基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

中国柑橘外部品质机器视觉检测分级技术研究现状与展望

柑橘外部品质是影响消费者采购和决定市场价值的重要因素之一。柑橘颜色、大小、形状和缺陷等外部品质指标的人工检测与分级费时、费力并且主观性强。因检测结果客观性好、自动化程度高,传统机器视觉技术和高光谱视觉技术成为果蔬外部品质检测技术与装备研究的热点。综述了我国机器视觉技术和高光谱视觉技术在柑橘外部品质检测技术与装备的研究现状、面临的挑战和未来发展的方向。      

动态图像采集在鸡蛋品质检测中的应用

图像采集是利用机器视觉对禽蛋品质检测的第一步.为了满足自动化的需求,提出了一种基于DirectShow技术的鸡蛋动态图像采集的方法,介绍图像采集系统的构成以及动态鸡蛋图像采集的实现,为今后研究鸡蛋品质检测指明了方向.     

机器视觉技术的发展和应用

1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

基于机器视觉的马铃薯智能分选方法与实现

为实现马铃薯智能检测与自动分级,提高马铃薯分级效率,本文在现有水果机械分选机的基础上,加装机器视觉系统和智能分级控制系统,提出马铃薯外观品质检测算法,实现马铃薯智能分选系统。首先下位机发送信号给上位机机器视觉系统控制摄像头拍照;然后上位机根据马铃薯形状、颜色和缺陷特点,采用近似椭圆法进行形状检测,采用逐点检测法检测绿皮区域,采用自适应阈值分割法分离缺陷区域,并以缺陷面积比进行缺陷检测;最后上位机将检测结果通过串口发送给下位机,分级执行器执行分级结果将次品拣出,再配合机械分选的压力传感器信号进一步实现正常品的重量分级。经测试:本文提出的分级检测算法对形状、绿皮和缺陷的检测正确率分别为93.3%、94.1%和88.3%,综合检测准确率可达到90%。本文构建的分级系统运行稳定,每秒可分选25个马铃薯,基本满足马铃薯实时分选的需求。     

基于机器视觉和光谱技术水果分级的研究进展

机器视觉和光谱技术广泛应用于农业机械化领域,对推动农业智能化发展起着至关重要的作用。针对机器视觉在水果分级方面的应用现状,从研究对象的选取、检测分级特性指标以及检测方法的选择、机械装置及生产线开发3方面综述了研究的进展和存在的问题,并预测了相关的发展趋势,为机器视觉技术在农业中的应用提供了参考。     

基于机器视觉的蒜头最大横切面直径分级方法

针对中国蒜头分选率和分选精度较低而影响其商品价值等现状,设计了一套基于机器视觉技术的大蒜蒜头分选系统,以蒜头最大横切面直径作为分级标准,利用VC6.0编程实现上述分级模型的算法。试验选择3 2 0个金乡蒜头样本对其进行测试,该装置对蒜头总体筛选精度达到9 0.9 3 7 5%。试验结果表明:利用机器视觉技术可以对大蒜蒜头进行分级。     

水果外观质量智能化检测系统设计

综合了市场上各类水果分级设备的优点,该文提出了一套水果外观品质智能化检测系统的开发设计流程,从理论上进一步探讨了水果外观品质智能化检测的方法途径。水果在线分级装置主要由上料结构、输送结构、机器视觉系统、气动分选结构以及电器控制部分等组成。机器视觉系统包括工业控制计算机、CCD摄像机、光源、光箱、图像采集卡、触发器和I/O卡等;气动部分包括电磁阀、空气压缩机及喷气嘴等;电器控制部分包括PLC、固态继电器等。      

基于D-S证据理论的鸡蛋新鲜度多传感器融合识别

为提高无损检测在判断鸡蛋新鲜度方面的稳定性和模型适应性,通过D-S证据理论和BP神经网络将电子鼻和机器视觉两种传感器在特征层进行融合,构建了鸡蛋新鲜度的融合模型.探讨了一种可以弥补D-S证据在信息融合过程中不足的改进方法.验证试验结果表明:通过融合优化,不确定性的基本概率赋值下降到0.01以内,解决了单一检测方法检测模...     

计算机视觉苹果分级系统

回顾了计算机视觉技术在苹果品质检测和分级中应用的进展,提出了计算机视觉苹果高速分级的系统模型。计算机视觉苹果分级系统可以对苹果的外部缺陷、色泽、尺寸和形状进行全面的检测,在此基础上,可对苹果进行高速和精确的分级。