霉变花生的计算机视觉识别

提出一种利用图像处理技术识别霉变花生的方法.首先用微分算子对彩色花生图像进行边缘检测,经过形态学运算、填充、合成后,得到去除背景的彩色花生图像.然后采用H和S的阈值识别霉变区域,根据像素数目计算霉变面积比,从而判断霉变情况.试验表明,这种识别方法的正确率可以达到90%.     

基于颜色特征的稻种霉变检测算法

根据机器视觉检测杂交水稻种子质量的要求，对单粒、静态稻种图像进行霉变分析识别。比较了提取颜色特征的3种方法，研究了基于颜色特征的稻种霉变检测算法，经试验验证，该算法对正常稻种、轻度霉变稻种、严重霉变稻种的检测准确率分别为92％、95％、83％。     

基于太赫兹衰减全反射技术的花生霉变程度判别

为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法。为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0. 3～3. 6 THz)。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88. 57%,对鲁花9号花生霉变模型的预测集识别正确率为91. 40%;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性。     

基于计算机视觉的花生霉变程度检测

花生是重要的油料作物,且富含蛋白质和维生素,具有很高的食用价值。黄曲霉和寄生曲霉能引起花生的霉变,产生强致癌物质黄曲霉素,对人类健康产生严重的威胁。通过对霉变程度的检测,可以为霉变花生的清选提供条件,极大地提高花生食用的安全性。为此,基于计算机视觉技术,用相机拍摄花生的图像,采用维纳滤波处理去除噪音,用B分量进行图像分割后获得目标区域图像。选用H颜色分量作为反映花生霉变程度的特征参数,根据设定的阈值评判霉变等级。该方法对花生霉变程度检测的准确率超过93%,处理单张图像耗时1 s,可以满足实时检测的要求,为花生的在线分选提供了技术支撑。     

棉花铺膜播种作业拖拉机的视觉导航路径检测

针对棉花铺膜播种作业环境复杂,视觉导航路径检测易受光照强度、噪声及划线深度的影响,设计了一种抗干扰能力强、适应性广的视觉导航路径检测算法。构建图像采集系统,实时采集铺膜播种作业图像,基于Y=0.299R+0.587G+0.114B颜色模型对图像进行灰度化处理。针对第1帧图像,首先在浮动扫描区间[M_1-k,M_2-k](M_1取560,M_2取639;k=0,k≤560,k++)从第0行开始逐行扫描像素点,提取每行灰度值最小的像素点(或灰度值最小的像素点的列坐标的平均值)作为各行路径提取的候补点,并计算每个扫描区间内的候补点列值的方差F_k;寻求F_k值最小的区间作为第1帧图像的目标区间;在目标区间内使用最小二乘法拟合候补点集群提取初始导航路径;然后,以初始导航路径为中心,左右各扩展U个像素作为扫描区间,提取每行灰度值最小的像素点(或灰度值最小的像素点的列坐标的平均值)作为各行路径提取的候补点;最后,使用最小二乘法拟合导航路径,完成第1帧图像导航路径的提取。从第2帧图像开始,首先确定以前1帧图像导航路径作为当前帧图像扫描区间的中心,左右各扩展U个像素作为扫描区间;然后,从第0行像素开始逐行扫描,并提取灰度值最小的像素点(或灰度值最小的像素点的列坐标的平均值)作为路径提取的候补点,并使用"差异权重法"平滑候补点群;最后,基于最小二乘法拟合导航路径。采集6种工况下铺膜作业视频进行验证试验,结果表明:导航路径检测准确率为100%,平均处理速度为7.020ms/帧,能够稳定、快速地检测导航路径,准确率高,适应性广,抗干扰能力较强,满足棉花铺膜播种作业的实际要求。该检测算法丰富了基于视觉的拖拉机行走路径检测的方法,为实现拖拉机自动驾驶奠定了理论基础。     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

电子鼻技术及其在小麦霉变检测中的应用

研制了一套能够快速对小麦霉变进行识别的电子鼻检测系统,该系统通过分析小麦的气味,从而判断所测小麦是否霉变.该电子鼻检测系统由5只TGS2600系列的气敏传感器组成,通过从每个传感器的响应曲线中提取4个特征值,采用RBF神经网络进行模式识别处理.该系统能够快速准确评判小麦的霉变情况,网络正确识别率为93.3%.实验表明,该系统对小麦霉变与否的检测是可行的、有效的.     

利用便捷式可见-近红外光谱仪和机器学习分辨霉变小麦及霉变程度

[目的/意义]可见-近红外光谱可对小麦霉变情况快速无损检测,但是高分辨率光谱仪价格高、体积大,不利于在农业环境中推广,因此通过对低分辨率光谱数据进行优化处理,以期接近高分辨率光谱仪分辨霉变小麦的效果。[方法]使用可见-近红外农产品检测仪(型号VNIAPD,分辨率1.6 nm)和复享光纤光谱仪(型号SIN02040,分辨率0.19 nm)采集100份小麦样本的新鲜状态以及不同霉变状态的光谱数据。首先对SINO2040光谱进行裁剪,让其和VNIAPD波长保持一致,均为640～1 050 nm;然后对其使用标准差标准化(Standard Deviation Normalization,SDN)、标准正态变换(Standard Normal Variation,SNV)、均值中心化(Mean Centrality,MC)、一阶导数(First-order Derivatives,1ST)、Savitzky-Golay平滑(Savitzky-Golay Smoothing,SG)、多元散射校正(Multiple Scattering Correction,MSC)等多种预处理方法处理并使用离群点...     

基于单目视觉的玉米粒姿态识别算法

以扬农15—1、扬农15—2、扬农15—3三个品种的玉米粒中各选100粒作为样本,测量其长度、宽度,形成样本数据;运用统计学原理及SPSS18.0软件对玉米粒样本数据进行分析,确定不同玉米品种的特征阈值,为玉米粒姿态识别提供保证。本算法通过视觉获取玉米粒图像,经过图像处理,得到玉米粒轮廓数据,提出一种改进的最小二乘椭圆拟合方法,该方法不仅能实现玉米粒胚芽方位的确定,而且能识别出玉米粒是否为正常、小颗粒、小杂质、侧立、双玉米五种状态。最后对以上三种不同品种的玉米粒进行实验验证,识别率分别为95%、96%、93%。该算法检测速度快、实时性好,为玉米粒自动夹持提供保证。     

基于图像处理的叶面积测定方法的研究

以玉米叶片为例,介绍了一种基于像素点的计算叶面积的新方法。该方法采用计算机VB编程识别像素点颜色,进而求出叶片包含的像素点数及其面积值。通过理论分析及对比,可以证明利用像素点计数的方法来求区域面积,不仅简单,而且也是对原始模拟区域面积的无偏和一致的最好估计。     

霉变板栗的近红外光谱和神经网络方法判

利用近红外光谱检测了带壳板栗的品质.在波数为12000～4000cm-1范围内采用近红外漫反射法采集了合格板栗和霉变板栗的光谱,用6种光谱预处理方法分析数据,比较了板栗近红外光谱在不同预处理方法下所建模型的识别率.试验结果表明经矢量归一化预处理所建模型识别效果最好,对预测集中的合格板栗、表面霉变板栗、内部霉变板栗的预测正确率分别为94.74%、94.44%、92.31%.     

脱硫石膏改良对吉林西部碱土酶活性的影响研究

通过燕麦盆栽试验,研究不同施用量(15、30、45、60t/hm2)脱硫石膏对不同碱化程度的燕麦根际土壤的酶活性影响。结果表明:脱硫石膏改良后,脱硫石膏四种施用量中度碱土及15、30t/hm2重度碱土的过氧化氢酶活性,脱硫石膏四种施用量轻度碱土、中度碱土的多酚氧化酶活性,脱硫石膏30、45、60t/hm2重度碱土的脲酶活性,脱硫石膏四种施用量重度碱土的蛋白酶活性,脱硫石膏四种施用量轻度碱土、中度碱土的硝酸盐还原酶活性,施脱硫石膏各碱土(60t/hm2轻度碱土除外)的三氧化二铁还原酶活性均高于改良前;施脱硫石膏后过氧化物酶活性较改良前则有不同程度的降低。     

玉米定向精播种粒形态与品质动态检测方法

为满足玉米定向精播对种子外形和品质的要求,设计了一种玉米种子精选装置,并研究了玉米种粒动态检测算法。经过脱粒并筛除杂质的种粒投入玉米种子精选装置,分两列两层传输,完成玉米种粒的动态检测。通过计算种子胚根尖端的方向,排除了种粒的重复检测现象;以人工选取的100粒标准种粒外形参数为基础建立合格种粒特征参数库,实现对种粒外形的检测;依据合格种粒和重度霉变种粒表皮亮度差异较大的特点,基于图像饱和度分量对重度霉变种粒加以检测;依据轻度霉变种粒表皮呈现块斑的特点,利用种粒的R、G、B颜色平均值检测轻度黑色霉变;以种粒黄色区域补洞后对应原种粒(B-R)的值,判断种粒的轻度白色霉变和轻度破损;对于外形和霉变检测合格的种粒,通过分析种粒区域中白色区域的大小,进行玉米种粒胚芽朝向的判断,为后续种粒定向包装和定向播种提供了依据。对280粒各品种玉米种子进行实时检测,每粒种子的平均检测时间约为14 ms,重复种粒判断准确率为95%,种粒合格性检测准确率为96.1%,胚芽朝向判断准确率为97.1%。     

茶叶嫩芽机器视觉识别算法研究

针对自主采茶机器人,研究了在茶园自然光环境下如何高效识别茶叶嫩芽。针对自然光条件下采集的茶叶图像含有大量噪声的情况,为了避免一些像素值变化剧烈的像素点,根据分析,最终选用双边滤波去噪算法,对茶叶原始图像进行平滑滤波的同时,还能有效保留图形的边缘等有用信息。采用一种新的基于颜色通道调换的算法来增大茶叶嫩芽和老叶以及环境的对比度,然后提取茶叶的颜色特征,进而分割提取出茶叶嫩芽。实验结果表明:基于颜色通道变换的算法具有高效稳定等优点,能够很好地识别茶叶嫩芽,可以满足自主采茶机器人对茶叶嫩芽识别的要求。该算法为后续自主采茶机器人的研发提供了技术支持。     

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1 200粒正常种子、1 200粒霉变种子和1 200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1200粒正常种子、1200粒霉变种子和1200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

水分胁迫对赤霞珠葡萄果实品质的影响研究

试验以3 a生赤霞珠为材料,根据黎明前叶片的基础水势(Ψb),设置轻度水分胁迫(T3)、中度水分胁迫(T2)和重度水分胁迫(T1)3个处理,以无水分胁迫为CK,研究了赤霞珠葡萄需水规律及水分胁迫对其品质的影响。结果表明:赤霞珠葡萄自2014年4月5号萌芽至9月25收获,全生育期共计168 d,累计需水624.68 L/株。其中,萌芽-盛花期需水147.6 L/株,盛花期-坐果期需水23.31 L/株,膨大期需水233.31 L/株,转色期-成熟期需水220.46 L/株。水分胁迫并不能改变赤霞珠葡萄品质形成规律,其中,重度胁迫能影响总酸及总酚积累速率,轻度水分胁迫不仅节水28.37%,而且导致浆果成熟度提高了6.66%,总花色苷增加了22.58%,单宁增加了29.70%,总酚增加了15.13%,新梢生长量降低了15.20%,单株增产了7.2%。     

基于MRF融合的银桂花朵图像阈值分割方法研究

图像分割是花卉类别图像识别过程中的重要步骤,分割结果的优劣直接影响识别结果的准确性。针对自然场景下的银桂花朵图像,提出一种基于马尔科夫随机场(Markov Random Field, MRF)的阈值分割融合图像分割算法。首先提取RGB彩色图像中的R通道、G通道、B通道的灰度图,用Otsu、Kittler、Niblack、Kapur四种阈值分割算法对灰度图进行二值化,然后利用像素局域空间能量与图像间能量建立MRF总能量泛函,最后对能量泛函进行最小化迭代求解,得到融合后的分割图。试验结果表明,提出的算法能降低树干背景影响,分割效果好,能很好地提取银桂花朵,SD、Dice、ER、NR平均值分别为93.07%、96.35%、7.73%、1.30%。     

基于深层卷积神经网络的初生仔猪目标实时检测方法

针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95. 76%和93. 84%,召回率分别为95. 47%和94. 88%,对分辨率为500像素×375像素的图像检测速度为53. 19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。     

调亏灌溉下滴灌玉米根冠生长与水分动态响应特征

以玉米为试验材料,在自动感应式遮雨棚下,采用测坑微区试验方法,研究黑龙江西部滴灌条件下调亏灌溉对作物根冠生长、干物质分配特征、根冠比、耗水特征及植株伤流量的影响。以土壤相对含水率(占田间持水率的百分数)为控制上下限,设置5个水分调亏处理,分别为苗期轻度(60%~70%FC)处理,苗期中度(50%~60%FC)处理,拔节期轻度(60%~70%FC)处理,拔节期中度(50%~60%FC)处理,苗期中度、拔节期轻度处理,另设全生育期保持适宜土壤水分(70%~80%FC)作为对照。试验结果表明,调亏灌溉不改变玉米根部和冠部生长的原有总趋势,也不改变冠部各器官生长的基本趋势,但是显著地增大了作物根冠比(R/S),复水后根、冠补偿生长效应明显,促进光合同化产物向生殖器官的运转与分配,增大了生育后期干物质向果穗的分配率。苗期中度处理和拔节期轻度处理的玉米,在调亏期间使根系维持较高的根质量,水分胁迫复水后根系活力明显提高,其伤流量表现出超补偿效应,在灌浆期仍保持较高的伤流量并且在生育后期仍保持有较高的根冠比(R/S),是协调玉米根冠生长关系的适宜水分调亏处理。