无核白葡萄干机器视觉色泽分级研究

采用机器视觉技术,针对新疆无核白葡萄干的颜色特征进行分级研究,提取HIS颜色图像,采用中值滤波法滤波,采用最大类间方差法分割图像,采用形态学开运算去除二值图像中的伪目标区域,获得最佳二值图像。同时,分析色调灰度直方图和颜色矩均值直方图,确定采用H、S、I分量颜色的一阶矩、二阶矩、三阶矩作为特征值建立BP神经网络的色泽分级模型,分级准确率最高为96.42%。     

基于机器视觉的鲜骏枣大小分级研究

为改善鲜枣人工分选速度慢、效率低的现状,结合图像处理技术对鲜骏枣的质量和大小预测分级。将原图像经过去噪、形态学处理后,得到仅含目标的二值图,提取几何特征,与实际质量拟合建立回归模型,预测鲜骏枣的质量,最后采用判别分析法对大小进行分选。结果表明:使用平均面积、周长、长轴、短轴对鲜骏枣质量进行预测的相关系数达到95.45%,机器视觉技术能够较为准确地实现对质量的预测和分选。     

无核白葡萄太阳能干燥设施试验研究

为了缩短葡萄干的干制时间,保证品质,利用新疆地区充足的太阳能,研制了一种新型的集热太阳能干制设备.在新疆哈密地区进行了无核白葡萄的干制实验,使用无纸记录仪对干燥期间太阳能晾房和传统晾房内的温度、湿度进行了监测.结果表明,干燥期间太阳能干燥设备的温度较高,集热效果显著,可以有效地加快干燥速率,使干燥时间从原来的45d缩短到14～20d,湿度随干燥时间的延长而降低.同时,产品的绿极品率从传统晾房的50%提高到80%,维C含量也比传统晾房高1倍.     

农林环境机器视觉导航路径生成算法及应

提出两种自然环境中的路径导航线生成算法:对于矮小作物规则分布的农田场景,在标准Hough变换的基础上,预先检测共线点峰值的限定偏角阈值,以迅速检测关键信息;对于林地环境及类林地环境的高大作物农田场景,寻找树干与地面的交点,形成机器人行走的左右边界,再求两边交点的中值产生一列点簇.对该列点簇进行Hough变换检测直线作为导航线,或应用最小二乘法拟合左右边界,求其中线作为路径导航线.Matlab对比仿真表明,几种算法对各自适用的场景具有可靠稳定的路径辨识能力,可对图像进行有效的批量处理.     

基于机器视觉的葡萄品质无损检测方法研究进展

我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。     

轴套零件的机器视觉检测

针对轴套零件的几何尺寸测量给出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴套几何参数的方法,包括图像的预处理、改进Canny算子边缘检测、圆孔检测技术等。并对系统进行标定,得到实际尺寸。通过试验得到测量数据,分析了测量误差的原因。分析及试验表明,用该方法对轴套的几何尺寸进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

新疆无核白葡萄力学特性研究

为降低葡萄在收获、储运过程中的机械损伤,给葡萄作业装备设计提供理论依据,试验测定了新疆无核白葡萄鲜果粒的几何参数,对果粒进行了不同加载条件的压缩试验,计算得出刚度。试验表明,无核白葡萄果粒的抗挤压能力具有各向异性,且纵向大于横向;研究结果可为无核白葡萄的收获、加工和运输等提供理论依据。     

基于机器视觉的工件自动分拣系统研究

对工件识别过程中,对于机器视觉技术的应用进行了一定的分析,并且简要地介绍了主要图像处理算法。在此基础寻求有效方法,对自动分拣系统决策方面提供一定的支持。     

基于机器视觉的哈密瓜大小分级研究

采用机器视觉技术对新疆哈密瓜进行自动大小分级。线阵相机在线采集哈密瓜样本RGB图像,通过对哈密瓜RGB图像进行灰度化、中值滤波、二值化、去除果梗、特征提取等一系列处理,获得哈密瓜二值化图像。利用椭圆拟合算法对二值化图像进行椭圆特征提取,基于椭圆长轴和椭圆率建立了哈密瓜大小分级标准,并以固定阈值建立分级模型。通过哈密瓜分级机系统进行大小分级,分级准确率达90.29%。     

植物生长机器视觉无损测量研究综述

作为植物生长建模关键技术之一的机器视觉无损测量研究,对促进数字农业的快速发展具有重要的意义。本文概述了基于机器视觉的植物无损测量的研究意义、研究方法和国内外的研究进展,提出了急需解决的难点问题,展望了其研究前景。     

基于字符识别的收割机机器视觉研究

随着农业现代化技术的不断发展,无人驾驶技术开始被应用到农机的设计上,为了实现农机的无人驾驶,首先需要使农机具备智能化视觉系统。为了提高农机视觉系统的导航线识别能力,将基于翻译工具的字符识别技术引入到了系统的设计上,结合图像处理技术,通过对导航线的初步定位、二次定位和图像的滤波、灰度化及增强处理,可以准确识别出作业区域的导航位置线,还可以得到实时的位置坐标。测试结果表明:收割机在自主行走时可以沿着导航线位置行走,并通过坐标点来实时的修正行走方向,达到了精准定位导航的目的。     

基于机器视觉的胡柚分拣系统的研究与应用

文章以胡柚为研究对象,针对基于机器视觉的胡柚品质分拣生产线所涉及的关键技术进行理论和试验研究,先对在传输带上运动的胡柚进行图像采集、图像分割、图像平滑、灰度化和锐化等一系列的图像处理,然后对处理后的胡柚图像提取大小、颜色和缺陷的特征值,最后依据提取的特征参数进行大小、颜色和缺陷分级。并以此为基础,研究适合实时条件下的胡柚大小、形状、颜色及果品缺陷等品质指标的检测方法和分拣执行机构。     

基于机器视觉和支持向量机的温室黄瓜识别

针对复杂温室环境中的成熟黄瓜,采用脉冲耦合神经网络分割黄瓜图像,利用数学形态学方法处理,把黄瓜从图像背景中分离出来;提取各连通区域的4个几何特征值和灰度共生矩阵基础上的3个纹理特征值,作为最小二乘支持向量机(LS-SVM)的输入特征向量;利用训练好的分类器判别图像中的黄瓜。试验结果表明:用于试验的70幅黄瓜图像,正确识别率达82.9%,基于脉冲耦合神经网络分割结合LS-SVM的方法,适合复杂背景的温室黄瓜识别。     

机器视觉技术在蚕茧无损检测中的应用研究

应用机器视觉技术研究了进行蚕茧无损检测的方法。在日光条件下采集蚕茧图像,运用数字图像处理技术和专用软件,对其图像进行分析、处理。根据数学形态学的方法计算其面积、相关系数和R、G、B值。并利用这些参数高效快速地判断蚕茧是否为畸形茧、双宫茧、烂茧、霉茧和特小茧。为进一步进行蚕茧分级奠定了理论基础。     

基于机器视觉的番茄长势信息无损检测的研究

提出了利用机器视觉的方法在复杂自然条件环境下对番茄的茎粗、株高和果实横截面积进行快速测定方法。通过利用CCD获取不同生长周期下番茄的长势信息,采用中值滤波方法对图像进行预处理;采用基于rg颜色因子的Otsu自动阈值分割法来提取目标区域。同时,通过相关性分析建立作物长势参数与目标图像特征值的拟合函数,实现了番茄长势信息的有效获取。试验结果表明:对番茄茎粗的检测在幼苗期、开花坐果期、结果期的相对误差分别为1.73%~4.04%,0.64%~4.42%,0.46%~4.78%;株高和果实横截面积检测的相对误差分别为1.2%~6.5%,0.8%~3.1%。     

基于机器视觉的农业机械无人驾驶系统

为实现农业机械的无人驾驶,研究基于机器视觉的农业机械运动控制具有重要的意义.为此,介绍了基于机器视觉的农业机械无人驾驶的工作原理和实现方法,通过对视频图像的处理,识别出农业作业环境路径特征的位置和方向,采用模糊控制方法实现了农业机械的运动控制.试验证明了基于机器视觉的农业机械无人驾驶系统的可行性及控制算法的可靠性,对未来视觉伺服研究的方向进行了总结.     

基于机器视觉的锅底标签角度测量系统研究

家用厨锅在制造时安装手柄需要焊接螺母座,针对螺母座焊接位置不准确的问题,设计了厨锅锅底标签角度测量系统。该测量系统通过搭建视觉采集平台采集图像,利用模板匹配原理对锅底图像进行角度检测。通过对不同种类锅底图像进行滤波、阈值化与频域变换等图像处理算法制定感兴趣区域（ROI）,由ROI依次创建形状模板;将采集到的图像经过预处理后根据已建好的同类模板进行匹配,匹配结果由Visual Studio 2019平台所建立的人机界面显示。实验表明,该测量系统平均误差可达0.08°,检出率达94%,平均检测时间0.35 s,明显优于传统的人工检测,能够满足工业的实际检测需求。     

基于机器视觉的大米外观品质检测装置

设计了一套基于机器视觉的大米外观品质参数检测装置,实现了对垩白度、垩白粒率、黄粒米和粒型参数的检测。该系统基于嵌入式计算机系统,应用改进的流域分割算法实现了粘连籽粒图像的分割,应用BP神经网络实现了垩白米的检测,应用色度实现了黄粒米的检测,应用极坐标下的长短轴快速检测算法实现了粒型的检测。试验结果表明,该装置对垩白粒率的检测精度为±2%,垩白度的检测精度为±1%;对黄粒米的检测精度为±5%;粒型的检测精度为±4%。     

基于机器视觉的杂草实时采集与处理算法的研究

随着计算机技术的不断进步,机器视觉技术在包括农业工程的各个领域的应用与研究中得到了广泛的发展,机器视觉在杂草实时采集与识别的技术研究中已成为科学工作者们的主要研究方向。为此,研究了杂草图像的实时采集、处理算法以及软件系统的开发,并利用现有的实验平台作为模拟试验系统。     

机器视觉在农业车辆导航系统中的研究进展

机器视觉是农业自动车辆获得导航信息的一种方式,其基本任务是从图像中识别出作物行,然后提取作物线。目前有两种分析图像的模式：基于2D图像信息的边缘特征分析法,基于1D灰度信息的特征分析法。综述了国内外在这个领域的研究进展,并提出一些符合我国农业现代化发展趋势的机器视觉研究思路。