共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
计算机视觉技术在农产品品质检测中的应用 总被引:2,自引:0,他引:2
一、引言 计算机视觉又称机器视觉,是指由人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面的形状知识与距离、速度感知等。计算机视觉技术是多学科的交叉与结合,它涉及到计算机、数学、光学、心理学、生理学、物理学、信号处理等诸多学科。研究计算机视觉的目的是要实现对人类视觉的模拟和延伸,简而言之,对模拟高等动物的视觉系统而言,完成对物体的形状和类别的识别是最重要的。计算机视觉处理的原始信息多是 相似文献
4.
基于高光谱图像技术的农产品品质无损检测 总被引:2,自引:0,他引:2
高光谱图像技术结合了计算机图像与光谱技术两者的优点,是农产品品质无损检测技术的发展趋势.为此,阐述了农产品品质检测中高光谱图像技术的基本原理;介绍了高光谱图像技术在农产品外部品质和内部品质检测中的应用现状及信息处理方法;并对高光谱图像技术应用于农产品品质检测技术的发展提出了建议. 相似文献
5.
6.
本文阐述了几种水果内部品质的无损检测法,分析说明了各自的工作原理、测试及分析方法,并探讨了水果无损检测的应用前景。 相似文献
7.
本文阐述了几种水果内部品质的无损检测法,分析说明了各自的工作原理、测试及分析方法,并探讨了水果无损检测的应用前景. 相似文献
8.
本文阐述了几种水果内部品质的无损检测法,分析说明了各自的工作原理、测试及分析方法,并探讨了水果无损检测的应用前景. 相似文献
9.
步进电机具有成本低、工作可靠、控制简单等优点,通过介绍步进电机的分类、控制原理及步进电杌在农产品无损检测中的应用,以期步进电机在我国农产品品质无损检测领域中发挥更大的作用。 相似文献
10.
11.
近红外光谱技术在苹果品质无损检测中的应用 总被引:1,自引:0,他引:1
近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。 相似文献
12.
农产品无损检测中高光谱成像技术的应用研究 总被引:1,自引:0,他引:1
高光谱成像技术集成了计算机成像技术和光谱技术的优势,能够在连续空间内同时获得被测物的光谱信息和图像信息,可对农产品内外部品质进行可视化研究.尽管高光谱成像技术起源于高空遥感,但近几年仍以高效快速的检测分析方法出现在农产品无损检测领域,成为该领域重要研究方向.为此,对高光谱成像技术的原理特点以及其成像技术在农产品无损检测中应用的最新研究进展进行了综述,分析总结了国内外高光谱成像技术在农产品品质无损检测发展中存在的问题以及应用前景,以期该技术在我国农产品品质无损检测领域中发挥更大的作用. 相似文献
13.
14.
15.
高光谱成像技术结合了光谱学和成像技术的主要优势,可以同时获得一个样本的空间分布及物理和化学性能,是水果无损检测的发展趋势。为此,主要介绍了高光谱成像原理、装置、数据处理方法,以及国内外水果内外品质无损检测的应用,并对高光谱成像技术在水果无损检测中的不足及未来趋势进行了分析。 相似文献
16.
17.
运用PEN3型电子鼻,对330个带有已知不同浓度、种类农药的苹果样本进行原始气味采集。通过电子鼻采集到的原始气味图谱生成柱状图表明,传感器对不同浓度农药的响应值是不同的,但是没有明显的规律,因此,需要结合化学计量学方法进一步分析。通过PCA模型分析,各组样品第一主成分的方差贡献率均大于85%,说明第一主成分在区分不同苹果样品气味的过程中起着关键作用。通过LDA模型分析,各组样品的两种主成分累计方差贡献率均大于80%,表明这两种主成分包含了样本的大部分信息,因此,可作为苹果样本分析的两个主要成分。通过SVM分析并建立模型,结果表明,测试集与训练集准确率均大于90%,可以准确识别苹果样本上的农药。 相似文献
18.
中国苹果总产量高,但出口量占比低,高端苹果市场多被进口苹果所占领,主要原因是缺乏果品品质分级精选技术与装备,采摘后处理自动化程度低,大部分果品未经加工或简单粗加工后进入消费市场,果品品质不稳定,大大降低了市场竞争力。本文分别对苹果品质无损检测和分级技术的现状进行了研究进展分析,并对其发展进行了展望。苹果无损检测技术主要包括光谱、电特性、CT、色谱、电子鼻和计算机视觉技术,针对各种技术的功能特点和优缺点,提出了发展基于新型传感器技术的苹果气味检测方法;苹果品质分级则主要采用基于机器视觉的多特征分级方法,苹果品质无损检测技术与分级技术的有机结合是苹果品质分级技术的发展方向,同时这对于提高苹果产业竞争力具有促进作用。整体而言,中国苹果品质无损检测和分级技术发展需求紧迫,检测新技术如采用纳米科学、生物技术和人工智能方法的传感器技术及产品在苹果无损、品质分级检测方面具有巨大潜力,多技术的融合如集成电、光、气和计算机视觉等实时、高效、高精度的苹果品质分级系统可能是提高苹果分级品质和提升苹果产业竞争力的重要发展方向。 相似文献
19.
20.
为了探索利用介电谱无损检测采后梨内部品质的潜力,采用同轴探头技术测量了采摘于4个果园的310个砀山酥梨在采后8周贮藏期间20~4 500 MHz间201个频率点下的相对介电常数和介质损耗因数;分别以可溶性固形物含量(SSC)、硬度和含水率作为内部品质指标,基于x-y共生距离的样本划分法确定了校正集样本233个和预测集样本77个。采用连续投影选法(SPA)从全介电谱中分别提取出了15个、14个和15个用于预测SSC、硬度和含水率的特征变量;建立了基于全介电谱和SPA提取的特征变量预测SSC、硬度和含水率的最小二乘支持向量机(LSSVM)、极限学习机和BP神经网络模型。结果指出,基于全介电谱的LSSVM模型具有最好的SSC决定性能和良好的预测能力,其校正集和预测集相关系数分别为0.974和0.931,校正集和预测集均方根误差分别为0.592°Brix和0.868°Brix,剩余预测偏差为2.65;基于SPA的LSSVM模型可粗略预测含水率;但是所有模型对硬度的预测能力很差。研究结果表明,介电谱结合LSSVM可用于无损检测梨的SSC和含水率,但尚难用于检测梨的硬度。 相似文献