基于虚拟仪器的计算机图像处理与分析系统

传统的图像处理与分析系统的开发常常采用面向过程、基于文本的信息，具有开发周期长、可移植性差等缺点，而基于虚拟仪器的计算机图像处理与分析系统的开发，大大改变了传统的开发方式，其面向对象、图形化的编程的方式使开发灵活、方便、系统界面友好、开发周期短、功能易于扩充及程序移植性好，为此，根据农产品品质检测的需要，开发了一套基于虚拟仪器的计算机图像处理与分析系统。论述了系统的构成及功能。     

排种器性能检测中种子位置智能检测方法

根据基于计算机视觉的排种器性能检测的特点，提出了基于神经网络的种子位置智能检测方法。采用两个光轴互相垂直的摄像机监测投种规律，并把以矩法求取的质心图像坐标作为输入节点，构造检测种子质心实际坐标的两个神经网络，并行处理左右两幅图像，从而快速求得种子位置。实践表明，此方法不仅能求出种子位置，而且可全面监测种子的运动情况。     

计算机视觉技术在番茄收获中的应用

运用双目立体视觉技术对红色番茄进行定位，图像进行灰度变换后，对图像的二维直方图进行腐蚀，膨胀以后除小团块，提取背景区边缘，然后用拟合曲线实现彩色图像的分割，将番茄从背景中分离出来，对目标进行标定后，用面积匹配实现共轭图像中目标的配准，运用体视成像原理，从两幅二维图像中恢复目标的三维坐标，从实验数据可知，当目标与摄像机的距离为300－400mm时，深度误差可控制在3％－4％。     

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.     

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。     

计算机视觉描述缺素番茄叶片颜色变化的研究

利用计算机视觉系统代替人眼对番茄缺素进行自动识别的方法，通过对缺素番茄叶片彩色图像的分析研究，利用图像处理技术中的颜色分析方法，分析缺N和正常叶片的特征量随着缺素时间的变化规律．提出用G体均值、H色调均值来定量描述缺N叶片随时间的变化。结果表明：利用计算机视觉能定量描述缺N叶片颜色随缺素时间的变化。     

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.