基于MATLAB的票据自动报账系统设计与实现

目前,国内会计师仍采用人工方式进行票据数据录入,完成账目的处理,错误率高且效 率低,针对该问题,本系统开发出一款对发票实现自动化信息识别并报账的软件,实现从数据采 集到报账完成一体的自动化服务。本系统在MATLAB 软件上运行,结合光学识别OCR 引擎 Tesseract 软件实现功能,基础功能包括:票据图像的无线收发、票据图像信息提取处理与识别,自 动生成财务报表等功能。此外,为了提高系统的可靠性,增加了如多段关键信息截取、图像的倾 斜校正、数学形态学处理等技术。     

基于C++的图像检测系统的设计

本文是基于C++编写图像处理程序,完成图像检测系统的设计,系统功能包括:打开*.bmp文件,图像的灰度处理、二直化、阈值变换、平滑滤波、边缘检测,智能识别等。系统开发和程序运行平台为Win7,采用C++Builder软件。检测系统通过调试运行,初步实现了设计目标。     

基于图像处理的蓟马计数方法研究

针对温室内蓟马监测中存在的人工计数调查费时费力且蓟马正确识别率低的问题,试验设计了一种基于性诱的害虫诱捕器和自动化计数器,实现了对蓟马的自动识别计数。以蓟马为研究对象,运用蓟马诱芯和蓝色黏虫板对蓟马进行诱捕;图像采集设备定时拍摄蓝色黏虫板图像;基于图像处理方法构建自动化计数软件对蓟马进行识别与计数,并将自动化计数软件对蓟马的计数结果与人工计数结果进行比较。结果显示,对于蓝色黏虫板上的蓟马计数,人工计数和图像计数的误差在8%左右,自动化计数软件能够实现对蓟马数量的自动统计。该方法不仅是田间害虫远程监测系统的基础,促进了植保信息技术的发展,而且为运用图像处理识别微小昆虫提供参考和依据。     

基于组态软件的能源计量点数据采集与处理系统研究

为了提供准确、高效和自动化的能源采集与统计分析系统，本研究采用了组态软件实现能源计量点数据采集与处理。针对能源点数据采集与处理的特点，系统开发了数据采集程序和利用组态软件的数据处理程序。整个系统主要由两大部分构成：电能数据采集系统和数据处理系统。分析了各部分的功能和特点。该系统已成功应用于武钢轧板厂能源管理系统。实践证明该系统为实现能源管理自动化、决策科学化提供了重要的技术手段。     

基于SVM的高粱叶片病斑图像自动分割提取方法研究

为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。     

农田害虫实时检测装置的设计与实现

研制的第二代农业田间害虫实时检测装置由硬件和软件两部分组成，硬件包括诱集致昏缓冲机构、分散传送机构、均匀光照系统和图像视觉系统；软件包括害虫图像增强、分割、特征提取及识别分类等几个环节。检测装置实现了害虫诱集到识别分类的全部自动化，无需人工参与，能以86％以上的识别率识别出农田中常见的9种害虫。并通过试验验证了该装置的可行性。     

基于机器视觉的烟仓机器人路径识别与控制

仓库中醇化的烟叶因含有水分,在微生物作用下会发生霉变。为降低烟叶霉变检测的劳动强度,提高烟叶检测效率,我们基于机器视觉研发了一款搭载FLIR C3红外热成像检测仪的烟仓机器人。本研究主要介绍了烟仓机器人软硬件控制系统的设计,并对机器人行进路径的识别与控制进行研究。烟仓机器人的硬件控制系统采用32位ARM处理器STM32F103ZET6,利用OV2640传感器进行图像的采集与传输;软件控制系统基于Microsoft Visual Studio 2010开发环境,调用OpenCV等图像处理函数,实现图像分割、边缘检测及路径识别与规划。路径识别采用基于机器视觉的方法,利用高斯滤波去除图像中的噪音、干扰,经阈值化处理后采用Canny算子进行图像边缘检测处理,通过Hough变换,提取出车道的边缘线及车道中心线,根据车道中心线的角度偏差和像素偏差制定控制策略,从而实现烟仓机器人的自控行走,实际运行试验结果表明,该系统能够很好地实现路径识别和运动控制。本研究可为无线通讯和路径识别控制类机器人的相关设计研究提供参考。     

田间杂草识别软件系统的研究

除草剂的使用方式都是大面积喷洒,不仅造了浪费,也带来了许多负面的影响,研制用于化学除草的田间杂草识别系统是当务之急。本系统基于VC++6.0开发,完成了图像中植物与背景的分离、并利用形态学算法实现阔叶子植物与窄叶子杂草的识别处理。     

基于Android平台的水稻病害智能诊断关键技术研究

针对手机客户端上传图片缓慢、损耗数据流量、图像检索和处理能力有限等问题,提出客户端对病害图像进行实时采集和压缩并上传、远程服务端识别并返回结果的方法,阐述了系统实现过程中的一些关键技术(如JPEG图像压缩技术、Open CV图像识别处理技术等),且基于Android平台构建了水稻病害智能诊断平台。结果表明,该系统能及时、准确地鉴别病害种类,提供准确的诊断信息和防治方法,同时还能解决客户端图像处理能力低下、图像上传缓慢等问题,具有较强的实用性。     

基于移动应用的油田安全自动化监控

通过搭建基于移动应用的油田安全自动化控制模型,介绍了WCF远程通信、设计模式、阿里云服务、研华ADAM-6017模拟量输入输出模块、索福达可燃气体变送器等技术应用和设备使用方法,其中包含了该模型的核心算法以及代码。自动化监控系统基于联合站现有安全监控识别设备,采用物联网和云服务技术,整合管理多类型气体监控设备和场站控制器,完成包括数据采集、信息识别、网络传输、自动化控制的功能,将报警信息通过生产数据网络传输至云服务,同时分发消息至场站监控室和用户移动客户端,通知用户险情信息,触发警报并控制单位门禁系统联动。     

嵌入式植物自动识别系统的设计与实现

采用嵌入式技术和图像处理技术,通过提取叶片相对稳定的形状特征实现对植物种类的识别分类。系统基于Ubuntu 10.04,采用Qt Creator1.3.1在北京博创公司的UP-NETARM2410-S开发板上进行了实现。功能包括植物叶片的采集和图像拍摄、图像预处理（图片灰度处理及轮廓提取）、图像特征提取（包括叶片的圆形度、偏心率等特征）、图像识别这4个步骤。实验结果表明:该系统可以比较准确地实现对银杏Ginkgo biloba,樟树Cinnamomum camphora,无患子Sapindus saponaria等9种植物叶片的识别分类。图6表1参13     

土壤墒情自动化监测及应用

介绍了"德州市气象局土壤墒情信息综合处理系统"的系统内容,从数据收集与处理、图表生成、土壤墒情信息发布等方面介绍了其软件功能的实现,以期促进德州市干旱监测工作的开展。     

国家农业信息化工程技术研究中心研发的自动化变频微喷育秧项目完成

<正>国家农业信息化工程技术研究中心研发的自动化变频微喷育秧项目完成。该中心在黑龙江八五六及庆丰农场建成127栋自动化变频微喷育秧大棚。在每个农场安装一套自动化变频微喷系统,实现生产过程中的温度、湿度、光照等环境信息实时监测,数据存储管理等功能,并根据实时环境信息,控制电动卷膜机和电     

高形变二维码识别算法设计与实现

针对QR(Quick Response)二维码在高偏离拍摄角度下难以识别的问题,设计一种在高偏离拍摄角度下正确识别的算法。该算法通过对图像二值化处理、形态学处理、边缘检测、Hough变换和射影几何变换5个步骤,实现对图像的高准确率识别,使用java语言环境和移动终端的android环境下对算法进行仿真与算法验证,并实现了通过扫描或读取二维码图像来写入、查找信息等操作。     

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。     

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。     

基于单目动态视觉的珍珠形状分拣系统开发

为解决当前珍珠分拣自动化、智能化水平低等问题,针对珍珠形状的视觉识别,设计实现了一套基于单目动态视觉的珍珠形状分拣系统。主要研究了利用单目摄像机快速获取珍珠多表面的方法以及几何形状检测方法。根据研究内容,实现了该系统的珍珠检测平台,其主要功能为图像采集、数据/信息处理、网络通信等,为机械臂的分拣控制提供了依据。     

中草药石楠叶片图像识别的研究

本设计结合MATLAB图像工具箱以及数字图像处理技术,对中草药石楠叶片图像进行相关的图像形态处理,实施图像分割、边缘检测等大量的对比实验,完成了对中草药石楠叶片的异常与否的检测;运用MATLAB软件编程开发了叶片缺陷识别系统。     

一种基于机器视觉的工业机器人分拣系统

机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算科的一个重要分支,它综合了光学、机械、电子、计算机软硬件等方面的技术,涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发。机器视觉系统的目地就是通过机器视觉产品(即光源、镜头、相机、采集卡)将被拍摄的目标转换为图像信号,传送给机器视觉软件(即图像处理系统),来代替人眼的测量、检测和判断。其原理是由计算机、图像处理器以及相关设备来模拟人的视觉行为,完成得到人的视觉系统所得到的信息机器视觉系统提高了生产的自动化程度,让不适合人工作业的危险工作环境变成了可能,让大批量、持续生产变成了现实,大大提高了生产效率和产品精度。本文主要从拥有机器视觉的工业机器人的分拣系统原理、行业现状及发展前景三个方面简明阐述。     

面向移动终端的农业害虫图像智能识别系统的研究与开发

【目的】农作物田间害虫种类繁多,存在种间相似和种内差异的现象,容易混淆。本研究开发一个面向移动终端的农业害虫图像智能识别系统,为广大农户和基层测报人员提供一个便捷准确的农业害虫智能识别工具。【方法】农业害虫图像智能识别系统包括装有系统APP的移动客户端、服务器和基于深度学习的农业害虫识别模型。APP是在Android环境下开发的,可安装于Android系统的移动设备中。APP包括登录模块、害虫信息查询模块、害虫智能识别模块、害虫地图标记模块和害虫专家远程鉴定模块,UI界面采用底部导航栏形式。移动终端与服务器间的信息交互采用HTTP协议,害虫采集地信息显示使用百度的Android地图SDK来实现,用户和害虫信息使用MySQL数据库进行保存。在相同训练集和测试集条件下,比较了不同深度卷积神经网络模型,筛选出基于DenseNet121的农业害虫识别模型具有最高的精准度和最低的虚警率。农业害虫识别模型的程序部署在阿里云远程服务器上,当服务器端接收到移动客户端上传的害虫图像时,运行害虫识别模型,识别结果通过服务器反馈给客户端,同时将上传的图像和识别结果保存在数据库中,便于害虫图像的追溯。【结果】当用户在农田遇到不认识的害虫时,可通过装有该系统APP的移动设备(如手机或平板)拍摄害虫图像,并上传到服务器,识别结果和害虫防治信息在1—2 s内反馈至用户移动终端的屏幕上,对识别结果不满意还可远程请求专家鉴定。该系统对66种常见农业害虫图像平均识别率为93.9%,平均虚警率为8.2%。【结论】面向移动终端的农业害虫图像智能识别系统实现了66种常见农业害虫信息查询、自动识别,害虫采集地的地图显示和专家远程鉴定等功能。为农民和基层测报人员提供了一个农业害虫便捷准确的自动识别工具,无需专家到田间即可实现了用户"一对一"的防治指导,大大节省了经济和时间成本。