猕猴桃自动分级设备设计与试验

针对目前猕猴桃采后人工分级费时费力、自动分级成本高等问题,通过机械分离输送、图像采集与处理、智能控制等技术,研制了一套实用的猕猴桃自动分级设备。该设备包括单行定位输送系统、图像采集系统、分级执行系统和控制系统,通过多特征提取和融合分级的方法对猕猴桃实现了自动分级,同时在线监控参数。经试验验证,该设备按体积、形状、表面缺陷特征分级的准确率分别可达88.9%、91%、94%,融合分级的准确率可达86%。     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

红枣自动快速无损检测分级机研究

设计了基于机器视觉技术的红枣自动快速无损检测分级机,可依据枣果外部综合指标进行判别分级。整机由单体化定向排布输送系统、多表面图像采集与处理系统、分级执行机构、传动及控制部分组成。根据整机工作原理,采用辊轮输送链板与间歇式凸轮拨枣机构相结合的方式,实现枣果快速单体化排布输送,利用工业相机与STM32嵌入式系统配合正面及背面光源进行枣果多表面图像采集,采用气动式分级执行机构完成枣果分级。理论计算与试验表明:输送带最佳倾角为28°,当运行速度为160 mm/s时,输送带驻枣率为95%,分级速度达10个/s,分级准确率92%,最大产能550 kg/h,可较好满足红枣自动化快速检测分级生产要求。     

基于计算机视觉的胡萝卜外观品质分级系统与装备

为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。     

水果外观质量智能化检测系统设计

综合了市场上各类水果分级设备的优点,该文提出了一套水果外观品质智能化检测系统的开发设计流程,从理论上进一步探讨了水果外观品质智能化检测的方法途径。水果在线分级装置主要由上料结构、输送结构、机器视觉系统、气动分选结构以及电器控制部分等组成。机器视觉系统包括工业控制计算机、CCD摄像机、光源、光箱、图像采集卡、触发器和I/O卡等;气动部分包括电磁阀、空气压缩机及喷气嘴等;电器控制部分包括PLC、固态继电器等。      

基于计算机视觉技术的天麻分选装置设计

为了解决天麻外观品质检测问题,设计了一种在线实时检测装置,用于天麻的品质动态实时检测。为此,确定了关键部件主要结构和参数,阐述了其总体结构及工作原理。天麻通过放料部分进入滚筒,经滚筒传输至上料部分,上料部分的辊轮将其运送到翻滚槽口,经翻转后进入托盘机构,托盘机构在链条的带动下以一定速度向前输送至图像采集部分,从而获取天麻整个表面信息。图像识别系统对采集到的天麻图像进行综合分析判断,确定天麻品质和位置信息,传送给分选执行机构,对天麻进行智能分选。试验结果表明:识别模型识别效率为99.34%,步长为7.06个/s,准确率为95%,可为天麻分选装置设计生产提供理论指导。     

水果机器视觉质量综合分选机的设计

为满足水果外观品质和质量综合分选的实际需要,设计了一种集机器视觉与质量检测为一体的水果自动分选机.该分选机主要由机械系统、称重模块、同步控制系统和图像处理系统组成.为此,介绍了各部分的结构及工作原理,给出了水果同步检测过程的实现方法.通过这种综合设计,该分选机能实时检测水果的大小、质量、颜色、表面缺陷状况和果形等品质,并能根据预定标准综合评定水果的等级,对水果进行自动分级.     

基于机器视觉的马铃薯智能分选方法与实现

为实现马铃薯智能检测与自动分级,提高马铃薯分级效率,本文在现有水果机械分选机的基础上,加装机器视觉系统和智能分级控制系统,提出马铃薯外观品质检测算法,实现马铃薯智能分选系统。首先下位机发送信号给上位机机器视觉系统控制摄像头拍照;然后上位机根据马铃薯形状、颜色和缺陷特点,采用近似椭圆法进行形状检测,采用逐点检测法检测绿皮区域,采用自适应阈值分割法分离缺陷区域,并以缺陷面积比进行缺陷检测;最后上位机将检测结果通过串口发送给下位机,分级执行器执行分级结果将次品拣出,再配合机械分选的压力传感器信号进一步实现正常品的重量分级。经测试:本文提出的分级检测算法对形状、绿皮和缺陷的检测正确率分别为93.3%、94.1%和88.3%,综合检测准确率可达到90%。本文构建的分级系统运行稳定,每秒可分选25个马铃薯,基本满足马铃薯实时分选的需求。     

烟叶自动定级分拣系统设计

设计了一套烟叶自动定级分拣系统。该系统采用输送带机构承载并输送烟叶,烟叶通过定级系统完成外观图像采集、数据处理与级别判定;分拣机械手结合位置检测传感器按照级别信息完成对烟叶的按级分拣。     

基于视觉的茭白自动分级包装设备研究与开发

为降低茭白品质分级的劳动成本,建立统一分级标准,提高茭白分级包装的准确率及效率,开发一种基于机器视觉的茭白自动分级包装设备,利用深度学习技术获取茭白大小、形状、颜色、病虫害情况等表型特征对茭白进行品质分级。设备包含控制系统、上料模块、品质分级模块、分拣包装模块,具备自动分料、传输、品质分级、分拣包装功能。完成分料移送机构和归整机构设计以约束茭白位置实现单根有序稳定传输。机械臂4自由度协同控制确保茭白分拣包装有序进行。经现场测试,茭白品质分级的准确率为95.62%,分级包装效率达3 s/根,且稳定性良好。结果表明,该设备能自动、准确地完成茭白的品质分级和分拣包装,可为实现“机器换人”的转化和提升农业智能化水平提供技术支撑。     

基于机器视觉的穴盘幼苗分级移栽系统设计与试验

针对穴盘幼苗工厂化生产中人工分级移栽劳动强度较大的问题,提出了基于机器视觉和图像处理自动分级方法,设计了一套穴盘幼苗分级移栽系统。首先,运用图像分割、模板匹配等方法提取穴盘幼苗叶面积、地径、株高3个特征,并以此训练SVM自动分级模型;然后,开发了基于Opencv3.6、Qt5的软件,实现了穴盘幼苗的实时在线分级;最后,使用穴盘幼苗分级移栽样机对7~10天的番茄幼苗进行自动分级移栽试验。结果表明:在平均移栽速度为9.6株/min时,移栽成功率为96.88%,分级正确率为95.83%,可以连续稳定工作,有效解决人工费时费力问题。     

基于声学特性的西瓜糖度检测与分级系统研究

糖度是西瓜分级的重要指标之一,针对传统西瓜检测方法的弊端,探讨了声学特性结合机器学习用于西瓜无损检测与分级的可行性。设计了西瓜声学检测系统,采集了不同批次样本的时域信号。时域信号经归一化处理后,采用快速傅里叶变换得到频域信号,并对其进行去趋势预处理。采用主成分分析提取了频域信号主成分,其中前3个主成分累计方差贡献率为95.32%,第1主成分和第2主成分对不同等级样本具有可分性。利用4种不同的机器学习算法建立了西瓜全变量分级模型,验证集分类准确率均达到66%以上。使用稳定竞争性自适应加权算法提取了特征变量,减少了约84%的变量数,使用优化后的特征变量建立的分类模型,性能均得到了较好的提升,其中支持向量机模型取得了最高的验证集准确率（95.56%）、F1分数（96%）和Kappa系数（93%）。结果表明,声学特性结合机器学习的方法,对西瓜进行无损检测和分级是可行的。该研究为西瓜无损检测和分级提供了可行的技术方案。     

苹果无损检测和品质分级技术研究进展及展望

中国苹果总产量高,但出口量占比低,高端苹果市场多被进口苹果所占领,主要原因是缺乏果品品质分级精选技术与装备,采摘后处理自动化程度低,大部分果品未经加工或简单粗加工后进入消费市场,果品品质不稳定,大大降低了市场竞争力。本文分别对苹果品质无损检测和分级技术的现状进行了研究进展分析,并对其发展进行了展望。苹果无损检测技术主要包括光谱、电特性、CT、色谱、电子鼻和计算机视觉技术,针对各种技术的功能特点和优缺点,提出了发展基于新型传感器技术的苹果气味检测方法;苹果品质分级则主要采用基于机器视觉的多特征分级方法,苹果品质无损检测技术与分级技术的有机结合是苹果品质分级技术的发展方向,同时这对于提高苹果产业竞争力具有促进作用。整体而言,中国苹果品质无损检测和分级技术发展需求紧迫,检测新技术如采用纳米科学、生物技术和人工智能方法的传感器技术及产品在苹果无损、品质分级检测方面具有巨大潜力,多技术的融合如集成电、光、气和计算机视觉等实时、高效、高精度的苹果品质分级系统可能是提高苹果分级品质和提升苹果产业竞争力的重要发展方向。     

基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

猕猴桃分级果实表面缺陷的检测方法

猕猴桃的自动化分级中最为复杂、费时的是表面缺陷检测.猕猴桃果实表面缺陷主要包括碰压伤、划伤和日灼,检测过程包括缺陷分割和缺陷识别两个阶段.猕猴桃机器视觉采集系统采用近红外光源采集图像,并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰;图像分析获取最佳阈值,最后图像分割得到猕猴桃果实表面的黑色斑点区域,包括真正的缺陷区域和梗萼区域.通过试验表明,近红外光源能有效提取猕猴桃果实表面的划伤、腐烂伤和日灼缺陷,而且近红外光源图像有效地避免了传统光源图像的反射亮斑区域,通过实验结果,分析针对分割出的可疑缺陷区域如何正确识别,可利用双金字塔数据形式的盒维数快速计算方法,提出描述该区域粗糙度和纹理方向性的特征参数,依此来区分真正缺陷和梗萼区域.     

计算机视觉信息处理技术在苹果自动分级中的应用

苹果在水果消耗中占有较大份额,对其进行分级销售可提高经济效益。在以往的苹果分级中,大都采用人工方法进行,只考虑大小、色泽方面的影响,导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中,如水果和蔬菜的自动收获及农产品的分级。为此,利用计算机视觉系统采集提取苹果图像,采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理,设定等级区分参数,再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离,提高了苹果分级的正确率,节省了劳动力,可以广泛地推广应用。     

基于介电特性的苹果内部品质预测方法研究

快速无损检测水果糖度、硬度及含水率等内部品质对确定水果的营养价值和分级销售有着重要意义。为准确利用理化特征对苹果内部口感品质进行无损分级,提出了一种基于随机森林的苹果内部口感品质多语义分类模型。采用苹果的介电参数作为随机森林模型的输入,基于TF-IDF算法对苹果内部口感品质进行分类,依据介电参数推断苹果的理化特征。实验结果表明:该方法可有效实现对苹果内部口感品质的多语义分类,均方根误差为0. 51,可为水果等农产品的无损检测及分级提供参考。     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统。工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得到最佳的马铃薯图像,且目标图像能与背景图像很好分割,提高了缺陷检测的准确度和效率;采用RGB彩色模型对马铃薯图像进行分析,以马铃薯图像设定的阈值与标准差值相比较,得到图像中所有缺陷点,并对马铃薯图像缺陷部分的连通区域进行标记。选择1000个试验样本进行系统和人工分级与检测的试验,结果表明:自动分级系统对不同类别大小的马铃薯分级有较高的准确度,缺陷检测系统对多种缺陷的检测准确精度很高,并验证了马铃薯缺陷检测系统的可行性。     

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。