景颜色存在着不同的分布特性。根据这一特性，提出了一种基于色彩空间参照表的适用于水果采摘机器人视觉系统果实目标提取的图像分割算法。该算法先由果实样本图像建立色彩空间参照表，再根据色彩空间参照表采用一种类似于“卷积”的方法进行图像分割。与现有其他方法比较，本方法基于彩色的信息处理，可将背景除去得更干净；对背景不做分割处理、无复杂运算，有利于机器人实时图像处理。采用该算法分别对草莓、橙子、西红柿的图像在L^*n^*6^*，Hsv，YCbCr色彩模型下进行了实验，结果显示该算法在这些色彩模型下均可取得理想的图像分割效果。     

基于表面缺陷识别的猕猴桃分级方法

针对中国猕猴桃分级方法单一、分级成本高等问题,提出了一种基于猕猴桃表面缺陷的分级方法。搭建了一套猕猴桃图像采集系统,运用K-means聚类分割算法对其表面缺陷进行分割,再通过颜色对比判断是否为残次果;随后提取正常果的形状特征并设计了SVM分类器进一步判断其所属等级。该方法具有成本低、算法简单、运行高效等优势,为水果分级打开了新思路,对于促进中国水果分级产业发展、提升国际竞争力有重要意义。     

水果品质无损检测研究进展及应用现状

针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求，水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷，无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景，至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势，但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响，并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数，阐述分析了无损检测技术在水果品质分级行业的实际应用现状，讨论了水果品质无损检测领域尚存在的难点，并对下一步研究方向提出建议。     

近红外光谱分析技术在水果内部品质无损检测中的应用

介绍了近红外光谱分析技术的基本原理与方法,综述了该技术在水果内在成分检测、水果病害及缺陷检测、水果内部品质近红外光谱检测装置等方面的研究,提出了近红外光谱技术在水果内部品质检测中存在的问题,并对其研究前景进行了展望。     

基于LabVIEW Vision的加工番茄表面霉斑缺陷检测

以Lab VIEW编程系统为软件开发平台,结合视觉开发工具包IMAQ Vision,开发了识别加工番茄表面霉斑缺陷的检测系统。该系统采用图像灰度增强、阈值分割、填充、形态学处理、粒子分析等算法对霉斑图像进行处理和分析。试验结果表明,该Lab VIEW机器视觉检测系统可准确检测加工番茄表面霉斑缺陷,且系统性能稳定可靠,为进一步开发加工番茄表面缺陷在线检测系统奠定了基础。     

水果图像的背景分割和边缘检测技术研究

根据区域阈值法分别对所采集的彩色图像的红、绿、蓝三帧图像进行背景分割,发现在B 分量灰度直方图中利用双峰法选择阈值进行背景分割的效果最好;利用多种微分算子提取水果图像的阶跃性边缘,并用Hilditch 细线化方法对已提取边缘的图像进行了细线化处理,获得了较好的边缘提取和细化处理效果;所研究的背景分割和边缘检测技术的处理效果可以满足进一步进行水果的尺寸、果梗、形状和表面缺陷等检测的要求     

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。     

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％。     

Optimised computer vision system for automatic pre-grading of citrus fruit in the field using a mobile platform

The mechanisation and automation of citrus harvesting is considered to be one of the best options to reduce production costs. Computer vision technology has been shown to be a useful tool for fresh fruit and vegetable inspection, and is currently used in post-harvest fruit and vegetable automated grading systems in packing houses. Although computer vision technology has been used in some harvesting robots, it is not commonly utilised in fruit grading during harvesting due to the difficulties involved in adapting it to field conditions. Carrying out fruit inspection before arrival at the packing lines could offer many advantages, such as having an accurate fruit assessment in order to decide among different fruit treatments or savings in the cost of transport and marketing non-commercial fruit. This work presents a computer vision system, mounted on a mobile platform where workers place the harvested fruits, that was specially designed for sorting fruit in the field. Due to the specific field conditions, an efficient and robust lighting system, very low-power image acquisition and processing hardware, and a reduced inspection chamber had to be developed. The equipment is capable of analysing fruit colour and size at a speed of eight fruits per second. The algorithms developed achieved prediction accuracy with an R² coefficient of 0.993 for size estimation and an R² coefficient of 0.918 for the colour index.     

计算机视觉在农业领域的研究探讨

随着国家大力发展智慧农业,计算机视觉技术在农业领域中的应用也得到快速发展,推进着农业生产向高质量、高产量的方向不断发展。本文分析了当前计算机视觉在农业领域中农作物病虫害识别、种子和果实分级检测、农作物生长环境监测和农田土壤特征分析等方面的研究现状,并进一步讨论了计算机视觉和深度学习结在农业领域中和应用,最后对计算机视觉技术在农业领域的研究中存在的问题进行了分析和展望。     

计算机视觉技术在水果品质检测中的研究进展

水果的品质检测是水果分级的重要依据。随着计算机和图像处理技术的发展、计算机硬件成本的下降和性能的提升,计算机视觉检测技术在水果品质检测方面获得了越来越多的应用。为了能充分利用最新研究成果,该文从计算机视觉技术在水果外观品质和内部品质的检测两个方面,分别综述了国内外的研究进展,并对其发展方向进行了展望,以供我国研究人员做同类研究时参考。     

Detection and counting of immature green citrus fruit based on the Local Binary Patterns (LBP) feature using illumination-normalized images

Early detection and counting of immature green citrus fruit using computer vision can help growers produce a predictive yield map which could be used to adjust management practices during the fruit maturing stages. However, such detecting and counting is difficult because of varying illumination, random occlusion and color similarity with leaves. An immature fruit detection algorithm was developed with the aim of identifying and counting fruit in a citrus grove under varying illumination environments and random occlusions using images acquired by a regular red–green–blue (RGB) color camera. Acquired citrus images included front-lighting and back-lighting illumination conditions. The Retinex image enhancement algorithm and the two-dimensional discrete wavelet transform were used for image illumination normalization. Color-based K-means clustering and circular hough transform (CHT) were applied in order to detect potential fruit regions. A Local Binary Patterns feature-based Adaptive Boosting (AdaBoost) classifier was built for removing false positives. A sub-window was used to scan the difference image between the illumination-normalized image and the resulting image from CHT detection in order to detect small areas and partially occluded fruit. An overall accuracy of 85.6% was achieved for the validation set which showed promising potential for the proposed method.     

用人工神经网络进行果实颜色分级技术研究

以计算机视觉自动检测果实表面着色度并进行分级为目的，在分析果实表面颜色色相分布特性的基础上，提出将果实色相分布曲线作为模式处理，用人工神经网络进行果实表面颜色分级。结果表明，人工神经网络分级与人工分级的一致度在９４％以上。     

桃核周围组织中光场分布特性的研究

为研究桃核周围的光场分布特性,采用激光与机器视觉技术,以类似医用CT的逐层切削法,用Matlab处理图像进行结果分析。当入射光强度足够大时,桃核会对其内部组织中的前向透射光和后向散射光的分布造成影响,越靠近桃核,其光强越强。经过图像处理与数据分析后,可初步认定果核在透射式光谱分析法中所起到的作用是削弱入射光的强度,即果核的存在降低了透射光的信号强度。水果内部组织的光场分布受到果核的影响,而且在桃核附近组织中,不论是纵向还是横向的灰度曲线都符合高斯分布。该结果从光学角度为利用激光图像法来实现水果内部品质的无损检测提供参考。     

基于机器学习联合网络爬虫算法的果汁鉴伪技术的研究进展

果汁鉴伪技术正成为全球食品营养安全领域的研究热点,其发展对果汁质量与安全控制至关重要.结合机器学习联合网络爬虫算法检索文献技术,本文综述了近年来果汁鉴伪技术的研究进展与应用领域,并着重阐述了非靶向/靶向代谢组学鉴伪技术的研究进展.结合多学科交叉和计算机技术发展趋势,对检测方法耦合发展、监督型机器学习统计工具开发、无人监...