田间稻飞虱图像远程实时采集系统的研制

研制了一种田间稻飞虱图像远程实时采集系统。该系统由图像采集装置、自动控制系统和远程传输系统组成。利用稻飞虱的趋光性,将其引诱至图像采集装置的白色幕布上,可编程逻辑控制器(PLC)为自动控制系统的核心,发出脉冲控制相机拍摄,同时控制交流伺服电机运行,驱动拍摄装置,实现对幕布的自动扫描拍摄稻飞虱图像。远程传输系统选用4G技术和基于TCP协议的客户端/服务器模式传输方法,将所拍摄昆虫图像自动传输至监测中心处。验证试验结果表明,该系统可直接获得768×576像素的田间稻飞虱图像。通过二维离散傅里叶变换验证,采集系统所采集到的稻飞虱图像与其他昆虫图像存在明显特征差异,说明该系统可满足稻飞虱图像采集要求。     

基于图像处理的烟草分级系统设计与实现

本文以烟叶为研究对象设计了一种小型化烟草分级系统,能够实现烤烟的自动分级。主要由扫描式图像采集设备、树莓派嵌入式系统和触摸屏人机交互界面3个部分,将烟叶放入扫描装置后,压力传感器感应并反馈信息,Raspberry Pi控制图像采集系统采集图像信息。图像采集系统将预处理后的图像信息通过USB数据线传输到Raspberry Pi,图像处理程序对烟叶图像进行多特征分析,基于神经网络分级算法得到烟叶分级结果。LCD显示屏用于显示烟叶分级结果。将农艺师分级完成的烟叶图像数据库导入新开发烟草分级系统进行分级训练测试,系统验证试验表明,分级正确率为88.97%。     

成像环境因素对烟叶图像采集结果的影响及校正研究

【目的】研究灯箱中采集烟叶图像时照明电压、不同品牌数码相机、聚焦距离及相机分辨率等成像环境因素对图像识别结果的影响，用相对颜色法对因成像环境因素影响而引起的烟叶图像颜色变异进行实时校正。【方法】通过试验筛选出颜色表现稳定的聚四氟乙烯材料作为颜色参照白板，在灯箱环境中，设置不同的因素处理，用数码相机同期采集烟叶与颜色参照白板图像，通过分析烟叶图像R、G、B颜色特征变化来确定成像环境因素构成的影响。提取烟叶图像三颜色分量与颜色参照白板对应颜色分量的比率，即相对颜色分量作为校正烟叶图像识别误差的特征参量。【结果】照明电压、不同品牌数码相机、相机分辨率相同而聚焦距离不同均使烟叶图像颜色产生变异，从而出现识别误差。【结论】相对颜色法能够实时校正识别误差，降低因成像环境因素影响而产生的颜色变异，为规范烟叶图像的数字采集环境奠定了基础。     

基于单片机的智能烤烟控制系统

为了提高烟叶的烘烤质量,实现烤房的智能化控制,设计了新型烟叶烘烤智能控制系统。系统采用AT89C51为核心,DS18B20和SHT11分别作为温、湿度检测参数的采集单元,由键盘与LCD显示器构成人机对话单元。结果表明,该智能控制系统能对烟叶烘烤过程中的分段、时间、温度、湿度等进行监测和显示,并能够依据设定的温、湿度曲线进行指导和报警;能使烤房内的温、湿度精确地按照烟叶最佳生化控制曲线而变化,从而提高了烤房内温、湿度的控制精度和烤烟质量。     

烟叶智能分级系统的设计与试验

为解决当前烟叶人工分级效率低下、缺乏客观性等问题，避免烟叶收购过程中分级人员的主观随意性对级别评定的影响，设计了一种新型烟叶智能分级系统，通过人工解把通道、振动通道、振动筛分装置和振动风选装置将烟叶从大到小、从厚到薄进行松散；风选腔单片化系统将松散后的烟叶单片化，风道分级系统对单片化后的烟叶进行图像识别、图像采集、图像处理并分级，最后烟叶按等级分仓并齐梗输出。该烟叶智能分级系统经过试验验证，分级设备产能≥400 kg/h，单片化率≥95%，造碎率≤3%，在提高产能的同时，分级品质得到更大提升，还提高了分级效率，降低了人工成本和物耗，可推广应用于烟叶分级相关行业。     

基于双线性映射的植物叶片校正算法的研究

针对在应用数码相机采集大田作物叶片图像时出现的植物叶片图像倾斜和几何失真等问题,提出了基于双线性映射的植物叶片校正算法.测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响.实验验证该方法校正叶片图像,精度可达99%以上,是进一步提取植物叶面特征的基础.     

一种利用485总线的水位监控系统研制

对水位的测量方法中,超声波具有定向性好、能量集中、反射能力强等优点。该研究利用RS-485总线和单片机AT89C52研制开发了一种水位监控系统,其电路由超声波传感器、水位采集模块、主机处理模块等几部分组成。试验结果表明该系统的测量相对误差不超过1%,具有测量准确度高、测量速度快、显示直观、价格低康、操作方便等特点。     

基于LabVIEW和多光谱成像技术的苹果品质无损检测装置

基于Lab VIEW和多光谱成像技术设计了一套苹果品质检测装置,包括硬件设计和软件设计。硬件部分主要由单片机控制模块、光源模块、电机模块以及图像采集模块等组成;软件部分采用基于LabVIEW的G语言进行编写,包括通信模块、图像采集与保存模块以及图像处理与显示模块等。检测装置经调试后,对每个苹果的图像采集与处理时间为8 s,能够对大小、形状、损伤以及糖度等指标进行检测,具有无损、快速的特点。     

基于 MATLAB热处理温度非接触式测量系统设计研究

在数字图像处理技术应用于温度非接触式测量原理研究的基础上,建立目标物辐射图像灰度值有关物体温度和辐射波长的函数关系式.基于MATLAB软件平台和热辐射原理和光学成像原理,运用GUI编程设计了一套碳钢热处理温度非接触式测量系统,实现对加热工件温度的非接触测量,该系统可实时完成对目标物图像采集存储和处理,并同时完成温度和误差计算,实验表明,该系统可实时测量高温工件温度,动态响应好,热惯性低,抗干扰性和精度较高.     

基于SDRAM的FPGA实时图像采集系统的设计

针对基于FPGA的实时图像采集系统提出了一种基于SDRAM的实现方法,FPGA中采用模块化设计方法,详细给出了系统的硬件框图,并对SDRAM控制器的控制方法、各模块功能和软件部分进行了具体的设计.仿真结果表明,该系统设计灵活、工作稳定可靠、体积小、成本低,完成了高速数据的大容量存储,可满足于高性能的实时图像采集系统要求.     

DM642采集彩色线阵CCD图像EDMA帧的设计

基于专用视频/图像处理芯片DM642和彩色线阵CCD TCD2252D设计了一套实时图像采集处理系统。重点研究了在实时图像采集处理系统中,使用EDMA来实时传输图像时,视频缓冲区FIFO阈值与EDMA帧尺寸的设计。     

牛肉图像在线采集系统的研究

研制了一种用于牛肉在线自动分级机器视觉系统的图像采集装置。该装置根据生产线使用要求,选取轻质高强度铝合金材料制作模具,并采用亮度连续可调的多颗粒LED灯加散光片作为照明的光源。通过试验对系统成像效果进行验证,运用数字技术对照明系统的光照均匀性进行分析。试验结果表明:在不同的光照强度下,该系统均具有较为理想的照明效果。     

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。     

大麦田间视频采集与无线传输系统设计

针对我国农田作物生长状况需大量人力监测的问题,以大麦农田为试验对象,设计一种大麦田间视频采集的无线传输系统。主要对视频图像的采集与传输进行了理论分析和设计,通过田间试验对结果进行验证。相关分析结果表明,本系统采用的有损压缩算法(Discrete cosine transform,DCT),在1 000m以内传输时间70ms,数据包发送成功率98%,与农田监控直送系统采用的无损压缩算法(Differential pulse-code modulation,DPCM)相比,在相同传输距离下,数据量小,传输时间短,传输成功率高,具有较好的实时性和稳定性;而且成本低、体积小、易于安装,可实现对大麦生长视频信息的自动采集及无线传输。     

基于颜色指数与阈值法的稻田图像分割

为系统、全面地分析不同颜色指数对南方稻田图像分割的适应性,以分蘖期、拔节期稻田图像为研究对象,选择36种常用的颜色指数,采用Otsu阈值法开展基于颜色指数和阈值的图像分割研究,通过比较各颜色指数的分割结果,明确分蘖期和拔节期图像分割的主要干扰因素,筛选最适宜稻田图像分割的颜色指数。结果表明:水稻倒影、浮萍是分蘖期稻田图像分割的主要干扰因素,叶片镜面反射、浮萍和土壤阴影是拔节期稻田图像分割的主要干扰因素;组合指数COM2、MxEG、CIVE和GMR在分蘖期图像和拔节期图像均具有较好的分割精度。因此,基于颜色指数COM2、MxEG、CIVE、GMR和Otsu阈值的稻田图像分割方法对稻田图像分割的干扰要素具有较强的区分能力,分割精度较高,更适宜于南方稻田图像处理研究。     

应用多光谱数字图像识别苗期作物与杂草

通过对多光谱成像仪获得的数字图片,采用一定的目标分割与形态学处理,对豆苗和杂草进行识别判断.为解决识别速度与正确率的矛盾,以豆苗和杂草图像的识别为例,提出一种基于多光谱图像算法的杂草识别新方法.应用3CCD多光谱成像仪获取豆苗与杂草图像,以多光谱图像的近红外IR通道图像为基础,利用图像分割和形态学方法,将所有豆苗叶子影像提取出来.对于剩下的2种杂草(牛筋草,空心莲子草)图像,先利用图像分析工具统计出图像块的长度、宽度、面积等基本特征参数,并根据它们形状的不同,总结出两条简单的判别规则,进行进一步的识别.本试验对147个目标进行判断,其中误判14个,正确率为90.5%,表明该方法算法简单、计算量小、速度快,能够有效识别这2种杂草,为田间杂草的快速识别提供了一种新方法.     

一种低成本的农业现场视频/ 图像快速采集系统马翠

农业现场图像信息采集是农作物长势和病虫害分析的重要手段。结合嵌入式技术与B/S 架构,设计了1 个采用高清晰图像传感器罗技Pro9000摄像头的低成本农业现场视频/图像快速采集系统,并对系统的体系结构、通信子系统、采集、压缩与传输子系统进行了详细设计。系统采用大功率WiFi和快速ARM 平台S3C6410 处理器,基于V4L2 技术采集图像,采用JPEG 图像数据压缩技术能够大大地减少传输数据量,使得视频传输更加流畅。试验结果表明,本系统传输640伊480 大小的图像到远程服务器的图像传输成功率在300 m范围内可达到92%以上;在50 m内可达到视频20 帧/秒以上,在300 m的距离也能够达到6帧/秒以上的视频帧率,可以满足视频监控的需求。由于本方案基于ARM 平台设计,成本低,易于集成应用,非常适于大范围农业上开展应用。     

植物叶片面积测量系统的设计及应用

介绍了用CCD（Charge Coupled Device）测量植物叶片面积的方法，设计了测量系统的多种组成方案。该系统通过标准的图像接口，实现了硬件部分与软件部分相互无关，硬件可以采用扫描仪、数码相机、视频图像采集卡加视频摄像头等应用CCD的数字化图像采集设备。软件采用交到方式实现图像分割、系统标定和最终测量，试验表明，该系统具有测量精度高、测量范围大、使用方便等特点，使用数码相机时可以实现非破坏性测量，在农业、林业等方面具有广泛的应用前景。     

基于滑动窗口法的遥感图像纹理统计信息提取研究

遥感图像中地学信息,如地质构造、蚀变信息及岩性分界等信息具有一定的纹理特征。纹理是遥感图像的重要特征,是地物空间特征的综合反映。利用滑动窗口法来获取遥感图像的纹理特征参量,将得到的特征矩阵用假彩色进行显示,将得到的图件进行了对比。然后,针对窗口大小对不同纹理特征显示效果的差异展开讨论。结果表明,滑动窗口法在排除波谱信息的干扰、提取纹理特征参量方面效果比较明显。对于纹理多尺度判别的精度来说,采用较大窗口提取的纹理信息参与分类能使总体显示效果较好,但某些纹理的精细程度有所下降,建议在实际应用中,应根据具体情况选择窗口的大小。