排序方式: 共有48条查询结果,搜索用时 31 毫秒
1.
该研究优化了由包裹橡皮的金属小球、压电式加速度传感器、电荷放大器、光电式触发电路、数据采集卡和计算机等组成的西瓜声学特性测试系统。由所获取的声波信号幅值谱计算出声透过率,采用TQ软件中SMLR(逐步多元线性回归)函数选取6个特征频率:752、869、1001、4556、322、3950Hz,由其对应的声透过率值建立了西瓜品质检测的多元线性回归模型。对47个西瓜样本的试验数据分析表明:将敲击点和接收点分别放置在西瓜自然生长状态的中部对侧可获得最佳的测定模型,模型的校正相关系数R、校正均方根误差RMSEC和预测均方根误差RMSEP分别是0.80753、0.646和0.655。实现了西瓜糖度检测目的,为声学无损检测西瓜成熟度提供了参考。 相似文献
2.
苹果图像的背景分割与目标提取 总被引:1,自引:0,他引:1
水果的缺陷、大小和颜色差异以及光照等因素影响图像背景分割与目标提取精度.以苹果为研究对象,针对4种不同光照强度条件下采集的280幅不同姿态的苹果图像,将彩色图像的R、G、B分量进行算术运算,然后采用形态学开运算进行消噪处理,采用线性空间滤波消除锯齿状边界,采用自动阈值分割方法进行背景分割与目标提取.结果显示,203幅图像的分割偏差小于1%,占总量的72.5%;70幅图像的分割偏差大于1%而小于2%,占总量的25%;偏差大于2%的有7幅,占总量的2.5%.最大分割偏差为2.83%. 相似文献
3.
4.
群体水果动态图像的采集系统是水果品质实时检测与分级机器人系统的关键组成部分之一,主要由计算机、摄像机、图像采集卡、涡流式接近开关、水果和动态图像采集软件等组成.涡流式接近开关作为水果运动状况检测传感器,用于检测水果位置和触发动态图像采集.群体水果动态图像采集软件在Visual C++6.0环境下结合MIL-LITE函数库实现.根据水果实时自动检测和分级的特点及功能要求,提出了群体水果动态图像的时间序列连续场扫描采集方法,在来自于水果运动状况检测传感器的外触发信号的触发下,计算机视觉系统采集从时间t1到时间tn期间视场内连续运动的水果图像,这些渐进的时间序列水果图像在计算机内被综合后即可检测视场内的每一个水果的外观品质指标,用于分级控制.试验结果表明,该系统可在外界输入信号的触发下,以每秒12帧的速率实时采集群体水果的动态图像,研究结果达到了预期的目标. 相似文献
5.
世界主要农业发达地区农产品追溯体系发展现状 总被引:12,自引:4,他引:8
确保安全和提升品质是现阶段世界范围内农产品的两大主题。基于现代信息科技及物联网技术的农产品追溯机制主要涉及两方面功用,一方面通过将供应链的相关信息透明化,最大程度降低生产者和消费者之间的信息不对称;另一方面通过在农产品供应链上下游实现追踪和溯源两大功能,推进农产品安全责任制,迎合了人们对农产品安全和品质的需求,引起了世界范围内的广泛重视,纷纷予以推动和实施。该文从追溯法律与法规、标准与规范、推动与实施3个层面阐述了欧美、日韩及台湾等世界主要农业发达地区农产品追溯体系的推进和最新发展情况,在列举典型追溯系统实例的基础上对比分析并总结了各自发展的特点,指出综合与精简是农产品追溯体系的发展方向,最后从机构、立法、标准、实施、验证等多个角度对中国农产品追溯体系的进一步发展、推广与深化提出建议,以期真正发挥追溯体系效用、守护国人健康。 相似文献
6.
近红外光谱变量筛选提高西瓜糖度预测模型精度 总被引:5,自引:2,他引:3
水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量(SSC)进行检测,采用偏最小二乘回归(PLSR),多元线性回归(MLR)和主成分回归(PCR)建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法(SPA)对预测模型精度的影响。研究结果表明:光谱经等间隔抽取(间隔5,115个变量)经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数(rpre)为0.828、校正均方根误差(RMSEC)为0.589、预测均方根误差(RMSEP)为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。 相似文献
7.
8.
基于高光谱图像技术预测苹果大小 总被引:1,自引:0,他引:1
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。 相似文献
9.
基于掩模及边缘灰度补偿算法的脐橙背景及表面缺陷分割 总被引:7,自引:2,他引:7
缺陷检测一直是利用计算机视觉技术进行水果自动分级的难点。为了解决带有缺陷的水果在图像分割时部分缺陷容易被误分割为背景这一问题,以脐橙为研究对象,首先提取B分量,利用B分量构建掩模图像,然后对R分量图像进行掩模,从而在不损伤缺陷的情况下实现了水果与背景100%分割。考虑到水果呈球状,检测时边缘灰度较低,在缺陷分割时容易出现误分割,提出快速水果图像边缘灰度补偿算法,利用此算法,对6种常见脐橙缺陷,共计220幅图像,设定分割阈值为165,使不同灰度等级的缺陷一次性分割成功,分割率最高为100%,最低为79.5%。试验结果表明由于单阈值的使用,提高了缺陷分割效率。 相似文献
10.
水果声学特性测试系统由一个电磁铁、外包橡胶的冲击钢球、两个相距0.06 m的微音器组成的传感器、信号调理电路及带数据采集卡的计算机组成.信号调理电路的通频带为3~3000 Hz.数据采集卡采用PCL-1800 (Advantech Co., Ltd.).检测过程中,采样频率为10 kHz.声波信号的处理采用一个20阶自适应滤波器,利用LMS算法,通过MATLAB编程完成.经自适应滤波器处理后的信号能量更加集中,水果声学特性试验数据采用MATLAB的3阶polyfit函数处理,相关系数由滤波前的0.54943提高到滤波后的0.94684.水果试验声波的能量主要集中在0~230 Hz,而外界噪声的能量主要集中90~350 Hz. 相似文献