鸭蛋品质无损自动检测分级系统

设计了基于计算机视觉技术的鸭蛋品质无损自动检测分级设备的硬件系统和软件系统。阐述了总体结构、工作原理及检测方法。该设备可一次完成蛋心颜色、蛋壳厚度、蛋大小、新鲜度 4个指标的检测和分级 ,具有快速、准确、高效、可操作性强等特点 ,实现了鸭蛋品质在线检测、分级过程的自动化。     

计算机视觉技术在茶叶等级检测中的应用研究

茶叶富含多种具有营养价值和保健功能的化学物质,是世界上三大饮料之一。我国的茶叶种植面积和产量都位居世界第一,但近年来茶叶产业的效益徘徊不前,原因在于茶叶分级技术落后,影响了产品在国际市场的竞争力。计算机视觉是一种较为新型的技术,在茶叶品质检测中得到广泛应用,其检测范围集中在茶叶色泽和外部形态上,取得了较好的分级效果。为此,通过计算机视觉技术获取茶叶形状和茶水颜色特征,利用神经网络对检测数据进行分析后判别茶叶的等级。结果表明:计算机视觉能有效地判别各等级的茶叶,检测的总体准确率达到88.8%,可以应用于茶叶的实时等级检测。     

基于计算机视觉技术的双黄鸡蛋检测系统研究

随着生活水平的提高,人们对禽蛋的品质日益关注。双黄蛋由于营养丰富而备受消费者青睐,其商业价值远超普通的单黄蛋。为此,建立了一个基于计算机视觉技术的双黄鸡蛋检测系统。该系统通过提取鸡蛋的蛋形尺寸、蛋黄特征和蛋黄指数等特征,实现利用建立的关系模型完成双黄鸡蛋的识别检测,正确识别率可以达到95%以上。     

鸭蛋蛋心颜色模型的试验研究

应用机器视觉技术研究鸭蛋蛋壳、蛋心颜色与颜色信息R、G、B和H、I、S之间的关系,建立鸭蛋蛋心颜色等级模型,为实现鸭蛋品质的无损自动检测与分级提供依据。试验结果表明:鸭蛋蛋心颜色等级模型具有较高的回归精度,可以用于指导在线生产。     

计算机技术在现代农业中的应用

在由传统农业的经验耕作、管理、规划、决策向现代农业的科学耕作、管理、规划、决策转变的过程中,计算机技术起着非常重要的作用。该文着重对计算机图像处理和机器视觉技术在农作物种质检测、种子计数、农产品品质检测与分级、作物生长状态监控及农业机械、农业机器人作业中的应用进行了论述,并简单介绍了计算机在节水灌溉、畜牧业生产和食品农产品安全领域的应用情况,提出将云计算应用于农业领域,将有助于解决农业高度分散、生产规模小和时空变异大等问题,应加快推进研究与技术实践。      

基于激光图像分析的桃货架品质无损检测试验

利用波长为650nm,功率为13、25mW的半导体激光分别照射货架期间早熟(霞晖)和中熟(朝晖)2个品种桃的表面,通过计算机视觉系统获取图像,并对图像进行处理,得到图像S1和S2及其像素面积,然后对各种所设参数(AS1、AS2、AS1-AS2、AS1/AS2)和桃的各种品质指标进行分析。结果表明:图像参数AS1-AS2与最大破坏力F、果面底色色度a*、果面底色色调角H°和桃果实固酸比SSC/TA之间有较好的相关性,结果验证了激光在水果品质无损检测中的可行性。     

鲜果感官品质等级评定数量化录入模型的研究

针对鲜果等级评定专家系统二次开发中存在的结论重复率高、录入工作量大的问题,提出了数量化录入模型构建思路:将模型参数进行量化,然后利用基于农业专家系统的推理机进行二次循环推理,最终给出结论。数量化录入模型的设计不仅量化了条件组合,而且使形式趋于简单化,适用于以农业专家系统平台PAID为支持平台的多种鲜果的感官品质评定模型设计。     

基于计算机视觉与敲击振动融合技术检测鸭蛋壳强度

通过对敲击振动特征频率矩阵变异系数和测定有裂纹蛋壳强度的探索性分析,获得鸭蛋壳强度特征频率的分离阈值λ=0.02.通过传感器数据关联.确定了进入模型的特征变量.采用后向消去法进行多元线性回归建立了无裂纹鸭蛋壳强度预测模型,结合蛋壳强度分离阈值得出基于特征层多传感器融合鸭蛋壳强度的系统模型.验证性试验表明该模型有较好适应性.对于各种颜色、形态鸭蛋的蛋壳强度都有较好的预测效果,误差均值小于3.1%,误差标准差为0.003.     

浅谈计算机视觉技术在果蔬外观品质检测中的应用

果蔬的外观品质是评估其市场价值、被消费者选择的依据之一,而且在某种程度上也会影响它们的内部品质。本文分析了计算机视觉系统对果蔬外部品质检测的发展现状,提出了计算机视觉技术在南疆果蔬外观品质检测中存在的问题及建议,旨在为新疆南疆地区水果和蔬菜品质检测技术的研究和发展提供参考。     

PLC在鸭蛋品质无损自动检测分级系统中的应用

运用三菱FX2N-48MR型PLC，根据分级要求，采用定时单位为100ms的定时器设计了20通道的独立延时系统。利用RS485／232转换器，依据FX2N系列串行总线通讯协议，实现了PC机与PLC间的通讯。继而实现了鸭蛋品质无损检测后的自动分级功能。目前，此系统在仙桃市食品总公司得到了应用，并取得了较好的效果。     

基于机器视觉与敲击振动融合的鸭蛋孵化特性检测

为提高判别种蛋孵化前期受精的准确性和稳定性,将视觉和声学2种传感器信息在孵化第5天进行特征层融合,采用2种人工神经网络构建种蛋孵化前期受精性判断的融合模型。研究表明:采用LVQ神经网络判别模型的准确率和稳定性,优于BP神经网络。单独利用计算机视觉技术和敲击振动技术对鸭蛋孵化早期受精情况的判别准确率为92%和88%,而将2种传感器信息进行融合构建的模型的准确率可达98%,说明传感器信息融合技术在判断鸭蛋孵化前期受精性方面是可行的。     

计算机与PLC通讯在鸭蛋分级系统中的应用

在鸭蛋分级系统研究中，运用了Visual C 实现计算机与三菱PLC之间的通讯。为此，结合鸭蛋分级系统的要求，详细阐述了运用Visual C 实现计算机对PLC的控制与管理的方法。该方法主要运用MSComm控件技术，FX-485-BD通讯模块实现计算机和PLC通讯。     

基于单目多视角机器视觉的珍珠在线分类装置

利用摄像机前放置多枚平面镜组成的对称斗型腔体构成以物为中心的单目多视角摄像装置,在摄像机投影平面上直接获取从不同视角拍摄的珍珠表面图像;然后对不同视角的珍珠表面图像进行处理,获得反映珍珠品质的各种特征值;最后用特征融合的方式判定珍珠的品质。实验结果表明,设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,实时完成珍珠的大小、形状、光泽、瑕疵和颜色等外观品质指标的视觉检测与分类。     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统.工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得...     

禽蛋视觉分级装置配用吸运机构设计与试验

针对禽蛋在自动分选过程中的易破裂性,研究了用于禽蛋视觉分级的吸运机构。通过分析计算,确定了分级吸运机构的相关参数,并利用Pro/E软件进行了机构运动学仿真。吸运试验表明,该机构能够满足在线分级要求。试验结果表明:在微型真空泵的真空度和抽气速度一定的情况下,吸运机构的禽蛋吸附效果与吸盘直径和形状、机构的转速等因素有关,并得到了最佳参数匹配。该研究对禽蛋品质自动检测分级设备的研制有应用价值。     

基于最大横截面积的马铃薯分级及切割策略研究

自动化种植的趋势下,马铃薯的分级及自动切割成为关键性的瓶颈问题。为此,提出了基于最大横截面积的马铃薯分析及切割策略,首先基于零力矩点ZMP(Zero Moment Point)解决了马铃薯不受外力情况下稳定姿态的分析问题,通过顶部和侧面同时摄像并应用Sobel算子进行边缘提取,采用灰度阈值截留分割对突出的顶芽进行边缘平滑处理,进而得到马铃薯最大有效投影面积,并以此为依据进行分级和切割。实验验证表明:本方法分级准确性达到92. 5%,切块策略误差较小,可为后续自动化切割及种植提供重要参考。