基于机器视觉的核桃仁动态分级研究

【目的】基于机器视觉技术研究出一种适合新疆核桃仁动态分级处理的方法。【方法】利用实时采集且已经完成图像预处理的样品核桃图像得到核桃仁特征集合,运用mRMR特征选择算法筛选原始特征集并对特征的重要性进行排列,通过对支持向量机、决策树和朴素贝叶斯三种机器学习算法进行模型训练和测试,得出最佳分级方法,设计核桃仁自动追踪方法和动态分级流程,构建的核桃仁自动分级系统。【结果】在使用特征bin19、K₁和bin15训练朴素贝叶斯分类器时,核桃仁的分级正确率达到最大为97.33%,在动态条件下运用构建的核桃仁自动分级系统对150个核桃仁进行分级测试,正确率为81.33%。【结论】基于机器视觉研究出的核桃仁特征提取与分级方法、核桃仁动态分级处理动作方法,可以有效完成对核桃颜色和完整度的分级。     

基于机器视觉的核桃仁分级方法

机器视觉检测技术在农产品的检测中应用越来越广泛,核桃在脱青皮、干燥、储藏过程中可能发生变质,核桃仁表皮的色泽会发生变化,破壳取仁的过程也可能造成核桃仁碎裂。本研究通过机器视觉的方法代替人工对核桃仁从颜色与完整度上的分级,对核桃仁图像进行预处理与分割,并提取色调、饱和度、核桃仁轮廓面积与最小外接圆面积之比等特征,通过机器学习的方法建立决策树模型对核桃仁样本进行预测,总体正确率达到92%,为核桃仁的自动分级提供了参考。     

基于机器视觉的核桃仁大小自动分级技术

为了改善我国核桃仁外观品质人工检测速度慢、精度低、费时费力的现状,提出1种基于机器视觉和图像处理技术的核桃仁大小检测方法。构建图像采集系统以获得与背景颜色对比度明显的待检核桃仁图像;通过灰度变换、中值滤波,降低了图像处理计算数据量,提高了图像信息的可读性;通过阈值分割和区域填充,得到了清晰完整的核桃仁区域分割图;使用像素统计法计算核桃仁像素面积;提出1种自适应平均算法对样本学习训练,进而计算出大小分级阈值;以Lab Windows/CVI 2012为开发平台,借助其图像采集和图像处理函数,设计配套的核桃仁大小自动分级软件。结果表明,该方法在实验室条件下可实现核桃仁大小分级,分级正确率达90.0%以上。     

机器视觉在线检测核桃大小软件设计

【目的】设计一种可以利用机器视觉对核桃大小进行在线分级处理的软件。【方法】通过配置大恒USB2.0工业相机,实时获取核桃在线检测时RGB图像,利用VS2010开发出界面程序对采集到的图像源数据进行格式转换和预处理,获得轮廓图像。利用OpenCV的图像矩计算原理提取核桃外形尺寸数据,为下位机控制板提供等级信号控制不同等级电磁阀动作。【结果】软件可以同步显示处理前后的图像,实现了图像优化采集和分割阈值手动调节。【结论】基于机器视觉在线检测核桃大小软件可以判定不同外形尺寸大小的核桃,可以将分级信号准确送出。     

基于计算机视觉的竹块颜色分类方法研究

为了实现计算机视觉对竹块的自动识别与颜色分类,研究了竹块图像的颜色特征、颜色分类方法。首先,将原始图像由RGB空间转换为HSI空间,用OTSU法确定阈值对原图灰度图像分割背景,用radon变换倾斜校正,提取竹块颜色判定有效区域,并计算其HSI的均值和标准偏差,作为特征参数输入BP网络进行训练。结果表明,该方法简捷有效,人工神经网络与人工分级的平均一致度为94.5%。     

基于机器视觉核桃大小分级系统的软件设计

在基于机器视觉核桃大小分级系统硬件的基础上,完成分级系统软件的设计,并进行核桃大小分级的初步测试,设计主要包括3个方面,在相机生产厂家提供的软件开发工具包(SDK)上,基于VS 2010开发工具,进行相机的二次开发;利用VS 2010开发工具自带的窗口界面工具MFC开发程序界面;通过编写的图像处理程序完成对相机实时图像的采集和处理,并将处理结果实时显示在程序界面上。经初步试验验证,该系统软件对核桃大小分级正确率为88%。     

基于Bayes的竹片颜色检测分级方法

为了采用机器视觉对竹片自动识别与颜色分选,研究了一种基于竹片图像颜色特征与纹路特征和Bayes分类器的颜色分类方法.首先,对灰度图像采用Canny算子进行边缘检测,再利用Hough变换对竹片进行边缘定位,并对倾斜竹片实施旋转校正,以确定待检测竹片在图像中的具体位置.根据竹片的位置提取竹片区域平均颜色特征及纹路特征,将其作为样本的属性特征,采用Bayes训练的颜色等级作为输出,建立特征参数与颜色等级之间的Bayes分类器,上位机获得分级信号后经串口通过下位机实现竹片的自动分级.试验结果表明,该方法对竹片颜色检测准确率达到91.7%,可为竹制品行业的竹片颜色自动在线检测提供理论依据.     

基于朴素贝叶斯分类的柑橘叶片溃疡病诊断

为实现准确、快速地识别柑橘叶片溃疡病,提出一种基于朴素贝叶斯分类的柑橘叶片溃疡病诊断方法。基于不同病害程度的叶片数码图像,根据颜色空间特征,构建基于朴素贝叶斯的柑橘叶片溃疡病斑识别模型,并对比分析朴素贝叶斯分类、固定阈值分割、自适应阈值分割、支持向量机分割对柑橘叶片溃疡病的诊断能力。结果表明:基于朴素贝叶斯分类的柑橘叶片溃疡病斑分割效果较好,误分割率仅为3.58%,远远优于阈值法和支持向量机。在运行效率方面,4种算法耗时排序为固定阈值法自适应阈值法朴素贝叶斯法支持向量机法,但均在较合理的范围内;结合前期准备时间,朴素贝叶斯法的运行效率最佳。综上所述,朴素贝叶斯分类算法在柑橘叶片溃疡病诊断方面具有快速、精准的应用能力,可以为果树从业者精确诊断果树病害严重度提供新思路。     

基于机器视觉技术的单粒葡萄质量与果径预测分级研究

[目的]采用机器视觉技术,针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究.[方法]在不同的颜色特征空间模型,预处理原始图像,采用最大类间方差法分割目标区域;采用数学形态学方法去除二值图像中部分果梗及噪声点,获得最佳二值图像;基于二值图像,分析获取单粒葡萄的几何特征;最后,分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径,采用二次判别分析法对单粒葡萄的质量和果径进行分级.[结果]利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径,预测决定系数达到0.98和0.945;基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级,准确率超过85;.[结论]机器视觉技术能够较准确预测单粒葡萄的质量和果径,并能对质量和果径进行分级.     

基于改进的PSO进化神经计算进行苹果颜色快速分级

为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。     

基于有机磷农药残留检测的遗传模拟退火算法研究

基于乙酰胆碱酯酶检测卡与有机磷农药的显色反应,搭建了一套快速获取反应后图像的机器视觉系统,完成了图像的去噪、边缘提取等处理过程,准确提取出检测卡的RGB数值。基于RGB彩色模型,实现了遗传模拟退火算法建立农药残留检测卡R、B颜色特征与农残浓度之间的非线性映射关系。实验证明遗传模拟退火算法对农药残留检测的标定均方根误差小,确定系数高,拟合优势大。     

基于机器视觉技术的田间籽棉品级抽样分级模型研究

【目的】客观评价田间籽棉质量。【方法】依据中国籽棉品级分级标准，基于机器视觉技术选取棉花尺寸、色泽特征建立田间籽棉品级抽样分级模型。【结果】相关分析表明：亮度修正后，图像特征与籽棉品级之间相关显著。贝叶斯判别分析结果表明：基于10折交叉验证建立的籽棉品级判别模型的识别率在75.00％～92.86％之间，模型的平均识别率达83.20％。基于“1个标准误差”规则选取较好的贝叶斯判别模型，它在独立数据集上的泛化精度达89.11％，其中，前3级籽棉的识别率均达到100％。【结论】基于机器视觉技术识别籽棉品级是可行的，有利于提高籽棉品级抽样分级模型精度。     

基于图像处理与改进SVM的苹果多特征融合分级方法

为实现苹果准确分级,我们提出了基于图像处理与改进SVM(支持向量机)的苹果多特征融合分级方法。该方法主要分为图像预处理、背景分割、特征提取以及改进SVM的多特征融合分级四部分。首先,利用同态滤波算法改善采集的苹果图像质量;其次,将图像转换至HLS空间,使用Qtsu算法分割背景,利用形态学处理去除果梗及表面缺陷区域,利用Canny算法提取苹果轮廓;然后,提取苹果的大小、形状、颜色、缺陷、纹理5个特征;最后,利用交叉验证法优化SVM中的惩罚因子,建立多特征融合分级模型,并通过Fisher计算各指标的权重。本试验分别选取146、61个被明确划分等级的苹果样本进行训练、测试,结果表明,该分级方法的准确率达96.72%,可实现高精确度的苹果自动化分级。     

基于机器视觉的小粒咖啡豆的检测技术

设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。     

基于小波分析及改进KNN的红虫识别研究

1淡水浮游生物特征提取 1．1颜色特征提取由于红虫、剑水蚤、猛水蚤图像在颜色上有明显区别，所以先提取图像颜色信息，将其作为分类的一项重要特征。颜色直方图以及其组成的空间可以作为图像识别的训练集（数据库）中颜色特征的表示。利用信息论的方法扩展基于颜色信息的图像属性特征。根据颜色直方图的定义可以推出该图像的概率密度函数如公式（1）所示：     

基于机器视觉的烟尘在线监测的研究

针对目前烟尘浓度测量方法中存在取样难、精度低等问题, 提出了一种基于机器视觉的在线监测烟尘排放及分析烟尘排放浓度的方法. 文章应用机器视觉理论, 采用了边缘检测和阈值分析算法对烟尘图像进行特征提取和图像分析, 通过现场实验表明: 该烟尘浓度检测算法正确, 能有效提高检测精度, 实时得到烟尘排放浓度.     

基于机器视觉的烟尘在线监测的研究

针对目前烟尘浓度测量方法中存在取样难、精度低等问题,提出了一种基于机器视觉的在线监测烟尘排放及分析烟尘排放浓度的方法．文章应用机器视觉理论,采用了边缘检测和阈值分析算法对烟尘图像进行特征提取和图像分析,通过现场实验表明,该烟尘浓度检测算法正确,能有效提高检测精度,实时得到烟尘排放浓度．     

基于颜色特征的图像分割方法及其在足球机器人中的应用

提出一种新的适用于跟踪移动机器人的视觉系统的彩色图像分割技术,这种方法采用符合人类视觉特性的HIS颜色空间表示图像的颜色特性,利用人对颜色的感知来对颜色分量进行非等间隔的量化并形成特征矢量,根据HIS颜色空间三个基本分量合成的一维特征矢量直方图进行分割,并克服HIS颜色空间存在不可避免的奇点对图像分割的影响.另外采用一种基于背景图像的非均匀光照修正算法,应用在足球机器人中.实验结果表明该方法不仅使目标定位和方向角更精确,而且提高动态环境下的鲁棒性.     

机器人视觉的苹果无损检测技术

将机器视觉技术应用到苹果外部品质的缺陷检测,通过摄像头获取苹果外观的颜色特征,利用LabVIEW虚拟仪器软件开发图像处理程序,通过纹理分析进行区分,由纹理特征提取方法,实现苹果表面缺陷的无损检测。     

图像颜色特征提取及其分类研究

在图像分类和检索中,如何对图像进行特征提取及提取图像的哪些特征信息,影响着图像分类的准确性。提出了一种基于颜色的特征提取算法,同时利用最新的多层的深度学习算法对图像进行分类。结果表明,该研究提出的图像分类方法比传统图像分类算法准确度有较大的提高。