机器视觉技术在黄花梨尺寸和果面缺陷检测中的应用

为提高出口水果品质，对黄花梨进行了机器视觉技术检测外形尺寸与表现状况的试验研究。通过确定图像处理窗口、利用Ｓｏｂｅｌ算子和Ｈｉｌｄｉｔｃｈ细化边缘；确定形心点找出代表果径，试验检测结果表明，预测果径值与实际尺寸的相关系数可达０．９６。对检测果面缺陷，提出利用红（Ｒ）、绿（Ｇ）色彩分量在坏损与非坏损交界处的突变，求出可疑点，再经区域增长定出整个受损面，试验对比表明该算法是精确的  

用计算机视觉进行黄花梨果梗识别的新方法

梨的果梗是否存在是分级的重要特征之一。通过计算机视觉系统摄取黄花梨图象，应用图象处理技术完成图象与背景的分割。针对使用细化及收缩膨胀算法识别果梗速度较慢，提出了一种快速算法。该法利用梨果梗直径小，选择不同大小的模板，判别图象中是否存在果梗，同时得到果梗头、底部与梨相交点的坐标，依据切线斜率信息，对果梗的完好性进行判断。试验结果表明，该算法可以１００％判断果梗是否存在，判断果梗是否完好的正确率达到９３％，判别速度提高４～６倍。而且该算法具有一定的鲁棒性，对旋转、移位不敏感。  

黄花梨果形的机器视觉识别方法研究

黄花梨的果形是分级的重要特征之一。利用机器视觉采集黄花梨图像，研究了不规则果品的形状描述方法，提出在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换对来描述果形，开发了基于人工神经网络的果形识别软件。研究发现该傅立叶描述子的前１６个谐波的变化特性足以代表梨体的主要形状，采用傅立叶描述子与人工神经网络相结合的方法进行果形识别的精确率可达９０％。而且只要有合适的训练对，该方法也可以用来对其它水果进行外形识别