机器视觉技术在农产品品质自动识别中的应用(Ⅰ)

随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高,在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力。为了能充分利用国外的最新研究成果,该文分农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别等三个方面棕述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,以供我国研究人员做同类研究时参考。  

用于食品安全检测的生物传感器的研究进展

生物传感器特异性好、分析速度快、成本低，在食品安全检测领域有着重要的应用价值。该文介绍了电化学、光学、压电和量热生物传感器在食品安全检测中的应用，包括致病菌、抗生素残留、生物毒素和农药残留检测，指出了目前研究中需要解决的问题并展望了未来发展方向，认为高灵敏度、集成化、微型化、多功能化等是未来用于食品安全检测的生物传感器的发展趋势和重点方向。它在食品污染物的快速实时及特异性检测方面有着广阔的应用前景。  

机器视觉技术在农产品品质自动识别中的应用研究进展

该文分水果果梗识别、果形识别、内部品质检测和硬件设备开发等4个方面综述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展，并指出了目前尚需解决的难点问题，以供我国研究人员做同类研究时参考。  

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法，基于高光谱成像技术，该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象，选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先，提取并分析11类果皮感兴趣区域（ROI）光谱曲线并结合主成分分析法确定5个最佳波段（630、685、720、810和 875 nm）；然后基于特征波段做主成分分析，选取第5主成分（PC-5）作为分类识别图像，识别率达到80%。为了进一步提高溃疡识别率，该文又提出采用特征波段主成分分析法与波段比算法相结合的方法，基于此算法溃疡正确识别率提高到95.4%。试验结果表明，基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。  

基于双目立体视觉的番茄定位

为提高番茄采摘机器人视觉系统的定位精度,该文提出了一种基于组合匹配方法及深度校正模型的双目立体视觉测距方法。该方法在形心匹配的基础上,将形心匹配得到的视差值作为区域匹配时设定视差范围的参考值。这样可以减小区域匹配计算量及误匹配的概率。区域匹配后,利用三角测距原理得到番茄区域对应的深度图,并将区域的深度均值作为其深度维的坐标。试验发现定位误差与测量距离间具有很好的线性相关性。通过回归分析,建立了线性回归模型,并对深度测量结果进行校正。结果表明,工作距离小于650mm时,定位误差约为-7～5mm,工作距离小于1050mm时,定位误差约为±10mm,可满足番茄采摘机器人视觉系统在大多数采摘作业环境下的工作要求。  

水果品质智能化实时检测分级生产线的研究

一种用于水果动态、实时检测的水果品质智能化实时检测分级生产线,由水果输送翻转系统、计算机视觉识别系统、分级系统组成。水果输送翻转系统的双锥式滚筒水果输送翻转装置,使水果以一定速度向前输送,并使水果绕水平轴自由转动,保证检测系统能检测到水果整个表面,获得足够的水果图像信息。通过计算机视觉系统的视觉智能识别,综合判断每一水果的等级,并确定每个水果的位置信息,由计算机识别系统的控制模块将指令传输给分级系统,完成水果的分级  

基于双目立体视觉技术的成熟番茄识别与定位

研究了基于双目立体视觉技术的成熟番茄的识别与定位方法,获取了成熟番茄的位置信息,用于指导温室内成熟番茄的自动化采摘作业.该方法利用成熟番茄与背景之间颜色特征的差异进行图像分割来识别成熟番茄;根据图像分割的结果,用形心匹配方法获取番茄中心的位置;然后根据相邻区域像素点灰度的相关性,利用区域匹配方法计算番茄表面各点的深度信息.使用限制候选区域和两次阈值分割的方法减少计算量,提高了计算精度.实验结果表明,工作距离小于550 mm时,番茄深度值的误差约为±15 mm.利用该测量方法可以实现成熟番茄位置信息的获取,测量精度较高.  

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  

机器视觉在幼苗自动移钵作业中的应用

该文提出了一套在自动幼苗移钵作业中用于幼苗生长状况检测的机器视觉系统。穴盘中幼苗的图像被采集和处理，识别出适合进行移钵的单元，用于自动幼苗移钵机的移钵作业。相邻单元的幼苗边缘重叠和叶片挤压会造成识别错误，在该研究中以番茄幼苗作为试验样本，使用基于形态学的分水岭算法处理来完成叶片边缘分割，提取每个穴孔中幼苗的叶片面积和叶片周长来确定适合进行移钵的单元。试验结果表明该机器视觉系统识别准确率达到了98%，应用于自动幼苗移钵机器人中可以很好地判断不同生长状况的秧苗生长质量。  

偏心齿轮行星系水稻分插机构的分析研究

为研制高速插秧机，研究证明了偏心齿轮行星系传动的３个重要性质，用解析方法建立了偏心齿轮行星系分插机构的运动学模型，对该机构进行了位移、速度和角速度分析，并求出了各结构参数变化而引起的分插机构秧爪的相对运动速度和绝对运动轨迹的变化，为采用偏心齿轮行星系分插机构的高速插秧机的设计提供了理论依据。