无核白鲜葡萄机器视觉质量预测研究!

以新疆无核白鲜葡萄为研究对象,采用机器视觉技术预测葡萄穗的质量。首先,提取RGB图像,做G,B双通道分量加运算R+B,采用高斯低通滤波法滤除图像中的噪音,采用Gamma变换法调整图像灰度,从而增强前景与背景的对比度。其次,采用自动阈值分割法分割图像,经数学形态学的腐蚀和开运算获得最佳二值图像,提取二值图像中目标区域的几何特征。最后,采用一元线性回归、多元线性回归和偏最小二乘回归预测葡萄穗的质量。结果表明,提取分割后的葡萄穗面积、周长、长轴及短轴长度等特征建立的偏最小二乘回归模型,其预测葡萄穗质量效果最佳,相关系数r2为96.91%。     

基于高光谱图像技术预测苹果大小

以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。     

基于高光谱图像的新疆红富士苹果颜色分级研究

[目的]以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法.[方法]对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类.[结果]采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7;.其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果.[结论]利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础.     

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究

对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究.在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理.提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76％ Brix,相对分析误差为2.44.在分级研究中,选择712 nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5％.结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究.     

基于高光谱图像技术的新疆红富士苹果重量预测

以新疆红富士苹果为研究对象,初步探讨应用高光谱图像技术预测其重量的研究方法。首先采用高光谱成像仪采集苹果侧面和赤道面投影图像,提取苹果高光谱图像中前景与背景光谱偏差最大的波长图像（733 nm）,对其图像分割后获得目标区域的面积（像素数）特征。随后,采用不同的特征和建模方法,建立不同的重量预测模型,对比后确定最佳模型。结果表明,采用两个体积特征建立多元线性回归重量预测模型,苹果重量预测值与实际值间相关系数为0.9927,预测均方根误差为4.3393 g。