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。     

改进田间杂草识别图像预处理方法的研究

机器视觉系统采集到的田间杂草图像在分割之前,需要对图像进行预处理来改善图像的视觉效果。为了提高图像的预处理效果,针对杂草图像的特点,在多级加权中值滤波算法的基础上,增加3个不同大小尺寸的二维滤波掩膜,使得在去除噪声的同时尽可能保留了更多的细节特征,从而改善了田间杂草图像的滤波效果。     

基于小波变换的Wiener滤波算法去除苹果图像噪声

在小波变换的基础上，提出了一种基于小波变换的Wiener滤波去噪方法。采用该方法对苹果图像的加性噪声（高斯白噪声）去噪，结果PSNR为184．94，视觉效果清晰（而含噪声图像的PSNR为158．23，噪声太多不清晰）。好于邻域平均法（PSNR为174．15，视觉上含部分噪声）、中值滤波法（PSNR为182．4Z）、小波阔值去噪（PSNR为171．59，视觉上也含部分噪声）和Wiener滤波去噪法（PSNR为173．65）的去噪结果，更好于数学形态学的去噪结果（PSNR为150．46，视觉上含较多噪声）。试验结果表明，基于小波变换的Wiener滤波方法对苹果图像加性噪声的去噪效果具有信噪比高、视觉效果好等优点。     

采棉机器人的研究现状及关键技术

对国内外机械化采棉技术的研究现状进行了综述,构建出了基于计算机视觉的智能型采棉机器人原型系统,分析了采棉机器人的应用价值.同时,介绍了采棉机器人的作业环境和工作对象的特殊性,总结了采棉机器人所涉及的关键技术,包括采棉机器人本体的优化设计、棉花的自动识别和分类以及路径规划和运动控制技术等,最后指出了目前应用采棉机器人存在的主要问题并提出相应对策.     

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.     

基于虚拟仪器的农产品"身份证"数字识别系统

介绍了基于虚拟仪器图形化语言LABVIEW开发的农产品"身份证"数字识别系统,采用CCD摄像机对农产品"身份证"编号进行采集,通过PCI-1411彩色图像采集卡将图像传输到计算机并进行图像处理,最后应用美国NI公司的OCR软件包对处理好的编号进行识别.结果表明,该系统抗干扰能力强且精度高.     

基于差分投影法实现仓储害虫图像的精确定位

针对仓储害虫图像的特点,提出了一种基于投影法的图像目标快速定位算法.本算法的优点是特征提取简单,计算量小,速度快;在处理时间上可以满足应用的实时性要求.通过在对仓储害虫差分图像处理中的试验证明,该算法能够快速地识别出实时采集的图像中的目标位置,定位精确.     

基于脉冲耦合神经网络的蝗虫图像分割

由于脉冲耦合神经网络(PCNN)特有的脉冲传播特性,PCNN在图像处理与模式识别领域得到了广泛应用.为此,提出了如何用脉冲耦合神经网络(PCNN)进行蝗虫图像分割.计算机仿真表明,采用PCNN图像预处理算法,可使图像中的目标(蝗虫)易于被发现;经PCNN预处理后,相同的后续处理效果明显好于未经PCNN预处理的图像.此方法验证了PCNN在图像处理方面的功能,同时也拓展了蝗虫侦测的方法.     

基于EIT的土壤中油菜根茎检测

主要应用EIT技术检测土壤中油菜的根茎。搭建16电极数据采集系统,采用相邻法激励测量模式获得成像数据并应用基于MatLab的MNR算法进行图像重建。结果表明:本实验方法能实现油菜根茎的无损检测,可以检测出油菜根茎的位置和大小信息;对干枯的油菜根茎检测效果比新鲜根茎差,而对于腐烂的根茎,不能检测出来。据此,可以对土壤中油菜根茎进行可视化观察,了解其根系生长情况。