基于标记的极半径极值红枣形状识别方法

形状是分级的最重要参数之一,本文采用标记法对红枣形状进行了识别。通过图像预处理获取红枣二值图像,通过边界追踪获取目标边界笛卡尔坐标,并将其转化为极坐标,对目标图像进行缩放旋转使均值圆成为基线,切割的4部分边界曲线能完整表达。对边界曲线进行多项式拟合,获取极值点坐标,将其映射回被拟合曲线上,获取对应极值点坐标。若两极小极半径差值大于阈值,则红枣畸形;若两极大极半径附近区域极半径过渡平缓,判红枣为规整,否则为较规整。取53粒红枣进行检测,其中16粒畸形,17粒较规整,20粒规整。检测结果表明:畸形枣识别准确率达100%,较规整枣的识别准确率94%,规整枣识别准确率95%,可基本满足红枣分级系统精度的要求。     

栅筒式红枣分级间隙调整装置的设计

红枣分级是红枣加工的重要生产环节,基于分度原理设计了一种可调间隙的红枣分级机。间隙调整装置采用改进的分级栅条与分级支撑圈构成,通过改变栅条相对支撑圈的位置实现分级间隙的改变,分级精度达0.5mm。以试验样机为基础进行红枣分级重复性试验,确定了适合红枣分级的试验工艺参数:分级支撑圈直径80mm,分级支撑圈转速17r/min。试验结果表明:生产率达1t/h,窜级率小于2.2%,基本满足红枣机械分级系统精度的要求。     

温差半导体发电技术研究现状

温差半导体发电技术是一种新型的绿色环保的发电技术,能有效减缓当今社会在能源方面的压力。近些年以来,在国内外众多研究者的努力下,温差发电技术取得了很大的进步。最初,由于研究者对热电材料的认识不足,且仅限于金属热电材料,因此热电转换效率比较低下。到了20世纪30年代,由于研究者对半导体金属材料的研究深入,推动了温差半导体发电技术的极大进步。再后来,Douglas等设计出了多模块交互回路温差发电器,使得温差半导体的输出功率得到了更大幅度的提升。如今,温差半导体发电技术已经在实际的生活中广泛应用开来,受到了越来越多国家的重视。本文主要介绍了目前国内外在温差发电技术上的一些研究成果以及在各个领域的应用和发展方向。     

东方红-1002型拖拉机经济寿命的计算及分析

采用系统工程、技术经济理论、成本分析方法和农业机器运用管理学等多学科相结合的研究方法,对最新农业骨干机型东方红-1002型拖拉机的经济寿命进行了计算和分析.阐述了该型拖拉机经济寿命的计算方法,并通过实地调查确定了其主要运用指标,在此基础上计算求得该机型的经济寿命为11年.计算结果可供有关部门进行更新换代决策时参考,该方法可适用于任何拖拉机经济寿命的计算.     

几种典型的红枣分级机

红枣产业已成为"红色产业"一支独秀,分级是红枣贮藏、保鲜、加工及流通等的一个关键技术环节。本文介绍了目前最典型的几种红枣分级机的结构、原理和特点,并对不同类型的红枣分级机进行了性能分析。结果表明:基于机器视觉的红枣分选技术是未来发展趋势。     

农产品上料定向排序技术研究现状

南疆是我国瓜果种植大区,年产各类鲜果数百万吨。在科技进步和市场需求的双重推动下,农产品分级机构应运而生,其中实现农产品定向排序是自动分级关键问题之一,为此,本文综述了农产品定向机构的国内研究现状及技术发展中的不足,并对其发展进行了展望。     

拖拉机经济寿命主要运用指标预测方法的探讨

作为农业生产主要动力的拖拉机,其更新的关键依据就是经济寿命.如果没有真实、可靠的数据,一个好的拖拉机经济寿命计算模型也是枉然.为此,以数理统计的观点就拖拉机主要指标预测方法进行了探讨,为拖拉机经济寿命计算和效益分析奠定了基础.     

核桃分选机的研究现状

核桃分级技术是其产业化过程中进行流通、贮藏保鲜及深加工和提高农产品附加值的关键技术之一。为此,针对我国目前各种红枣分级技术以及红枣分级技术未来需要解决的问题,介绍了我国目前最典型的核桃分级机以及各自的结构和特点。结果表明:机械式核桃分级机在一段时间内还有很大的市场,随着核桃分级技术的发展,基于机器视觉的红枣分级机在特定的使用对象方面取代原有的机械式核桃分级机是必然趋势。     

基于彩色分量的骏枣病虫害检测方法

病虫害是骏枣缺陷检测的一项重要内容,易受表面皱褶影响而不易识别,为此提出了一种基于彩色分量和图像形态学的骏枣病虫害检测方法。首先获取病虫害枣各彩色空间图像,在各彩色空间截取正常区域图像1幅、病虫害区域图像4幅,统计图像各彩色分量的灰度均值、灰度变换范围及标准差,计算骏枣正常区域与病虫害区域的灰度均值之差,进行彩色分量筛选,结果为RGB的R分量、CMY的C分量、I1I2I3的I2分量、HSV的S分量和V分量。采用自适应阈值法和图像形态学方法,分割出完整的病虫害。取84粒骏枣样本试验,其中病虫害枣61粒,无病虫害枣23粒,检测结果为:CMY的C分量最优,病虫害识别准确率98%,误判率0。试验证明,该方法基本满足骏枣分级精度的要求。     

基于圆形模型的骏枣果梗检测方法

果梗有无的判别是骏枣分级系统中的一项重要指标,针对传统的膨胀与腐蚀操作不能达到果梗识别的要求,为此提出了基于圆形模型的骏枣果梗检测方法。通过图像预处理获取二值图像;构建一圆形模型,以目标图像的形心为圆心,以等效椭圆长半轴乘1个调整系数为半径,该圆形模型可以覆盖骏枣果肉部分图像,剩下图像部分主要为果梗;由于图像可能还含有噪声,为此进行中值滤波处理,最后即可提取果梗图像部分。对120帧图像进行检测试验,结果表明:每个图像的平均处理时间小于500ms,本次试验果梗识别准确率93%,基本满足红枣分级系统精度的要求。