基于光学三角形法与图像处理的立木胸径测量方法

为提高林木胸径测量精度,减少劳动负荷,结合光学三角形法、图像处理及最小二乘拟合法,研究一种新的立木胸径测量方法.通过理论分析制定算法,搭建测量系统,对5株不同径级的立木进行测量计算,实验结果表明,采用光学三角形法的测量算法计算的直径精度较高,误差一般小于22 mm,相对误差率小于5.5％.     

基于图像处理技术的麦穗产量测量方法

选用9918小麦品种,利用Matlab图像处理技术,对小麦穗头图像的纹理特征与产量的关系作了初步研究。研究结果表明：穗头图片各纹理特征参数值（灰度均值、方差、平滑度、三阶矩、一致性、熵）与穗头产量均呈显著相关;用多元线性回归方法建立的穗头图像纹理-产量数学模型,在置信度为95%时,复相关系数为0.9807;对于产量大于、等于1.06g的本品种穗头,用建立的模型测穗头产量,精度达15%以上的样本占84.42%。     

基于MATLAB的红枣图像处理研究

本实验应用MatLab7.0数字图像处理工具箱对红枣图像信息进行处理。从红枣的形状、大小、颜色入手,选出符合红枣外观品质检测的3个特征参数,分别是红枣果形指数、色泽、有无缺陷。大小特征提取中,红枣的果形指数采用最小外接矩形法获得;对于颜色特征,将RGB模型转化成HSI模型,然后进行提取颜色特征参数;缺陷特征的提取,先进行缺陷部位轮廓的提取,然后填充求缺陷部分的面积,根据该面积在图片中大小比例作为判断的依据。     

基于形态学图像处理的麦穗形态特征无损测量

小麦穗部形态参数是直接反应小麦生长状况的重要参数,是育种和考种专家关心的重要参数。为了实现小麦穗部形态特征的无损测量和基于这些特征的快速品种分类,该文提出了基于形态学的穗部性状：芒个数、平均芒长、穗长和穗型的自动提取方法。首先通过小麦图像的形态学运算将麦芒去除得到只有小麦主部的图像,通过寻找主轴方向角和旋转计算外接矩形长度的方法计算穗长,通过对麦芒图像的细化和角点检测方法计算芒长和芒个数,通过宽度系数比例判断穗型,然后利用提取的其中8个特征参数,设计了一个3层的BP神经网络,对4个小麦品种240张图片进行分类识别,识别准确率达到88%。该方法可为小麦快速品种分类提供参考。若能将小麦的其他外部参数同时作为品种识别的输入数据,将会大大提高品种识别的准确性。     

基于单目视觉的谷物联合收获机产量测量方法

为准确获取农田中作物产量信息,以联合收获机刮板式升运器为研究对象,提出了一种基于单目视觉的联合收获机产量测量方法.首先,根据真实的升运器内部谷堆图像,提出了一种更加精确的刮板上谷物堆积模型.然后,基于视觉测量和图像处理技术,开发了一种谷堆体积测量方法.在辅助光源照射下,通过工业相机采集升运器内刮板和谷堆的侧面图像.采用...     

基于图像处理的叶面积测定方法的研究

以玉米叶片为例,介绍了一种基于像素点的计算叶面积的新方法。该方法采用计算机VB编程识别像素点颜色,进而求出叶片包含的像素点数及其面积值。通过理论分析及对比,可以证明利用像素点计数的方法来求区域面积,不仅简单,而且也是对原始模拟区域面积的无偏和一致的最好估计。     

基于Python的图像处理技术在鱼类尺寸测量中的应用

在渔业养殖中,鱼的生长情况是养殖阶段所关注的重要指标.而深水网箱养殖,养殖平台远离海岸且置于海面下,养殖人员必须远赴养殖平台现场查看,使得时刻掌握鱼的生长情况十分困难.文章提出一种基于Python图像处理技术的鱼类尺寸测量方法.利用深水养殖平台中的相机拍摄回传来获取现场的原始图像,调用OpenCV库函数对原始图像进行去...     

基于机器视觉的果树树冠体积测量方法研究

针对人工测量精度低、费时费力,而基于三维激光扫描技术、超声波技术等自动测量方法成本高、操作复杂的不足,提出了基于机器视觉的果树树冠体积测量方法,搭建了可移植性果树树冠体积自动测量平台。基于机器视觉实现待测树冠图像获取,通过图像处理算法获得树冠图像面积特征,并采用最小二乘法和五点参数标定法获得普适性树冠面积与体积相关关系模型,从而得到树冠体积,通过对梨树以及桂花树样本的试验,可以发现预测树冠体积平均误差分别为13.73%和10.18%。对于不具备系列样本无法构建模型的树冠,采用单点测量法,根据树冠轮廓拟合椭球结构体,然后根据体积求算补偿公式,完成体积测量,测量误差在10%左右。表明树冠形态特征的图像提取算法可行有效,通过面积以及轮廓特征量均能很好地表达树冠体积特征。     

基于数字式光强传感器阵列的叶面积测量方法

为探索更实用的叶面积地面测量方法,以TSL2561为核心研制了一款数字式光强传感器阵列,制作了升降式平台进行试验。试验系统硬件采用"PC机-单片机"分布式结构,运用MatLab语言编写上位机数据采集和叶面积计算软件。在试验平台上3个不同的置物高度进行了100个细叶榕叶片样本的面积测定,分别运用多元线性回归、BP神经网络和支持向量机3种算法建立光强数据与叶面积的关系模型。结果表明:扫描图像的分辨率、目标形状对叶面积图像测算法得出的结果影响不显著;最佳置物高度为30cm;支持向量机算法效果最好,决定系数R2为0.973 3,平均相对误差为3.70%,均方根误差为0.587 2。此模型在系统中的运用可直接、快捷地测算出叶面积数据,为利用多波段透射光技术测量单叶片的叶面积提供了参考。     

基于图像处理的杂草叶片识别参数研究

杂草种类繁多、危害严重,对杂草种类进行精确识别,可以提高除草效率,减少除草剂使用量,降低其对环境的污染.为此,应用图像处理的有关技术,以杂草叶片为研究对象,以形态、纹理和颜色特征相结合的方法来描述杂草叶片信息,提出了共16个特征参数可对杂草叶片信息进行精确描述,该特征参数可区别不同种类的杂草,为农药的精确投放和现代施药装备的开发奠定基础.     

种子固定床干燥过程发芽率的模拟研究

将种子发芽率一阶动力预测模型与Ｔｈｏｍｐｓｏｎ’ｓ固定床干燥平衡模拟模型相结合,预测了固定床干燥过程中几种谷物种子的发芽率,分析了热风固定床干燥过程中谷物发芽率的变化规律,得出了小麦、玉米、大豆等种子固定床干燥发芽率损失小于１０％的极限热风温度应分别控制在６５℃、５５℃和５０℃以内。     

种子热风干燥发芽率的预测

根据谷物种子发芽率损失速率的正态分布理论，建立了种子热风干燥发芽率预测的数学模型。谷物种类包括大麦、小麦、玉米、高梁和大豆。以玉米为例，重点讨论了热风温度与种子初始水分对干燥过程中种子发芽率损失速率的影响。模拟结果表明，随着热风温度的升高和种子初始水分的增大，种子发芽率损失速率将增大。     

基于图像处理的雾滴检测技术

通过模拟田间实际喷雾情况,利用图像采集系统采集雾滴图像,对其进行增强和分割等预处理,并对粘连雾滴提出用改进的分离粘连雾滴算法进行了分离处理.基于相同样本,用图像处理方法获得的雾滴粒径分布及覆盖率等参数与激光粒度仪测量结果的对比分析表明,利用图像处理技术检测雾滴分布参数,其测量误差在6%以内.     

基于图像处理的茶叶害虫智能识别方法研究

针对人工方法识别田间茶叶害虫需人工深入田间,不仅劳动强度大,而且无法自动定位与识别,不利于茶叶植保时施药的机械化、高效化及智能化的问题。本研究对基于图像处理技术的茶叶害虫智能识别技术及实现方法进行了研究。首先,建立覆盖茶园中各种情况的害虫样本图像库;其次,对样本图像和待识别图像进行图像预处理;接着,对待识别图像进行害虫自动定位;然后,对其进行特征提取获得特征数据;最后,采用模式识别算法设计分类器并训练获得分类器模型,再采用该模型进行害虫智能识别。本研究对各步骤进行了阐述,为茶叶害虫智能识别的实现提供了方法指导,以促进茶叶植保实现施药的机械化、高效化及智能化。     

横流干燥种子发芽率的预测

建立并验证种子发芽率一阶动力模型,预测了横流干燥过程中的种子发芽率;分析了横流干燥时谷物种子温度、含水率和发芽率的变化规律;给出了种子发芽率损失在10％以内的极限风温。     

基于图像处理的植物叶特征提取研究现状

通过对植物叶特征的分析,可以确定植物的种类和生长状态,对于植物研究、指导生产等具有重要意义.传统的叶特征提取方法都是通过人的手工操作完成的,效率较低,而当前可以借助于图像处理技术对叶特征进行自动提取.为此,对基于图像处理的叶特征提取研究现状进行了综述,并对其做了展望.     

基于计算机视觉的葡萄茎直径高精度测量方法

提出了基于计算机视觉的葡萄茎直径测量方法,采用双边滤波降低图像噪声,通过Otsu阈值分割和BloB分析实现葡萄茎与背景的分离,应用基于特征点的定位方法得到茎直径测量位置,由茎直径所包含像素数和尺寸当量计算出茎直径值,从而实现茎直径连续测量.实验和现场应用表明,系统测量重复精度可达±0.5μm.     

基于图像处理的河蟹分级系统设计

【目的】传统的河蟹分拣方法主要依靠人眼识别,误差率大,耗时耗力,且易对河蟹造成损伤。随着机器视觉技术和人工智能的高速发展,基于视觉识别技术的河蟹分拣方法效率高、准确度高。【方法】课题组设计了一种基于品质智能分级技术的河蟹高效分级系统,通过使用不同等级的雌雄河蟹各20只进行分级试验,利用视觉模块的图像采集与图像处理技术采集河蟹图像,经过图像的灰度化、滤波、增强、图像分割和形态学处理消除环境干扰,结合河蟹雌雄判别技术和河蟹肥满度公式,计算得到河蟹公母与肥满度识别准确率指标。【结果】该系统的河蟹雌雄平均识别准确率为97.5%,肥满度平均识别准确率为97%,证实了分级装置的可靠性。【结论】该系统采用视觉识别技术进行河蟹无损检测,可以实现低损伤、高效率、高准确度识别河蟹,与传统人工相比提高了判别准确度,提升了分拣效率,大幅节省人力、物力,具有广泛的应用前景。     

基于图像处理的玉米种子特征参数提取系统

随着计算机技术的发展,利用机器视觉代替人的视觉对玉米种子进行品种识别和质量检测是必然趋势。在检测中最关键的一步是对玉米种子图像进行有效特征提取,特征参数的有效性或者精度直接关系到种子品种识别的成败。为此,优化了基于机器视觉的玉米种子图像处理策略,提出了比较全面有效的玉米种子特征参数和一种适应玉米种子识别的多对象轮廓提取算法,采用VC++编制了玉米种子特征参数提取系统。经实验验证,本系统能够准确快速地提取玉米种子特征参数,为玉米种子品种识别和质量检测的后期工作奠定了基础。     

基于图像处理的香蕉成熟度检测系统

许多研究结果表明,水果损失主要集中在采摘、包装、保存等环节,达到近三分之一,其中一个重要的原因为不同成熟度的水果相互混杂。因而,区分水果的成熟度并进行筛选加工处理,对于提升水果等级、改善水果品质有重要意义。本文应用MATLAB图像处理技术对香蕉成熟度进行检测,系统通过摄像头拍取图片或者在给定的图片中分割出香蕉图片,然后对香蕉图片进行二值化和滤波等分析处理,最后依据香蕉的色素组成检测出不同成熟度的香蕉。