排序方式: 共有23条查询结果,搜索用时 406 毫秒
1.
胡萝卜自动分级机机械装置的研制 总被引:1,自引:0,他引:1
机械装置结合计算机视觉技术可以对胡萝卜等细长型蔬果进行自动分级。为此,设计了胡萝卜自动分级机的机械装置部分,主要由双级匀果装置、链条辊轮输送装置和直线电机打果装置3部分组成。匀果装置通过带有隔板的交错格输送带和差速带对胡萝卜进行初次和二次匀果,实现精确单果输送;辊轮输送装置推动单个胡萝卜自转进入计算机视觉系统的CCD相机视场,可获得胡萝卜全面的形状特性,使其分级精确;直线电机打果装置接收到胡萝卜等级决策信号后将胡萝卜按不同等级经U型导管推入包装箱,推果平稳、快捷,伤果率低。 相似文献
2.
针对高噪环境下语音识别的困难,以独立分量分析和小波理论为基础,提出一种负熵最大化小波语音降噪预处理新方法,对不同种类和不同输入信噪比的噪声设计了试验,结果表明在低输入信噪比情况下本方法的优越性,此结论对高噪环境下的信号分析和语音识别具有重要意义。 相似文献
3.
为了明确在单粒播种条件下田间出苗率对玉米产量的影响,以蒙特卡罗二项分布作缺苗模拟,以Voronoi图分配缺苗土地,通过对产量-密度方程进行数学恒等变换计算产量补偿,模拟了2种单粒播策略的玉米产量随出苗率(75%~95%)的变化。结果表明,缺苗斑数目与出苗率呈单峰曲线关系,缺苗斑大小随出苗率呈负指数下降;单粒播造成0.06%~16.78%的减产,且减产率随出苗率下降而增加;两种单粒播策略的产量大小和产量稳定性均有差异,且差异随出苗率下降而扩大。该研究推荐的玉米单粒播策略是:在千方百计提高出苗率基础上,播种的种子数目应当等于目标种植密度除以出苗率、保证出苗的植株数目达到推荐种植密度。该结论对于在玉米生产上广泛采用单粒精量播种具有重要参考价值。 相似文献
4.
基于计算机视觉的花生品质分级检测研究 总被引:9,自引:0,他引:9
【目的】建立能够对花生进行品质分级的计算机视觉无损检测方法。【方法】同步拍摄和扫描11类品质,每类品质100颗和100宗,每宗100颗不同等级的花生籽粒的正反面图像;参照国家标准量化花生品质籽粒的11个限制性检测项目,设计花生规格和品质等级的判别方法;测量每个籽粒的形态、纹理、颜色共3大类54个外观特征,采用主分量分析(PCA)进行特征优化,构建并比较BP神经网络(ANN)和支持向量机(SVM)品质检测模型;分别应用Matlab和Spss工具软件实现检测过程和对结果进行统计分析。【结果】前16个主分量的SVM模型,能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒,与人工检测结果吻合度达到了93%,对100宗待检样品进行检测,规格和等级检测完全正确率达到了92%。【结论】研究结果为花生的品质分级检测提供了比较系统全面的量化标准和检测方法,该方法可推广应用于花生品质鉴别、分级筛选加工和商品分级定价等领域。 相似文献
5.
基于图像处理的胡萝卜青头须根与开裂的检测方法 总被引:2,自引:2,他引:0
为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法.须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过R分量上二值化得到,开裂检测算法使用S分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度3个量化标准,对试验随机采集的520个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了97.5%,81.8%,92.3%,总体识别率91.3%.该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义. 相似文献
6.
为解决不同成熟度冬枣的样本数量相差悬殊导致的识别率低的问题,本文提出了一种基于数据平衡的Faster R-CNN的冬枣识别方法。该方法针对自然环境下不同成熟度的冬枣,首先从不同角度进行了数据平衡的Faster R-CNN冬枣识别方法研究,然后将所提出的方法与基于YOLOv3的识别方法进行了对比试验研究。研究结果表明:所提出的数据平衡的Faster R-CNN方法在样本数量不足和类别不平衡的情况下,增强了模型的泛化效果,对片红冬枣识别的平均精确度达到了98.50%,总损失值小于0.5,其识别平均精确度高于YOLOv3。该研究对解决冬枣自动化和智能化采摘的识别问题具有一定的实际意义和应用价值。 相似文献
7.
长杆状蔬果分选机工作时要求蔬果单向且单果输送,才能保证其分选效率。为此,设计了一种适合于胡萝卜、茄子等长杆状蔬果自动分级机的单果上料装置,主要由进料斗、隔板输送带、输送滚筒和调节防护装置等部分组成。本设计以胡萝卜为研究对象,通过对胡萝卜在输送带上的受力分析、隔板尺寸参数的理论推导及胡萝卜在出口的运动状态分析,合理选择了单果上料装置的结构尺寸及动力参数,以保证胡萝卜的单果上料,为其它长杆状蔬果分选机的单果装置提供依据。试验证明:单果装置单果率约为89%,计算数据与实际工作状况基本相符。 相似文献
8.
基于计算机视觉的胡萝卜外观品质分级系统与装备 总被引:2,自引:0,他引:2
为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。 相似文献
9.
10.
利用花生荚果图像特征识别品种与检验种子 总被引:1,自引:0,他引:1
为了验证以花生荚果图像特征识别品种和检验种子的可行性,选用代表北方大花生主推区的20份花生品种,从扫描图像获得花生荚果形态、颜色及纹理等50个特征,综合运用主分量分析(PCA)、神经网络(ANN)、支持向量机(SVM)、聚类分析等手段,讨论了品种识别、产地识别、DUS性状的选取和品种聚类过程,研究发现,经PCA优化特征的SVM识别模型识别效果好且识别结果稳定,20个品种的品种识别率达到90%以上。模型对3个不同产地的花生荚果正确识别率达到100%。另外从中筛选出一批对品种特异性、一致性和稳定性(DUS)测试有意义的备选特征,并建立了花生品种的谱系聚类树。研究结果对DUS性状的优选、花生品种及产地的识别及对花生谱系研究有一定参考价值。 相似文献