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。     

基于机器视觉的沙糖橘果皮破裂和缺陷检测

在对果皮质量进行检测分级时，破裂果、机械损伤和硬疤是沙糖橘表面常见的主要缺陷。传统的自动检测系统通常不能准确地识别这些表面缺陷。为了解决这一问题，设计了一种硬件和软件相结合的计算机视觉检测分类系统。该系统采用单CCD和LED环形光源，通过计算机协作，利用计算机视觉系统提取沙糖橘果皮的正面图像，构建了有效的图像采集方法、预处理方法、颜色模型和分割方法，采用傅里叶变换、高频滤波、形态学(方案)和分类树等方法对沙糖橘的表面缺陷进行研究，并为实际的自动化应用找到更准确和更合适的方法。结果表明，该方法的可靠性和稳定性优于传统的单一形态学的识别方法。     

冰糖橙果实品质无损伤在线检测分级技术的建立与应用

【目的】冰糖橙果实外观分级与内部品质不一致极大地影响了其市场声誉,建立冰糖橙果实品质分级标准和果实快速规模化无损伤品质检测分级技术,并进行在线应用,为快速分选不同糖酸度冰糖橙产品提供技术支持。【方法】在利用常规果实品质分析方法对主产区的冰糖橙果实进行多年品质分析的基础上,找出果实外观和内在品质的相关性,确定不同果型横径与糖酸度含量的关系,形成冰糖橙果实分级标准。在此基础上,采集710-960 nm波段近红外透射光谱建立果实无损伤检测模型,利用常规品质分析数据对原始光谱反复进行校正并验证,确定无损伤检测的准确性,并在分级线上进行应用;调查统计应用无损伤检测生产线分级后各级冰糖橙的产量、销售单价和销售额。【结果】（1）根据果实横径大小进行初选分级,68-74 mm为大果型,62-67 mm为中果型,56-61 mm为小果型,再按果实的糖度（可溶性固形物Brix度）和酸度不同将冰糖橙划分为4个等级：糖度≥14、酸度≤0.4%为特级果;12≤糖度＜14、酸度≤0.4%为一等果;糖度≥14、0.6%≥酸度＞0.4%为二等果;糖度＜12、酸度≤0.4%为合格果。通过反复矫正,建立了冰糖橙果实品质分级标准。（2）通过多次进行单果糖度和酸度的分析矫正,建立了冰糖橙果实糖度和酸度的检验线。第1次建立的冰糖橙糖度检量线检测范围为10.1-14.9 Brix,再利用常规品质分析验证无损伤检测结果,合格率仅为26%。第2次建立的糖度检量线延长高糖检测范围,为10.1-16.2 Brix,经验证后合格率达90%。第3次建立的糖度检量线扩大低糖检测范围,为9.8-16.2 Brix,经验证后合格率为90%。第1次建立的冰糖橙酸度检量线检测范围为0.1%-1.26%,再利用常规品质分析验证无损伤检测结果,合格率仅为64%。第2次建立的酸度检量线延长高酸检测范围,为0.1%-1.37%,经验证后合格率达94%。第3次建立的酸度检量线继续扩大高酸检测范围,为0.1%-1.53%,经验证后合格率为92%。（3）新建立无损伤糖酸度校正和验证模型,糖度有效检测范围为8.7-15.1 Brix,酸度有效检测范围为0.14%-2.0%,经验证后糖度合格率达到98%,酸度合格率为98%。应用该分级技术,分选速度达到10个冰糖橙/秒,品质分级后最高单价48元/kg,年产量4 500 t,实现产值9 122万元。【结论】研究结果预测糖酸度准确,测量范围全面涵盖冰糖橙商品果的糖酸度,能大批量、快速、高质量和无损伤在线鉴别冰糖橙果实内在品质,结合外观品质分级标准,分选出内外品质均一的产品。     

红枣表面缺陷快速检测方法研究

红枣表面缺陷快速检测是实现其自动分级的关键技术之一。针对红枣表面曲率变化致使其表面灰度分布很不均匀和缺陷区域很不明显的特点,提出了一种亮度快速校正算法。首先使用单色CCD、滤光片和近红外光源获得红枣近红外图像;其次对原始图像进行去背景操作,获得红枣区域灰度图像;然后使用均值滤波器对去背景后的图像进行滤波获得亮度图像,并使用该亮度图像对去背景后的红枣图像进行亮度校正;最后对亮度校正后的图像进行缺陷分割。试验结果表明,该方法能显著提高自动分级系统的实时性,且该缺陷检测方法的准确率可达95%。     

基于机器视觉的苹果品质在线分级检测

目前苹果分级自动化程度较低,为了实现苹果品质自动、快速、准确分级设计了一套苹果智能在线检测分级系统。以寒富苹果为测试对象,采用机器视觉技术对苹果分级进行研究。采用阈值分割的方法分割苹果正面图像,逐像素遍历法提取苹果外部轮廓,通过计算其各点到重心的距离提取苹果大小特征,同时计算苹果横径与纵径比提取果形特征。采用支持向量机方法分割侧面苹果图像,计算苹果红色像素占苹果像素的比例提取颜色特征,利用Fisher统计识别的方法提取苹果缺陷。实现了整个分级系统的硬件搭建以及软件的功能,利用该系统对400个苹果样本进行了分级试验,结果表明该系统分级的苹果总体正确率达到95%。设计的基于机器视觉的苹果智能在线检测分级系统克服了传统分级方法的不足,加快了苹果品质分级自动化速度,对水果品质分级等领域有重要研究意义。     

线扫描铁轨表面缺陷成像与检测

基于线扫描的机器视觉成像系统，用于采集铁轨表面图像，提出一种以图像增强和自动阈值分割为核心的缺陷检测算法，该算法能够准确检测出铁轨表面缺陷.图像增强采用局部零均值法，克服了铁轨表面光线反射不均的缺点，提高了缺陷和背景的区分度.自动阈值分割采用强调概率的最大背景类方差法，取到的阈值使背景类方差最大的同时保持缺陷出现概率较小.将本文的核心方法与传统方法进行对比实验，验证了该算法的有效性和快速性，具有一定的实用价值.     

基于计算机视觉的脐橙分级系统研究

脐橙的检测方法目前主要还是采用劳动强度大、工作效率低、随意性大、客观性不强、也不符合当前标准化要求的人工检测方法。运用计算机视觉和模式识别技术,研究了基于计算机视觉的脐橙分级系统,首先对获取的图像分割出背景、脐橙本体和表面缺陷,再根据脐橙的分级标准,提取出果实横径、表面缺陷的特征参数,采用径向基神经网络对脐橙样本进行了等级识别,实现脐橙的自动检测与分级。     

基于机器学习的免套袋苹果缺陷分级

为提高免套袋苹果分级效率,最小化果梗与花萼对缺陷区分的影响,提出了一种基于机器学习的免套袋苹果缺陷分级方法,该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像,利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV(Hue saturation value,色调、饱和度、明度)颜色空间的特征提取疑似缺陷区域,用种子填充法按序标记疑似缺陷区域,并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM(Support vector machine,支持向量机)模型,进行果梗、花萼与缺陷的区分,计算当前图像的缺陷数量与面积,再计算苹果3个不同侧面图像的总缺陷数量与面积,实现免套袋苹果缺陷分级。结果显示,正常区域、果梗区域、花萼区域在SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%,满足苹果分级的实际生产需求。     

双螺旋等径不等螺距分级装置的设计及运动仿真

[目的]为了提高杏切分去核机械化作业的质量,促进后续加工产品的开发,进行了新型果蔬分级机构的设计,并确定关键工作部件的参数.[方法]在分析现有基于外形尺寸分级新鲜水果存在的问题的基础上,设计了双螺旋不等螺距分级装置,进行了计算机建模和运动仿真.[结果]验证了该分级机关键装置结构设计的合理性.[结论]通过计算机建模和运动仿真,可及时修改设计参数,避免结构设计缺陷,确保了分级机分级精度.利用研究内容,设计的尺寸分级机已经在企业中作为杏切分去核前处理设备得到了应用.     

基于方向信息测度的钢丝绳表面缺陷检测

提出了一种基于方向信息测度的钢丝绳表面缺陷检测方法.根据钢丝绳表面的纹理特点,设计了一种新的空域同态滤波器,可增强缺陷纹理图像和消除不均匀光照对缺陷纹理检测的干扰;改进方向信息测度方法,实现了钢丝绳纹路与背景的分离;提取钢丝绳纹路的纹理特征并使用神经网络进行缺陷识别.结果表明,该算法能快速、准确完成对钢丝绳表面缺陷的自动检测.     

基于支持向量机的苹果颜色分级

为了克服苹果颜色分级中存在的误差大等缺点,提出了一种新颖的智能分级方法.设计了基于支持向量机的苹果颜色分级系统,即利用计算机视觉技术获取苹果表面颜色的色度作为颜色特征;依据支持向量机理论,选取径向基函数作为核函数,采用"一对多"的方法构造多类分类机;将苹果的色度特征作为分类机的输入样本,对苹果进行分级.对大量样本进行分级仿真试验,结果表明,该方法分级正确率很高.将支持向量机应用于苹果颜色分级切实可行且效果显著.     

基于统计复杂性测度、多重分形谱等方法的柑橘品质分级

为精确地度量柑橘品质分级,研究了病虫害为害状冰糖橙缺陷果实复杂性测度机器识别、脐橙果实周长-面积分形维数与分段色调单位坐标化多重分形谱高度/宽度的形状和颜色分级及糖酸度无损检测。对冰糖橙生理性缺硼、锈壁虱、油胞凹陷病3种常见病虫害果实为害状缺陷在0°—50°主色调区域实施长度为1°的分段,统计各分段色调区间像素分布概率,并计算统计复杂性测度C(Y)与Shannon信息熵H(Y),以C(Y)与H(Y)为检索词计算机查询果实病虫害检索表来进行病虫害缺陷果机器识别,平均正确识别率为93.33%。对脐橙果实果梗面与侧面在相垂直的2个投影面上的图像进行去背景与边界轮廓提取操作,计算边界轮廓周长-面积分形维数,以此为指标检索果实信息字典进行脐橙形状分级,正确率100%。以脐橙果实相对的2个侧面图像为研究对象,去其背景,将30°—120°主色调区域进行30°—50°、50°—70°、70°—90°和90°—120°的区间分割,生成4幅色调图像,计算此图像多重分形谱质心坐标、高度与宽度,对该高度与宽度进行单位质心坐标化处理,一方面以单位质心坐标化多重分形谱高度与宽度为指标检索果实信息字典进行脐橙颜色分级,正确率98%;另一方面以单位质心坐标化多重分形谱高度与宽度为参数通过糖酸度偏最小二乘模型映射果实糖酸度,糖度与酸度标准差分别在0.77及0.36以内,与实际值的相关系数分别在0.8及0.7以上。试验结果表明:统计复杂性测度、周长-面积分形维数、单位质心坐标化多重分形谱高度与宽度较精确地反映了柑橘分级中需识别的冰糖橙果实病虫害缺陷的特征、脐橙果实形状与颜色特性及内部糖酸度无损检测映射参数特点。     

基于K-means聚类和改进MLP的苹果分级研究

为准确实现多特征融合的苹果分级,提出了一种基于K-means聚类和改进MLP的苹果分级方法。该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权以及改进的MLP分级网络训练。首先借助均值滤波算法和直方图均衡化操作改善苹果图像质量;接着借助K-means聚类算法进行背景分割;在果体与背景分割的基础上,依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;然后借助皮尔逊相关性分析和人工挑选偏好权重对特征数据集综合加权,模拟人工分级场景;最后将特征数据送入改进的MLP神经网络中完成苹果的分级定等。通过对400个定好等级的苹果进行分级测试,准确率达到94.25%,验证了分级方法的可行性与准确性。该方法与现行的苹果分级标准相结合,具备时效性强、检测指标完备等分级优势。     

管道缺陷类型多特征量阈值识别方法

目前,针对油气管道表面缺陷的识别尚无有效的识别方法。针对该问题,基于金属磁记忆技术,利用带圆孔腐蚀缺陷和直角弯应力集中缺陷的管道测试件获取磁记忆检测试验数据,建立了一种针对管道腐蚀缺陷和早期应力集中缺陷识别的多特征量统计识别方法。在实验室环境下,利用该方法对3个测试件进行了缺陷类型识别;在油田现场环境下,分别对两条管道的缺陷类型进行了非盲测验证和盲测验证,识别正确率均达到80%以上,表明所建立的缺陷类型识别方法对于管道腐蚀缺陷和早期应力集中缺陷的识别是有效的,且识别率较高,可为该领域研究提供一定参考。(图5,表8,参24)     

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。     

控制商品混凝土表面气泡的综合措施

分别从材料选择、技术方案的设计和组织管理三方面研究了混凝土表面气泡的防治措施,提出了以系统管理运作模式来治理混凝土表面气泡缺陷的方法,从组织管理到技术措施的系统运作模式的认真执行将能有效避免混凝土表面气泡缺陷的产生.     

基于嵌入式的农作物叶部病害分级系统

为了实时获取作物病害程度信息,设计了一种针对农作物叶部病害分级的嵌入式图像采集处理系统,该系统采用ARM9体系的处理器S3C2440A,移植了Linux操作系统,并利用USB外接的接触式扫描装置实现对农作物叶部图像的采集工作,利用嵌入式系统对农作物叶部图像进行相应算法的处理,最后将分级结果通过LCD显示器显示出来。验证结果表明:利用嵌入式技术与扫描装置的结合对作物病害进行分级处理,其方法准确、高效,能够真正实现作物田间的无损检测。     

改进BSCB与样本块耦合的单板节子缺陷图像修补算法

分析了我国旋切单板生产过程中对单板节子缺陷挖补上存在的问题,提出了将图像修复理论、方法应用于单板节子表面缺陷图像的自动修补中,以提高旋切单板生产过程的自动挖孔补节智能化水平。针对BSCB算法在单板节子表面缺陷图像修复上存在的不足,提出了一种新的BSCB改进算法,使其在单板节子图像结构修复上得到比较好的效果。但是该算法对单板节子区域较大、节子周围纹理比较多的情况,修复效果不是很好。为此,又提出了将改进后的BSCB算法与基于样本块的图像修复算法相耦合的单板节子缺陷图像修复新方法,实现了对旋切单板节子缺陷图像的结构和纹理部分的修复,并通过数值实验验证了该方法的有效性。     

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。     

红肉冰糖橙的品质与遗传鉴定

【目的】探明红肉冰糖橙的品质及遗传变异状况,以期为红肉冰糖橙芽变品种的选育及其开发利用提供理论依据。【方法】采用分光光度计法、HPLC法和改良CTAB法等方法分别测定甜橙各品质指标及汁胞红色色素,提取其叶片DNA,分析比较红肉冰糖橙与红肉脐橙、普通冰糖橙的品质及遗传差异。【结果】在红肉冰糖橙、红肉脐橙和普通冰糖橙中,果实横径和纵径分别为65.66～79.18 mm和63.58～77.84 mm,均为红肉脐橙＞普通冰糖橙＞红肉冰糖橙;皮厚为3.28～3.96 mm,依次为普通冰糖橙＞红肉脐橙＞红肉冰糖橙;可食率为62.81%～65.90%,依次为红肉冰糖橙＞红肉脐橙＞普通冰糖橙;可溶性固形物为11.33%～12.53%,依次为普通冰糖橙＞红肉冰糖橙＞红肉脐橙;可滴定酸为0.20%～0.78%,依次为红肉脐橙＞普通冰糖橙＞红肉冰糖橙;维生素C为58.36～63.39 mg/100mL,依次为红肉脐橙＞普通冰糖橙＞红肉冰糖橙;β-胡萝卜素为3.34～70.98 μg/g,依次为红肉脐橙＞红肉冰糖橙＞普通冰糖橙,番茄红素为0.74～3.19 μg/g,依次为红肉冰糖橙＞红肉脐橙＞普通冰糖橙,类胡萝卜素为69.72～212.87 μg/g,依次为红肉脐橙＞红肉冰糖橙＞普通冰糖橙,各品种间3种色素含量均差异显著;引物合成后经PCR扩增,红肉冰糖橙在100～250 bp出现特异性条带,与普通冰糖橙在DNA水平存在差异。【结论】红肉冰糖橙果实为红肉、低酸、早熟、无籽或少籽,其品质较普通冰糖橙明显提升,引物合成后经PCR扩增,在100～250 bp出现特异性条带,与普通冰糖橙在DNA水平存在差异,具有成为新品种的遗传基础。