1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。     

基于图像处理的疏透度测定及结构关系研究

为快速、准确地测定防风林林带疏透度，建立林带疏透度与林带结构因子间的关系模型，为防风林建设及调整提供合理化意见。使用图像处理技术对获取的防风林林带照片进行自动识别，通过Otsu算法自动将树木实体区域和孔隙区域分割，从而测定林带疏透度。并采用相关性分析和逐步线性回归法建立疏透度与林带结构因子间的关系模型。结果表明，采用Otsu算法测定林带疏透度的方法与图像处理软件(Photoshop)测定结果无明显差异，该方法操作简单、效率高，能够快速、准确测定防风林林带疏透度。防风林疏透度与林带行数、棵数、枝下比例、株行距、密度存在显著性相关关系，构建疏透度与林带行数、密度间的关系模型:β=-0.060 1N-0.065 8ρ+0.810 9(R²=0.961 3,P=0.000 29)。根据建立的防风林林带疏透度与林带结构因子间的关系模型，可对防风林的建设提供科学合理化的指导，使其发挥更好的防护效应。     

机器视觉技术的发展及其应用

机器视觉可以理解为基于视觉技术的机器系统或学科。机器视觉是一个不断发展的研究领域,其主要工作是对图像数据进行处理和分析。机器视觉在智能开发系统中起着关键的作用。研究智能开发系统的主要目标就是开发有能力感知,移动,并能进行经验学习的机器。而伴随着图像处理等相关技术的发展,机器视觉该技术也同时处于上升期。本文对机器视觉的主要技术做了简单的介绍,其中主要包括光源、摄像机及图像采集卡、执行机构等,并论述了其主要的应用领域以及存在的一些问题。     

基于VC++6.0的柿子采摘视觉研究及特征参数的提取

实现准确采摘离不开识别和定位这两个关键环节。要实现精确定位首先就必须准确识别果实,确定果实的质心、半径,在此基础上进行三维立体坐标的标定,从而精确计算出果实的空间位置,实现准确采摘。本文在已经获取果实图像的基础上,基于VC++6.0研究果实各种参数提取所需要的图像处理函数,比如阈值变换、窗口变换、中值滤波、梯度锐化、边缘检测、轮廓提取等,以及各种特征参数计算函数,如计算球形果的质心、半径、周长、面积、圆形度、伸长度等的函数。通过对各个果实识别各个环节所需函数来研究采摘机器人的视觉。     

基于机器视觉的脱绒棉种染色特征的提取算法

针对种子活力四唑染色法检测中由于人工视觉疲劳、劳动强度大等因素引起的人工误判情况,提出了一种基于机器视觉的脱绒棉种染色特征的提取算法。此算法是在随机选取了庄稼汉品种的脱绒棉种进行四唑试验后进行的,通过对染色棉种进行图像采集,对图像进行灰度变换、HSI颜色空间转换、中值滤波、自动阈值分割等预处理,经去噪、补洞后得到整粒脱绒棉种的面积和染色部分的面积。同时,计算出图像染色比例,为脱绒棉种活力在线检测奠定理论基础。     

TMS320DM642汇编优化方法在棉种在线筛选系统应用

为了提高基于机器视觉的棉种在线筛选系统的筛选效率,介绍了使用汇编语言优化TMS320DM642程序的几种方法。优化过程中利用了软件流水并实现了"扩展指令的使用""延时间隙的利用""循环展开""并行指令使用"等多种方法。其中"扩展指令的使用"优化了原有的处理算法;"延时间隙的利用"和"循环展开"消除了循环内多余的NOP语句;"并行指令的使用"和软件流水技术提高了DSP8个功能单元的利用率。实验使用图像尺寸为215*640像素的YUV格式图像数据,优化前处理一帧图像用时16.76ms,优化后为1.03ms,优化部分代码执行时间缩短为原来的1/16,充分证明了使用优化方法大大缩短了代码的执行时间,提高了整体系统的实时性,并为后续的复杂算法提供时间保障。     

基于可见光图像的水稻植株含水率检测技术

含水率是重要的作物生长信息，利用水稻植株可见光图像颜色的差异检测水稻植株含水率。在大棚环境下，对盆栽的水稻进行定量有差别的供水，使植株的含水率形成差异。对水稻植株RGB彩色图像进行预处理后，提取了Re、Ge、Be、GR、GB、RB共6项颜色特征量，分析其与水稻含水率心之间的关系，并用SPSS进行曲线拟合。研究表明，6项颜色特征量与Rg的相关性均显著，其中，GR与Rg心的相关性最好。     

一种快速判别梨果梗的方法

果梗完好与否是梨品质检测的指标之一,因而对果梗情况进行准确判别具有重要意义。为此,通过计算机视觉系统摄取梨的图像,利用图像处理技术提出了一种能快速判别梨果梗有无的算法。该算法的识别正确率达90%,识别速度大约在20～30ms,实现了对梨果梗进行高速检测的目标。     

机器视觉技术在温室营养液调控系统中的应用

现代设施农业趋向于采用无土栽培.无土栽培是一种采用灌溉营养液来栽培作物的方法.为此,介绍了国内温室无土栽培中营养液供给系统的研究现状,针对目前营养液供给控制存在的问题,将机器视觉技术应用到温室营养液调控中,利用作物的图像信息和环境信息,参考作物专家系统,提出控制策略,调整营养液配置参数,并阐述了系统的软硬件实现方法.     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.