颗粒粮食中异物的视觉检测算法与实现

提出了一种利用图像实现颗粒粮食中异物的检测方法。该方法根据异物特征,提出了基于斑点分析的方法,一次成像2次处理,剔除比正常颗粒亮和暗的异物。并基于Mil函数库开发的图象处理系统,将黑白斑点的2次提取处理用一个函数实现,再通过数学形态学的运算和斑点分析,快速地提取杂质的大小和所在位置。该方法具有速度快、精确度高等优点,可以推广到其他领域加以利用。     

煤粒图像检测的Matlab实现

传统的煤粉颗粒测试的方法存在一定的局限性。尝试应用图像分析来直接获得颗粒的信息。首先对利用数码相机获取的煤粒图像进行图像类型转换、插值运算、二值化运算、灰度增强、滤波运算等预处理。在此基础上,通过边缘检测、形态学方法对煤粒图像进行图像分割实验,进而选取分水岭算法作为图像分割方法。最后利用Matlab特征提取函数提取该图像中煤粒面积,得到煤粒数据,实现了煤粒数据检测。     

基于高速摄像的粮食颗粒悬浮速度试验研究

利用高速摄像技术研究垂直管内气固两相流场粮食颗粒运动规律.本文以垂直管内粮食颗粒运动测量中的应用为例,在垂直管颗粒流动试验台及测试系统中,对粮食颗粒群流场进行了测试分析,采用高速摄像系统连续采集流场的图像,结合图像法进行图像的处理与分析.用该方法测定了几种常见粮食颗粒的悬浮速度,并分析了各种因素对颗粒群悬浮速度的影响,可为粮食气力输送机械的设计、优化提供参考依据.     

基于显著性检测与模糊C均值聚类算法的叶片病斑区域提取方法

针对自然场景下获取的叶片病斑图像,提出利用图像显著性检测与模糊C均值聚类方法相结合的叶片病斑区域提取方法。首先,利用SLIC(simple linear iterative clustering)方法结合马尔科夫吸收链进行图像显著性检测,获取显著图,实现符合视觉特征的显著区域检测;其次,利用模糊C均值聚类算法对显著图进行分割,进而获取二值化后的叶斑图像;最后,结合原始图像获取最终叶片病斑区域。试验结果表明,叶片病斑区域提取比较准确,满足病斑进一步处理和分析的要求。     

基于高光谱成像技术的茄子叶片灰霉病早期检测

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.     

动物二维图像3D重构及其特征识别系统研发

为解决动物二维图像3D重构及其特征识别问题,实现动物无接触、无应激提取其特征参数,利用立体视觉原理,以动物为研究对象,使用双目摄像机采集的图像,基于被动线索的方法,采用计算机视觉库Open CV函数库,开发了3D重构系统,实现双目标定、特征识别、双目立体匹配、三维模型重建和提取特征等功能。通过实验验证,建立的动物三维模型,可有效识别动物体尺等特征信息,其提取结果相对误差为1.5%。本研究可应用于动物无应激量算体尺,为开展福利养殖提供了一种方法。     

数学形态学在种子图像边缘检测中的应用

通过分析播种机性能检测的方法和种子目标的图像特点,提出一种基于数学形态学的种子图像边缘检测方法.利用开闭运算的级联对种子图像在生成过程中因传送带上的杂质等的干扰进行滤波后,采用3×3八方位方形结构元边缘检测算法获取种子的边缘.试验表明,与经典的边缘检测算子相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.     

基于图像处理的机采棉杂质提取算法

针对国产采棉机采收含杂率高、杂质分布复杂、难以快速检测等问题,提出了一种基于图像处理的机采棉杂质图像提取算法。该算法在HSI颜色模型、Lab颜色模型下设计试验采集图像,利用中值滤波处理图像,然后对图像进行自适应阈值分割,分割棉花和杂质图像,通过连通域分析绘制棉花轮廓和杂质轮廓,在此基础上计算其像素面积,得到杂质面积百分比。结果表明,该算法可有效分割机采棉中的常见杂质,为机采棉含杂率的快速评估奠定基础。     

基于高光谱成像技术的富士苹果轻微机械损伤检测研究

为降低苹果损伤造成的商业损失,延长苹果的储存期,利用高光谱成像技术实现了基于特征波段的苹果表面轻微机械损伤的快速、无损检测。以120个富士苹果为研究对象,首先利用波段范围在400～1 000nm的高光谱成像光谱仪获取完好和轻微损伤0、2、4 h的富士苹果的高光谱图像,并提取感兴趣区域的平均光谱数据,然后通过两次连续投影法进行分析,去除光谱波段间的冗余信息,找到共线性最小的波段组合(821 nm和940 nm);其次,对特征波段图像进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行固定阈值分割和形态学处理,得到苹果表面机械损伤的检测结果。利用该方法对验证组40个正常和轻微损伤不同时间段的苹果进行测试,总体正确率达到94. 4%。     

基于可见短波近红外高光谱图像的梳棉杂质关键波长的优选

[目的]以梳棉中多种杂质为研究对象,分析可见短波近红外梳棉高光谱图像,确定杂质检测中的关键或特征波长.[方法]提取高光谱图像中杂质和棉花的像素光谱,以像素分类效果为指标,采用主成分分析、独立于后端分类器的T检验准则的过滤器、特征选择和分类器结合的包装三种方法,确定杂质检测的关键波长,使用早期研究确定的二次判别分析分类器和后处理方法,对比三种方法所选波长的杂质分割效果.[结果]当使用包装方法选择的波长集合,其杂质检测好于主成分分析和过滤器方法.异性纤维总识别率为79.17;.其中,灰色丙纶丝、白色丙纶丝、黑色人发和黑色猪毛的识别率均超过了90;;透明地膜碎片、白色猪毛和透明丙纶丝识别较差.[结论]基于高光谱图像和包装法选择的最优波长集合,能够用于大部分普通杂质和异性纤维杂质的检测.     

一种基于边缘形状的边缘连接方法

在图像处理领域,边缘检测是一个重要的步骤,在数字图像分割、立体匹配、目标识别等领域里有着重要的作用。在检测出来的边缘中,有很多间断的部分,这使图像分割变得更加困难,为使分割更加理想,需要将间断部分连接起来。本文提出一种应用差分原理,基于边缘形状的边缘连接方法。通过对新方法进行理论分析和对比实验,此方法能有效连接间断边缘。     

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.     

数字图像处理技术在叶面积测量中的应用

传统测量叶面积方法费时、低效,叶面积仪法高成本、维修不便.本研究利用图像处理技术测量叶面积,从解决图像阈值的分割、叶片阴影去除以及叶片边缘检测算法等问题出发,应用大津法求得阈值,中值滤波法去除杂点,采用Roberts算子检测边缘,进而计算叶面积.叶面积仪法与图像处理法比较叶面积值相关系数R2为0.962,剪纸法与图像处...     

基于近红外深度图的游泳型鱼类摄食强度实时测量

针对水产养殖过程中精准投喂难题,提出一种基于近红外深度图的鱼类摄食活动强度评估方法。该方法不以目标跟踪为基础,不受养殖现场光照条件限制,无须依赖于清澈的水体与稳定背景,通过对深度数据直接处理,以最低的计算量实现鱼类前景目标提取及背景图像剔除,用新方法获取清晰的鱼类摄食图像。进而通过深度图的目标像素点总数判断抢食鱼类的数量,结合目标像素点的变化率,实时反映出鱼类摄食活跃程度;与传统的基于二维图像纹理特征的分析方法相比,该方法大幅度地降低了计算量,为养殖现场的实时测控提供了可实施方案。实验结果表明：近红外深度图不受养殖现场成像条件的限制,能以简洁的数据形式有效地表征鱼类的摄食规律,其方法对于分析在水面抢食浮性饲料,并在非摄食阶段栖息于水体底部的鱼类具有理想的分析效果。论文为鱼类行为分析提出一种新的技术手段,对精准投喂的应用具有积极的指导意义。     

玉米籽粒大小特征检测方法研究

提出一种自动获取玉米籽粒大小特征和总粒数的方法:通过振动给料机实现玉米籽粒快速喂料,利用输送带和线阵相机的无偏差匹配,准确获取玉米籽粒图像,对籽粒图像进行二值化、除杂、筛选、粘连籽粒分割等处理,测量玉米籽粒的粒长、粒宽和籽粒总粒数。研究了图像处理过程中不同阈值、不同粘连籽粒处理方法对测量结果的影响。对100个样品进行的试验结果表明:阈值数设定为24、采用平均面积法时,测量的误差最小,测量结果与人工测量值相比较,玉米籽粒总粒数、粒长、粒宽的相关系数分别为0.999 3、0.900 0、0.930 0,平均相对误差分别为0.26%、3.85%、3.63%。     

基于机器视觉的莲子去芯位置的定位方法

提出一种基于机器视觉的莲子去芯位置定位的方法,并搭建试验平台进行去芯验证。采集4个产地、不同尺寸的莲子,用2个相互垂直的摄像头采集凹槽内莲子图像,对图像进行裁剪和灰度处理后,通过莲子头部和尾部的灰度特征差异识别莲子朝向;对沿长轴尾部向上的莲子图像进行二值化处理,经腐蚀运算以消除边缘杂质,缩放以增大特征点的曲率,利用角点检测确定莲子去芯位置坐标后进行坐标换算,计算机械手移动距离,实现莲子去芯作业。试验表明：莲子理想去芯位置为莲子尾部凸点,莲子朝向判别成功率约97%,尾部凸点识别准确率约97%,整体识别成功率约94%,去芯成功率约93%,单颗莲子图像处理平均时间约78 ms,平均去芯时间约0.5 s。若以尾部凸点识别成功数为基数计算,则莲子去芯成功率可达98.9%。     

苹果自动分级中的图像分割

为了提高苹果自动分级中图像处理的速度和可靠性，就有关苹果图像分割问题进行了探讨，提出了苹果图像处理窗口的快速确定方法、阈值计算方法以及用最小二乘法与搜索点所在的区域相结合确定搜索方向的方法，试验表明，用上述方法能可靠，有效，快速地进行图像分割。     

神经网络方法在网纹甜瓜外观等级判别中的应用

基于图像处理技术和神经网络理论提出一种适用于网纹甜瓜外观等级的判别方法,该方法通过对网纹甜瓜标准样本的学习即可实现对网纹甜瓜外观等级判别。结果表明,该方法对网纹甜瓜外观等级判别准确率较高。     

基于小波变换的图像边缘检测技术的改进

边缘检测是图像处理的主要内容之一.由于存在噪声,经典算法的图像边缘检测效果不好,针对其缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.因此,采用自适应阈值的改进型小波边缘检测算法,在消噪的同时,可以很好地保留微弱的边缘.通过实验结果的比较,证明了这种方法的有效性.