基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

基于可见光机器视觉的棉花伪异性纤维识别方法

为提高皮棉质量和皮棉中异纤的检测精度,提出了一种基于机器视觉的棉花伪异性纤维识别方法。皮棉经过开松装置被制成薄棉层,检测通道两侧的相机对棉层进行拍摄,并将采集到的棉层及异纤和伪异纤图像保存到工控机,通过图像分块及阈值分割等算法,提取伪异纤目标区域,统计获取区域的数个颜色、形状和纹理特征,基于特征数据,分别使用BP神经网络、一对一有向无环图策略线性核函数支持向量机和径向基核函数支持向量机对两大类棉花杂质进行分类识别。实验结果表明,99.15%的伪异纤目标可被准确识别,径向基核函数支持向量机在棉花异纤和伪异纤分类识别中,总分类正确率为95.60%,能够满足在线检测的要求。     

机器视觉排种试验台的研制

系统介绍了黑龙江省农机院研制的新型排种器试验台。该试验台包括可模拟机械和气力两种精密排种器高速作业,并具有实现稳定承种的机械装置和控制系统。基于试验台的工作原理,给出了机械结构简图、监控系统电气原理图,并简述了机器视觉方法测量排种粒距的原理和程序流程。该方法具有精确、直观、实时的优点。     

农业机器人视觉导航技术发展与展望

概述了农业机器人主要的导航方式，综合分析了目前国内外视觉导航研究现状及存在的问题，并提出了进一步研究的方向与途径。     

基于计算机视觉系统的溶液浓度快速检测方法

基于计算机视觉系统的RGB色度学理论,提出一种测定有色溶液浓度的数字色度法,并开发了与之配套的软件检测系统。该方法与分光光度计相比,大大提高了检测效率,理论上每分钟可完成上百个样品浓度的同时测定。通过软件系统分析样品色度信息,实现自动显示被测溶液浓度的良好效果,为一次性成批检测溶液浓度提供了一种简捷快速的新思路。     

啮小蜂视觉和触角在交配中的作用观察

本文研究了啮小蜂Tetrasichus,sp．视觉和触角在交配中的作用，实验结果表明，视觉对雄蜂起重要作用，对雌蜂作用则不显著；触角在啮小蜂求偶识别和接受中起重要的作用，雄蜂柄节具有一分泌小孔，求偶的雄蜂遇到雌蜂后柄节能分泌大量的膏状渗出物，雌蜂是靠接触雄蜂触角来识别和接受雄蜂。     

人文精神变革下的城市视觉污染及其防治

城市的发展建设是建设文明社会、和谐社会的重要组成部分。在人文精神的引导下，城市建设应朝着人与自然的和谐方向发展。然而现代城市中出现的各种视觉上的污染及其所造成的危害，却与我们所提倡发展城市人文精神，建立人文城市的内涵相违背。本文在分析了城市的硬环境和软环境存在的几个重要的视觉污染的基础上，提出了发展人文城市，杜绝城市污染源的几点建议。     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

农林环境机器视觉导航路径生成算法及应

提出两种自然环境中的路径导航线生成算法:对于矮小作物规则分布的农田场景,在标准Hough变换的基础上,预先检测共线点峰值的限定偏角阈值,以迅速检测关键信息;对于林地环境及类林地环境的高大作物农田场景,寻找树干与地面的交点,形成机器人行走的左右边界,再求两边交点的中值产生一列点簇.对该列点簇进行Hough变换检测直线作为导航线,或应用最小二乘法拟合左右边界,求其中线作为路径导航线.Matlab对比仿真表明,几种算法对各自适用的场景具有可靠稳定的路径辨识能力,可对图像进行有效的批量处理.     

Classification of guppies’ (Poecilia reticulata) gender by computer vision

Labor costs of guppy growers and breeders are largely those of manual sorting (by strain, quality and gender) and counting fish. In most farms, female and male fish are grown together and sold either separately or together. Sorting fish according to gender is important for marketing as well as for breeding programs, so that a device for sorting and counting fish can potentially reduce production costs and improve quality.

A project aiming to develop sorting and counting technologies for ornamental fish growers included development and testing of image-processing algorithms for sorting guppy fish (Poecilia reticulata) by gender. The algorithms are derived from shape and color differences between female and male guppies. An algorithm for the determination of landmarks on fish contours was developed and found to be accurate in accordance with human judgment, enabling extraction of specific shape and color features of the tail and the body.

The algorithms were applied to three sets of images of guppies of the “Red-Blond” strain. Gender identification accuracy was approximately 90% using shape features, approximately 96% using color features and was slightly improved when both color and shape features were used.

Some of the components used are essential for future development of a computer vision based system for sorting and grading ornamental fish by strain and quality.