共查询到16条相似文献,搜索用时 156 毫秒
1.
基于高光谱图像和光谱信息融合的马铃薯多指标检测方法 总被引:1,自引:7,他引:1
针对随机放置的马铃薯缺陷多项指标难以同时检测的问题,提出了一种基于高光谱信息融合的流形学习降维算法与极限学习机(extreme learning machine,ELM)相结合的方法,该方法可同时识别马铃薯的多项缺陷指标。分别采集发芽、绿皮、黑心和合格马铃薯的反射高光谱数据(390~1 040 nm),在光谱维,提取马铃薯样本感兴趣区域(region of interest,ROI)的平均光谱,分别采用扩散映射(diffusion maps,DM)、局部线性嵌入(locally linear embedding,LLE)和海森局部线性嵌入(hessian locally linear embedding,HLLE)3种流形学习降维算法对光谱数据进行降维;在图像维,对马铃薯伪彩色图像进行形态学处理,获取基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的图像纹理信息,采用连续投影算法(successive projections algorithm,SPA)优选图像纹理特征;融合光谱维信息和图像维信息,分别建立基于极限学习机(ELM)与支持向量机(support vector machine,SVM)的马铃薯多分类识别模型。结果表明,扩散映射结合极限学习机(DM-ELM)模型的预测结果较优,该模型对发芽、绿皮、黑心和合格马铃薯样本的单一识别率分别为97.30%、93.55%、94.44%和100%,混合识别率达到96.58%,时间为0.11 s,可知高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃薯的多种缺陷指标。 相似文献
2.
红毛丹色泽品质的计算机视觉分级技术研究 总被引:4,自引:0,他引:4
应用计算机视觉研究了红毛丹外观色泽品质的分级检测技术。通过CCD采集红毛丹可见光图像,经OSTU分割算法来分割图像背景后,采用面积标记算法得到去除长穗梗区域的红毛丹图像;然后提取基于色度的红毛丹图像的彩色纹理特征,并用多分类支持向量机的模式识别方法来识别红毛丹色泽等级。结果表明,该模型对4个色泽等级的红毛丹的正确分类率分别是94%、88%、89%和95%,且具有较好的稳定性。与人工神经网络方法预测结果比较,该方法具有速度快、识别能力强的特点。 相似文献
3.
基于高光谱成像技术的马铃薯外部缺陷检测 总被引:12,自引:7,他引:5
为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。 相似文献
4.
基于机器视觉的马铃薯质量和形状分选方法 总被引:10,自引:7,他引:3
马铃薯的质量和形状是机器视觉分级的2个重要特征和依据,为实现马铃薯质量与形状检测分级,该文提出了一种基于图像综合特征参数的分选方法。首先提取马铃薯俯视图的面积参数和侧视图的周长参数,通过回归分析建立马铃薯的质量检测模型,实现对马铃薯的质量分选;然后提取马铃薯俯视图像的6个不变矩参数,输入到已训练好的神经网络,完成对马铃薯形状分选。试验结果表明:该方法可以有效的检测马铃薯的质量并区分其形状,质量分选准确率为95.3%,薯形分选准确率为96%。可满足实际应用的要求。 相似文献
5.
基于机器视觉的马铃薯自动分级方法 总被引:2,自引:14,他引:2
为了实现马铃薯的自动分级,设计了基于V型平面镜同时获取三面图像的马铃薯机器视觉分级系统,并提出了相应的分级算法。根据大小特性,提出基于最小外接柱体体积法的马铃薯大小分级检测方法;根据外形特性,采用最长径外接矩形的宽高比法,实现了类圆形、椭圆型以及长型马铃薯的分类;根据马铃薯缺陷特点,分别提出以缺陷面积大小作为判别准则的孔洞、干腐马铃薯判别方法,以外接矩形对角线长度作为判别准则的机械损伤马铃薯判别方法和基于交叉法的发芽、畸形马铃薯检测方法。最终马铃薯的分级正确率为91.0%。试验结果表明:基于机器视觉的马铃薯自动分级检测方法可行,可用于马铃薯外部品质的在线检测。 相似文献
6.
基于多源信息融合技术的马铃薯痂疮病无损检测方法 总被引:6,自引:5,他引:1
为了提高马铃薯痂疮病无损检测识别精度,基于机器视觉和近红外光谱的多源信息融合技术,该文提出DS(dempster shafer)证据理论结合支持向量机的马铃薯痂疮病无损检测方法。试验以360个马铃薯为研究对象,在图像特征分割时,确定了差影法结合马尔可夫随机场模型法为最佳分割方法;在光谱特征提取时,确定主成分分析方法为最佳降维方法。采用支持向量机识别方法分别建立机器视觉和近红外光谱的马铃薯痂疮病识别模型,模型对测试集马铃薯识别率分别为89.17%、91.67%。采用DS证据理论与支持向量机相结合的方法对获取的图像特征和光谱特征进行融合,建立了基于机器视觉和近红外光谱技术的多源信息融合马铃薯痂疮病检测模型,该模型对测试集马铃薯识别率为95.83%。试验结果表明,该技术对马铃薯痂疮病进行检测是可行的,融合模型比单一的机器视觉模型或近红外光谱模型识别率高。 相似文献
7.
8.
基于机器视觉的马铃薯晚疫病快速识别 总被引:7,自引:6,他引:1
晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。 相似文献
9.
马铃薯黑心病和单薯质量的透射高光谱检测方法 总被引:2,自引:1,他引:1
针对单一检测技术不能同时检测马铃薯内外品质的多项指标,采用透射高光谱成像技术并融合光谱和图像信息,对其内部黑心病、质量指标进行检测。通过透射高光谱成像系统获取266个样本高光谱图像(400~1000 nm),并提取光谱和图像二者信息。采用不同变量选择方法对光谱进行变量选择,用9个光谱变量建立检测马铃薯黑心病偏最小二乘判别分析(partial least squares discriminant analysis, PLS-DA)模型与质量偏最小二乘回归(partial least squares, PLS)模型;提取样本透射高光谱图像的面积信息,建立基于光谱-图像的检测马铃薯质量PLS模型。试验结果表明,黑心样本识别率为100%,识别最小黑心面积为1.88 cm2;基于光谱-图像所建立质量检测模型预测效果较好,其预测集相关系数(Rp)为0.99,预测均方根误差(RMSEP)为10.88。结果表明:采用透射高光谱成像技术并融合图像和光谱信息对马铃薯内部黑心病、质量同时进行检测是可行的。 相似文献
10.
基于数据融合的玉米种子内部机械裂纹检测方法 总被引:2,自引:3,他引:2
为深入研究玉米种子脱粒和输送等环节中产生的内部裂纹机理和检测技术,该文在体视显微检测基础上提出了基于融合技术的边缘检测方法。该方法采用改进的数学形态学方法和传统Sobel边缘检测算子对损伤玉米种子图像进行边缘检测,建立相应的融合规则,将2种方法检测出来的图像边缘进行基于小波变换的融合处理,并从新图像中提取玉米种子内部机械损伤的特征信息。结果表明,该检测方法结合了2种边缘检测方法的优点,有效提高了边缘检测准确性,在准确提取玉米种子内部裂纹特征同时能有效降低噪声,较单一边缘检测算法有更好的效果。 相似文献
11.
水果表面缺陷是影响水果价格最有力的因素之一,目前大部分研究基于静态图像采用较复杂的算法分割水果表面缺陷,因此很难满足在线水果缺陷的快速检测。本文介绍了一种在线水果表面亮度均一化校正及单阈值缺陷分割方法。首先,通过RGB颜色空间转换获取HIS空间图像的色调(H)分量,基于H分量建立掩模对RGB图像的R分量执行掩模去背景;然后,基于照度-反射模型,利用低通滤波获取R分量图像的亮度分量,利用此亮度分量对去背景后的R分量图像进行亮度均一化校正;最后,利用一个简单的阈值对亮度校正后的图像进行缺陷分割。利用此算法,对416幅图像的检测结果表明总体检测率超过99%。该方法简单、有效,在在线水果缺陷检测中具有较大的应用潜力。 相似文献
12.
基于照度-反射模型的脐橙表面缺陷检测 总被引:9,自引:3,他引:6
水果表面缺陷是影响水果价格最主要的因素之一,目前大部分研究基于静态图像采用较复杂的算法分割水果表面缺陷。该文介绍了一种基于在线水果图像的表面亮度均一化校正及单阈值缺陷分割方法。首先,通过RGB颜色空间转换获取HIS空间图像的色调(H)分量,基于H分量建立掩模对RGB图像的R分量执行掩模去背景;然后,基于照度-反射模型,利用低通滤波获取R分量图像的亮度分量,利用此亮度分量对去背景后的R分量图像进行亮度校正;最后,利用一个简单的阈值对亮度校正后的图像进行缺陷分割。利用此算法,对416幅图像的检测结果表明总体检测正确率超过99%。该方法简单、有效,在在线水果缺陷检测中具有较大的应用潜力。 相似文献
13.
14.
玉米秸秆皮拉伸和剪切特性试验 总被引:11,自引:10,他引:1
为设计玉米秸秆皮穰叶分离机械并优化其参数,本该文对玉米秸秆皮的拉伸和剪切特性进行了二次回归正交旋转试验研究。该文通过试验研究了含水率和取样高度对玉米秸秆皮拉伸强度的影响;含水率、取样高度和剪切速度对玉米秸秆皮的剪切强度的影响。试验结果分析表明:对于抗拉强度,在含水率为30%时玉米秸秆下部秸秆皮的抗拉强度达到最大值,其值为67.2MPa。在研究抗拉强度的2个因素中,取样高度对玉米秸秆皮的拉伸强度影响较显著。对于剪切强度,在研究的3个因素中,剪切速度和含水率对玉米秸秆皮的剪切强度影响较显著,而取样高度对玉米秸秆皮的剪切强度影响不显著。 相似文献
15.
Stintzing FC Stintzing AS Carle R Frei B Wrolstad RE 《Journal of agricultural and food chemistry》2002,50(21):6172-6181
A series of cyanidin-based anthocyanin pigments was investigated to determine the effect of structural variation on a number of chemical and physical properties: CIELAB color coordinates, visual detection thresholds, hydration constants (pK(H)), and in vitro antioxidant activities (ORAC). In addition to individual isolated compounds, purified total pigment isolates from blackberry, elderberry, black carrot, red cabbage, and sweet potato were also examined. Acylation with cinnamic acids shifted color tonality (hue angle) to purple, and markedly increased pK(H) and antioxidant activity, but lowered the visual detection threshold. Glycosidic substitution at the 5 position moved tonalities toward purple and decreased pK(H), and tended to lower the ORAC value, but raised the visual detection threshold. Increasing the number of sugar substituents at the 3 position also affected all of these parameters, however, the extent was not predictable. Antioxidant levels of purified anthocyanin extracts were much higher than expected from anthocyanin content indicating synergistic effect of anthocyanin mixtures. 相似文献
16.
为深入探索玉米籽粒机械损伤的自动、准确、快速识别技术,本试验首先采用灰度法、色度阈值法、色彩恢复的多尺度Retinex法、基于卷积的Sobel法分别对玉米籽粒进行区域分割和质量比较;其次提取玉米籽粒的二值化图像特征,建立玉米籽粒的机械损伤判别分析和逐步剔除模型;最后利用构建和验证集样本对2种模型进行验证。结果表明,基于卷积的Sobel法二值化图像质量最优,其均方误差、峰值信噪比、熵、平均梯度分别为1.813 5、45.545 5 dB、2.838 7 bit/pixel、7.358 4;利用置信区间法得到了正常与机械损伤样本形态特征的最优阈值,各形态指标对判别是否产生机械损伤的贡献程度由大到小依次为面积、周长、最短费特雷直径、最长费特雷直径,其权重系数分别为0.299 5、0.283 2、0.241 7、0.175 5;得到了玉米籽粒多元线性机械损伤判别模型,相关性为0.805,判别分析和逐步剔除模型的平均准确率分别为93.00%、85.67%,构建集与验证集准确率差值分别为2.00%和3.33%。本研究可为玉米籽粒品质视觉检测提供理论依据。 相似文献