机器视觉技术在农产品尺寸和形状检测方面的应用

农产品的外形尺寸是农产品品质的重要特征之一,因而也成为农产品分级的重要依据.农产品在其生产过程中由于受到人为和自然等复杂因素的影响,产品品质差异很人,如大小、形状、色泽等都是变化的,很难整齐划一,故在农产品品质检测与分析时要有足够的应变能力来适应情况的变化.机器视觉不仅是人眼的延伸,更重要的是具有人脑的部分功能,其在农产品品质检测上的应用正是满足了这些应变的要求.现在,机器视觉技术随着图像处理技术的专业化、计算机硬件成本的下降和速度的提高以及机器视觉系统的诸多特点已广泛地应用于农产品品质检测、品种的识别和分级中.利用机器视觉进行检测不仅可以排除主观因素干扰,而且还能对检测所得指标进行定量描述,具有人工检测所无法比拟的优越性.本文着重介绍了国内外机器视觉技术在农产品尺寸和形状检测方面的应用.     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

机器视觉技术在农产品分级分选中的应用

机器视觉技术在农业自动化领域中的应用得到了广泛研究.为此,针对机器视觉技术在农产品分级分选自动化方面的研究情况进行了综述;同时,介绍了目前比较成熟的分级分选设备,并提出了机器视觉技术在农产品分级分选应用中存在的问题及发展方向.     

机器视觉技术在稻米品质检测中的应用进展

机器视觉技术在食品、农产品的检测、分级中具有广阔的应用前景。为此,综述了机器视觉技术在稻米品种、胚芽、爆腰、黄粒米等方面进行检测的研究动态,并指出了机器视觉技术在稻米品质检测中存在的不足,为进一步应用机器视觉技术提供参考。     

农产品检测分级方法探讨

1 农产品检测分级方法1.1 人工分级 人工检测分级是利用人的视觉系统对农产品进行检测分级,此种方法比较适合水果、蔬菜、较大坚果的分级,分选质量较好,而在谷物检测分级上的应用较少见。其缺点是人脑在处理图像过程中难免带有主观片面性;人的视觉系统只能看到物体表面,不能看到物体内部的结构;长时间连续进行相同的视觉处理,人们就会感到单调、疲劳、厌倦、甚至遗忘以至效率降低或判别错误;视觉系统的图像处理是一种模糊处理,对处理结果很少能进行定量描述。     

机器视觉在农业生产中的应用研究

机器视觉技术因其非破坏性、精度高、速度快等特点,在现代农业生产中得到广泛应用。基于前人研究成果和文献分析,综述了近年来机器视觉技术在农产品质量分级与检测、农田病虫草害控制、农业自动采摘系统、农作物生长过程检测以及农业机械导航等方面的国内外研究进展,并对机器视觉技术在各领域的研究情况进行分析和总结,提出了机器视觉技术在农业生产应用中存在的问题和未来的研究方向。     

大型瓜果品质检测分级技术研究进展

较全面地介绍了目前国内外大型瓜果(甜瓜、西瓜、柚子等)品质检测分级技术的研究现状以及方法,包括声波特性、振动频谱法、电磁技术、机器视觉技术以及光谱技术。同时,提出了大型水果的检测分级技术目前存在的问题,并对未来大型水果品质检测分级技术的发展予以展望。     

中国柑橘外部品质机器视觉检测分级技术研究现状与展望

柑橘外部品质是影响消费者采购和决定市场价值的重要因素之一。柑橘颜色、大小、形状和缺陷等外部品质指标的人工检测与分级费时、费力并且主观性强。因检测结果客观性好、自动化程度高,传统机器视觉技术和高光谱视觉技术成为果蔬外部品质检测技术与装备研究的热点。综述了我国机器视觉技术和高光谱视觉技术在柑橘外部品质检测技术与装备的研究现状、面临的挑战和未来发展的方向。      

机器视觉技术在农业领域中的应用

机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域.     

基于机器视觉和光谱技术水果分级的研究进展

机器视觉和光谱技术广泛应用于农业机械化领域,对推动农业智能化发展起着至关重要的作用。针对机器视觉在水果分级方面的应用现状,从研究对象的选取、检测分级特性指标以及检测方法的选择、机械装置及生产线开发3方面综述了研究的进展和存在的问题,并预测了相关的发展趋势,为机器视觉技术在农业中的应用提供了参考。     

计算机技术在现代农业中的应用

在由传统农业的经验耕作、管理、规划、决策向现代农业的科学耕作、管理、规划、决策转变的过程中,计算机技术起着非常重要的作用。该文着重对计算机图像处理和机器视觉技术在农作物种质检测、种子计数、农产品品质检测与分级、作物生长状态监控及农业机械、农业机器人作业中的应用进行了论述,并简单介绍了计算机在节水灌溉、畜牧业生产和食品农产品安全领域的应用情况,提出将云计算应用于农业领域,将有助于解决农业高度分散、生产规模小和时空变异大等问题,应加快推进研究与技术实践。      

机器视觉高精度测量技术在农业工程中的应用

基于机器视觉的高精度测量技术在国内外已广泛应用于工业、医学、农业等领域,近年来在农业工程相关研究与应用中也得到了长足进展,应用对象涉及到蔬菜、水果、农作物和相关农业作业装备等。为此,从机器视觉定量检测和精确检测的角度出发,综述近年来机器视觉检测技术在农产品分级、农业机器人动作规划、植物生长参数检测和播种机排种性能试验等方面的应用以及进展,同时也简要讨论了该技术在非农业领域的应用现状和在农业工程领域的发展趋势,为农业现代化新技术的应用提供参考。     

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。     

机器视觉在农产品品质检测和采收包装中的应用

机器视觉技术代替人工视觉不仅可以提高工作效率和自动化程度,而且可以适应一些复杂环境,避免人工作业中由于主观因素影响出现的误差。为此,从农产品的表面缺陷和损伤、尺寸与形状和颜色识别3个方面介绍了机器视觉技术在农产品品质检测中的应用现状,以及机器视觉技术在农产品采收和产后包装过程中国内外的应用现状。     

机器视觉在农业工程中的应用

从农作物种子筛选与检测、农作物生长过程中信息检测、病虫草害控制、果实无损检测到果实机械化采摘,整个农业生产过程中机器视觉在农业智能化装备上都有巨大的发展空间和市场前景。介绍了图像采集和处理过程中各种视觉传感器和图像分割算法的适用特点和优势,提出现有机器视觉技术在农业工程中应用存在的问题及未来发展方向,为进一步实现精准农业和农业自动化提供借鉴和参考。      

猕猴桃外观尺寸在线检测分级系统设计与试验

目前市场上存在的猕猴桃分级机械主要是针对质量特征进行分级的大型机械,而消费者在购买猕猴桃时往往更注重它的外观品质,且大型设备难以在以农户小规模营销为主的市场环境下得到普及。为了实现猕猴桃外观品质的自动分选,适应广大猕猴桃种植农户的需求,设计了一种基于机器视觉的小型移动式猕猴桃外观尺寸在线检测与分级系统。该系统主要由输送机构、检测机构、分级执行机构和控制系统组成。输送机构采用倾斜式输送带方案,结构简单,便于实现猕猴桃的输送和分级;检测机构采用图像处理的方法得出猕猴桃的大小等级信息;分级执行机构借助猕猴桃的重力与旋转磁铁的开合实现猕猴桃的分离。对样机进行了试制和验证试验,结果表明:该系统的平均分级成功率为96.3%,单个猕猴桃分级时间约为2.5s。该猕猴桃检测分级系统的设计为今后完成多特征指标的融合分级提供了基础和依据。     

基于机器视觉的植物表型研究现状

传统基于人工的植物表型检测方法存在效率低下、主观性严重和测量误差大等问题,已难以满足现代农林业生产实践的要求。文章在分析植物表型研究必要性的基础上,系统综述国内外开展的植物表型检测技术研究,探讨了基于机器视觉的大田复杂环境下植物表型检测技术,并指出农林植物表型检测技术的发展必将推动农林植保的智能化。     

免耕环境中视觉导航机器人行走路径的检测

针对免耕环境下农田作业机器人的视觉导航,提出了一种导航路径-梨沟线的检测算法,以提高图像处理速度。同时,介绍了图像采集设备,描述了农田免耕作业环境和农田作业机器人的工作流程。在此基础上,以彩色图像中的R分量为处理对象,分别判断作业区域终点和犁沟线出现位置,确定犁沟线上的候选点,并采用基于一点的Hough变换方法,获得犁沟线的直线斜率。试验表明,提出的算法具有速度快、抗干扰、准确性高等优点。     

基于机器视觉的葡萄品质无损检测方法研究进展

我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。