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。     

一种农业视觉图像改进自适应中值滤波算法

近年来,农业智能化水平日趋提高,大量优质的农业视觉图像是准确获取农业产量、制定农药喷洒计划、病虫害分析等的依据,而在大多数情况下,由于图像传感器中电压不稳定、成像环境复杂等因素的存在,导致所获取的图像清晰度不佳。对此,提出了一种改进的自适应中值滤波算法,该算法首先采用基于图像像素灰度值的二步判别法来准确检测图像中的噪声,然后针对图像中目标轮廓的复杂性,设计出3类多方向的滤波模板,并且结合图像中非噪声像素点与噪声像素点间的几何距离,进行加权滤波。以时令水果图像进行测试,结果表明,本研究算法对于图像的滤波处理效果明显好于中值滤波算法及其已有的2类改进型算法。     

基于高光谱技术的哈密瓜表面农药残留判别分析

以新疆特色水果哈密瓜为研究对象,应用高光谱技术对水果表面农药残留种类进行分析。配制0.1 mg/kg20%氰戊菊酯乳油和0.03 mg/kg 40%辛硫磷乳油农药溶液样本,按100μL滴定量滴在哈密瓜表面,然后分别在紫外灯和卤素灯环境下,采集450~1 000 nm范围内的哈密瓜光谱图像数据信息,提取感兴趣区域(region of interest,简称ROI)的光谱数据。结果表明,在卤素灯光源条件下采用贝叶斯判别法,农残样本的准确率为100%,利用高光谱技术能够准确判别出哈密瓜表面农药残留的种类。     

基于机器视觉有机磷类农药残留半定量检测研究

本文针对水体环境中有机磷类农药残留污染物现场快速检测的需要,提出基于机器视觉的农药残留半定量检测的方法。该方法与彩色数字图像处理技术相结合,提取出农药残留检测卡的颜色信息RGB值。由于RGB每个通道均有256个亮度等级,故可以组成1 677多万种颜色,克服了灰度图像亮度等级少、图像区分不明显的缺点,从而提高了检测的灵敏性。结果表明,本文提出的方法简单、快速、高效,适用于水体坏境农药残留的快速检测。     

基于拉曼光谱的苹果表皮残留敌百虫的检测

拉曼光谱检测方法相对传统检测方法的样品处理复杂、检测耗时、破坏样品,具有样品无需处理、快速、无损的特点。应用拉曼光谱检测技术以苹果果皮为载体,敌百虫农药为研究对象,敌百虫在水果果皮的农药残留检测结果显示,敌百虫农药拉曼位移较为丰富,可以选279、296、444、623、789 cm-1来识果皮表面残留的敌百虫农药,可以检测到苹果果皮农药残留敌百虫浓度4.8 g·kg-1。     

激光技术在农产品质量检测中的研究进展

激光技术近年来已广泛应用于农业和科研,激光技术是农产品内部质量和安全检测的最新进展之一。本文介绍了几种激光技术在农产品质量检测中的应用,包括应用激光技术检测甜、酸度、质地、p H值、成熟度、干物质等;激光诱导荧光技术在农药残留、叶绿素、成熟度中的应用;激光拉曼光谱检测水果损害,农药残留。探索并期待激光探测的未来。     

近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法

以喷洒不同浓度毒死蜱的鲜冬枣为研究对象,研究近红外光谱技术结合偏最小二乘法(PLS)和连续投影算法(SPA)检测鲜冬枣表面农药残留的方法。运用AntarisⅡ近红外光谱仪对喷洒不同浓度的毒死蜱的鲜冬枣样品进行扫描,首先建立全波段PLS模型,然后应用SPA提取特征波长,作为PLS的输入变量,建立SPA-PLS模型,将全波段PLS模型和SPA-PLS模型进行比较。经SPA提取5个特征波长建立的模型,使用变量数仅占全波段的0.32%,但建立的冬枣表面农药残留模型的准确度和精度优于全波段所建立的模型。近红外光谱技术结合SPA和PLS建立鲜冬枣表面不同浓度毒死蜱农药残留的模型是可行的,同时SPA算法简化模型复杂度,提高模型精度及稳定性。     

基于高光谱图像的西兰花表面多种农药残留检测

针对西兰花农药残留问题,提出一种基于高光谱图像技术的西兰花农药残留定性检测新方法。首先,采集4组(共180颗)分别喷洒了清水和吡虫啉、阿维菌素、丙森锌3种农药的西兰花的高光谱(383.70～1 032.70 nm)图像,根据其图像信息提取感兴趣区域的平均反射光谱值,并采用分段多元散射校正对原始光谱数据进行预处理。为了提高模型效率,减少高光谱数据冗余,分别使用主成分分析和连续投影算法选择特征光谱。最后,使用马氏距离、最小二乘支持向量机、人工神经网络和极限学习机4种分类算法建立基于全波段和特征波段信息的农药残留检测模型。结果表明:基于连续投影算法的极限学习机模型的识别效果最好,训练集和测试集的正确率分别为98.33%和96.67%。说明利用高光谱图像技术鉴别西兰花表面农药残留种类是可行的,为西兰花表面的农药残留无损检测提供了一种新的方法。     

气相色谱法测定果蔬中14种有机磷农药的残留量实验研究

目的:建立用气相色谱法对水果、蔬菜中多种有机磷农药残留量进行测定的方法。方法:选择水果、蔬菜作为样本,将乙腈作为提取溶液,使用岛津 GC-2010型气相色谱仪,应用气相色谱法对样品中14种有机磷农药残留量进行检测。结果:样品加标回收率在72%~111%范围内,最低检出浓度在0.01~0.03 mg/kg范围内。结论:应用气相色谱法对水果、蔬菜中有机磷农药残留量进行测量具有操作简单便捷、准确性及灵敏度高等优点,完全符合实际应用需要。     

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 .     

基于荧光高光谱图像的柑桔糖度无损检测

采用632nm的连续波激光作为激发光,应用激光诱导荧光高光谱成像技术对柑桔的糖度值进行无损测量。先将该激光照射到南丰蜜桔和脐橙样品上,后用高光谱图像采集系统收集诱导出的荧光散射图像;接下来对荧光散射图像进行分析,选取100×50像素的荧光区域作为感兴趣区域(ROIs);再提取感兴趣区域在波长700～1000nm的光谱值作为荧光高光谱图像数据;最后用线性回归方法建立荧光高光谱图像数据预测果实糖度值的预测模型。结果表明,该模型预测柑桔糖度值的相关系数分别为南丰蜜桔的R=0.970,脐橙的R=0.960。因此可以看出,应用激光诱导荧光高光谱成像对柑桔糖度值进行无损检测是一种很有效的方法。     

基于高光谱成像技术的生菜叶片水分检测研究

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。     

计算机视觉鸭蛋重量检测方法研究

为了实现鸭蛋重量的智能检测,提出基于计算机视觉鸭蛋重量检测方法。首先构造鸭蛋图像的灰度—梯度共生矩阵,根据最大熵原理求出最佳灰度和梯度分割阈值,实现二维阈值分割;其次采用数学形态学方法进行分割图像后处理,去除蛋壳表面存在的伪目标,统计鸭蛋区域像素点;最后利用多项式拟合方法建立面积与鸭蛋重量关系。试验表明,检测误差在±2g以内,平均误差为-0.13353 g,检测精度能够满足生产加工需求。     

花期喷施营养元素及生长调节物质对油茶坐果率的影响

以11年生普通油茶为试材,采用单因子和正交设计的方法,于盛花期喷施不同浓度及配比的营养元素及植物生长调节物质,研究不同喷施物质对油茶坐果率的影响。结果表明:单因子施用时,与对照相比,喷施0.05 g/L KH₂PO₄坐果率最高,达29.6%,较对照净增19.3%,增幅为187.4%;喷施1.0 mg/L 2,4-D坐果率为27.4%,较对照净增27.1%,增幅为263.1%。正交组合施用时,与对照相比,喷施0.05 g/LCO（NH₂）₂+0.15 g/L KH₂PO₄+0.15g/L H₃BO₃+0.10g/L MgCl₂坐果率最高,达51.5%,较对照净增41.2%,增幅达400.0%;喷施5 mg/L IAA+10mg/LGA3+10 mg/L AsA坐果率为40.2%,较对照净增29.9%,增幅为290.3%。盛花期采用适宜浓度及配比的营养元素及调节物质能显著提高油茶的坐果率。     

基于高光谱图像的新疆红富士苹果颜色分级研究

[目的]以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法.[方法]对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类.[结果]采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7;.其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果.[结论]利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础.     

Machine vision for counting fruit on mango tree canopies

Machine vision technologies hold the promise of enabling rapid and accurate fruit crop yield predictions in the field. The key to fulfilling this promise is accurate segmentation and detection of fruit in images of tree canopies. This paper proposes two new methods for automated counting of fruit in images of mango tree canopies, one using texture-based dense segmentation and one using shape-based fruit detection, and compares the use of these methods relative to existing techniques:—(i) a method based on K-nearest neighbour pixel classification and contour segmentation, and (ii) a method based on super-pixel over-segmentation and classification using support vector machines. The robustness of each algorithm was tested on multiple sets of images of mango trees acquired over a period of 3 years. These image sets were acquired under varying conditions (light and exposure), distance to the tree, average number of fruit on the tree, orchard and season. For images collected under the same conditions as the calibration images, estimated fruit numbers were within 16 % of actual fruit numbers, and the F1 measure of detection performance was above 0.68 for these methods. Results were poorer when models were used for estimating fruit numbers in trees of different canopy shape and when different imaging conditions were used. For fruit-background segmentation, K-nearest neighbour pixel classification based on colour and smoothness or pixel classification based on super-pixel over-segmentation, clustering of dense scale invariant feature transform features into visual words and bag-of-visual-word super-pixel classification using support vector machines was more effective than simple contrast and colour based segmentation. Pixel classification was best followed by fruit detection using an elliptical shape model or blob detection using colour filtering and morphological image processing techniques. Method results were also compared using precision–recall plots. Imaging at night under artificial illumination with careful attention to maintaining constant illumination conditions is highly recommended.     

基于高光谱图像技术的油菜籽品种鉴别方法研究

提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法.采集多个品种油菜籽400～1 000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波长;采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数,应用人工神经网络建立油菜籽品种鉴别模型.结果表明,模型训练时品种判别率为93.75%,预测的判别率为91.67%.说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用.     

植被重金属污染检测模型研究

利用高光谱遥感技术代替传统方法检测重金属污染,具有效率高、费用低、检测范围广等优点.但是高光谱影像的空间分辨率较低,为了提高精度需要提取影像的端元.鉴于纯净像元指数（Pixel Purity Index,PPI）法耗时长的缺点,提出一种基于高斯分布的波谱曲线概率法用于高光谱影像端元提取,并结合重金属胁迫下植被波谱响应变化建立了高光谱遥感影像的植被重金属污染检测模型.经过试验研究及分析,发现波谱曲线概率法端元提取的效果和精度与PPI相近,但是时间消耗明显减少.因此,建立的植被重金属污染检测模型可以用于高光谱遥感图像,具有一定的价值.     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。