实现识别行间苗草的机器视觉系统设计

在耕作试验室的试验环境之下,开发并测试了能够识别行间苗草作物的机器视觉系统,硬件系统主要由速度可控制的土槽试验车装备、固定在可升降平台上可实时采集图像的imagesoure工业摄像头和作为控制台的工控计算机组成;机器视觉系统根据植物和背景的颜色特征二值化图像与田间作物的位置特征识别苗草。结果表明,采集并处理一副大小为640×480像素的彩色图像的平均时间为291 ms,在行驶速度为1.8 km·h-1条件下系统正确识别率达到了95%。     

基于机器视觉的嫁接用苗外观特征自动检测

提出了基于数学模型的幼苗外观特征自动检测方法,检测项目包括生长状态、子叶参数和胚轴参数。首先经过图像预处理提取幼苗二值图,利用行像素统计图确定特征参数基准点位置。然后以标定胚轴最小矩形倾斜度和宽度判定弯曲状态;子叶跨度通过两子叶端点距离确定,子叶展开角通过两子叶底端平展位置拟合线夹角判定;胚轴弯曲度通过胚轴中心线上曲率最大的位置为分界点分别判断两段斜度而求得,胚轴长、轴径结合斜度补偿求得。与手工测量数据对比,轴长、轴径和子叶跨度的相关系数分别为0.935 1、0.899 9和0.903 4,相对误差分别小于7%、5%和7%,绝对误差分别小于4 mm、0.2 mm和6 mm。     

基于单目多视角视觉的珍珠品质检测

利用单目多视角摄像装置直接获取5个不同视角的珍珠表面图像,对其进行图像预处理并按照成像规则进行融合拼接,从融合拼接的珍珠全景图像中提取出珍珠表面颜色、光泽度及均匀度等特征参数;依据与国家标准相一致的判断指标与相应的检测算法来识别和检测珍珠品质。实验结果表明,设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,可实时完成珍珠的颜色、光泽度及均匀度等外观品质指标的视觉检测与分类,各个指标的检测精度均达到了80%以上。     

Morphological development of post hatch larval goldlined seabream Rhabdosargus sarba (Forskål, 1775)

Ultrastructural changes in Rhabdosargus sarba larva in early life history were investigated. At hatching, the digestive system was histologically undifferentiated. The digestive tract was a straight tube attached to the dorsal end of the yolk‐sac and was not connected to either the mouth or the anus. The layer of gut epithelium at some regions of the luminal surface was straight and microvilli were not present. These straight borders were not observed at 1 day post hatching (DPH) onwards as microvilli increased in number on the luminal surface and became more regular. At 2 DPH, the digestive system was well differentiated and the separation of the mid‐ and hindgut by the intestino‐rectal valve became more advanced. At 0 DPH, the eye was spherical and the retina had a zonation with undifferentiated cells. The eye also lacked differentiated photoreceptors (PR). The retinal PRs increased in length and in number as the yolk‐sac was absorbed. By 2 DPH, the eye was fully pigmented, suggesting that the larval vision system was functional. The larvae had a pure cone retina at the onset of exogenous feeding. Morphological and functional differentiation of the digestive tract and the eye of the larvae preceded the completion of yolk and oil globule absorption. The oil globule was exhausted at 4 DPH and at 2 DPH, the yolk‐sac was completely absorbed. Food particles were observed at 3 DPH. Food particle ingestion and absorption of the yolk‐sac were observed as vision became fully functional.     

基于Zernike矩的马铃薯薯形检测

目前基于机器视觉的马铃薯薯形检测的形状特征单一,相关研究较少,为了进一步探索合适的形状特征参数及检测方法,该文将Zernike矩作为特征参数并利用支持向量机实现了马铃薯薯形的检测分类,准确度较高。首先用截取最佳图像的方法对马铃薯图像进行归一化,使得归一化后的图像具有平移和尺度不变性,然后从归一化的图像中计算具有旋转不变性的Zernike矩参数,通过特征筛选确定分类的19个Zernike特征参数,最后将这些特征输入到支持向量机中,用高斯径向基核函数（RBF）和Sigmoid核函数构建混合核函数,完成马铃薯薯形检测分类,对薯形良好和畸形的检测准确率达93%和100%,能够准确剔除畸形马铃薯并满足实际检测的要求。     

基于双目立体视觉技术的玉米叶片三维重建

玉米叶片的三维形态特征是衡量叶片生物学特性的重要指标,为了能够简捷、快速、准确的获得叶片的三维形态,该研究以两个位置相对固定的摄像机组成双目立体视觉系统,采用平面模板法标定摄像机内外参数,照射结构光测量玉米叶片边缘与叶脉点的三维坐标,对稀疏离散点进行Cardinal样条插值,三角面片化插值点重建出部分叶片三维曲面,旋转平移各部分三维曲面拼接成完整的叶片。试验结果表明该文所提出的方法不仅能够准确的重建玉米叶片三维结构,同时具有无损、非接触、自动化程度高等优势。     

基于典型叶片模板自动匹配的虫损叶面积测量

为了定量化评估农作物的虫害程度,提出了一种基于典型叶片模板自动匹配的叶片虫损面积测量新方法。先将叶片图像二值化并提取其外轮廓;再对提取的轮廓进行多边形近似,以多边形的顶点为端点将叶片外轮廓划分成若干子轮廓;然后采用形状上下文对完整叶片与虫损叶片之间的子轮廓进行自动配准,找出其间的相互映射关系;最后根据映射关系对虫损叶片进行重建,计算出虫损面积。对10类不同叶片的测量分析表明：该方法平均每叶片耗时0.962 s,最大相对误差为8.22%,平均相对误差为4.78%。其中,形状复杂度高的叶片平均相对误差为7.48%,复杂度中等的叶片为5.99%,复杂度低的叶片为1.84%。结果表明,该方法能准确而快速地测量虫损叶面积。     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

基于透射光和反射光图像同位分割的小麦品种识别方法研究

为提高基于机器视觉的小麦品种识别准确性,本文通过透射光和反射光同位图像分割对种子颜色特征参数进行了优化提取.采用透射光图像辅助反射光图像分割的方式从种子图像中分割出胚部区域,并分别提取小麦整粒、种胚、胚乳区域的颜色特征参数.以济麦22、济麦44、京麦9、京麦11共4个品种种子作为研究对象,利用HALCON机器视觉软件获...     

汽车驾驶员动态视觉特性试验研究

利用眼动仪系统纪录分析了在不同车速条件下车辆通过不同字高的交通标志牌时驾驶员眼睛注视点和注视时间的分布规律。结果表明车速和交通标志牌字体高度对驾驶员判读标志信息的过程产生较大影响:在接近标志牌的过程中,随着车速的增加,驾驶员眼睛注视点的几何中心向标志牌偏移,注视范围变小,视线变的更加集中,注视时间也随着车速的增加而延长;在一定车速条件下,当字体较小的时候,驾驶员注视点较集中,判读标志信息的时间较长,随着字体变大,驾驶员注视点越分散,视认性越好,判读时间缩短。