基于计算机视觉的番茄损伤自动检测与分类研究

为了提高番茄损伤检测与分类的准确率和效率,综合运用计算机视觉技术、BP算法、人工神经网络技术,实现番茄损伤的自动检测与分类。首先,通过计算机视觉系统获取番茄图像,利用图像处理去除噪声、图像分割、图像增强等多种基本图像处理的方法对番茄损伤图像进行了处理,综合运用并行和串行区域分割技术进行番茄表面缺陷区域检测。其次,对番茄图像进行了特征分析,通过提取三种特征包括8个特征参数,采用改进的BP算法训练的多层前向人工神经网络对番茄的损伤进行分类。该文中缺陷检测方法和特征提取方法的采用,使该计算机视觉系统节省了时间,提高了精度。试验证明番茄损伤检测和分类的准确率不低于90%。     

计算机图像技术在纤维成熟度检测方面的研究

本文归纳列举了目前国内外人对纤维成熟度检测研究的现状,说明图像技术在该领域的重要性,也预测该技术在进一步研究中的方向是合理算法的设计,展示图像技术在该领域应用的良好前景。     

基于计算机视觉的大米裂纹检测研究

针对人工目测的传统方法在进行米粒裂纹检验时存在主观性及随意性较大、效率较低、可重复性较差等缺点,在分析大米裂纹光学特征的基础上,在Visual C++ 6.0环境下开发了一套大米裂纹计算机识别系统,通过图像二值化、区域标记等方法从原始图像中提取单体米粒图像,并对提取出的单体米粒图像进行灰度拉伸变换处理以突出米粒裂纹特征,然后提取单体米粒的行灰度均值变化曲线,并对曲线进行加权滤波处理,提出了一种基于单体裂纹米粒图像行灰度均值变化特征的大米裂纹检测算法。运用该算法对从金优974、菲优600、冈优182、中优205、89-94等5类大米品种中各选取的6 组特殊类样品和5 组随机样品进行裂纹检测。试验结果表明,该系统对特殊类大米样品和随机大米样品裂纹率的判断准确率分别为98.37%和97.88%,为进一步完善大米品质的计算机视觉检测提供了理论和实践基础。     

蛋壳破损自动检测模型研究

为了建立蛋壳破损检测模型,试验采用敲蛋装置与声检测控制器组成的计算机蛋破损检测系统获取被检蛋声音信号数据。通过对蛋声音信号的功率谱分析而得到反映蛋壳破损特征的参数：功率谱面积的平均值x₁,最大功率谱面积与最小功率谱面积的差值x₂,X轴方向上质心的平均值x₃,X轴方向上质心最大值与其最小值的差x₄,Y轴方向上质心的平均值x₅,Y轴方向上质心最大值与其最小值的差x₆,共振峰频率的最大值x₇和共振峰频率的最大值与其最小值间的差值x₈;再通过Bayes原理建立与蛋壳破损特征参数相关的蛋壳破损模型。检验结果表明模型准确率达到92%。     

基于计算机视觉和神经网络检测鸡蛋裂纹的研究

为了提高鸡蛋裂纹检测的准确性和效率，综合运用计算机视觉技术和BP神经网络技术，实现对鸡蛋表面裂纹的无损检测和分级。首先，通过计算机视觉系统获取鸡蛋表面的图像，对图像分析处理，提取了裂纹区域和噪声区域的5个几何特征参数。其次，将5个参数作为输入，建立结构为5-10-2的BP神经网络模型，对裂纹进行识别和鸡蛋的自动分级。试验结果表明模型对裂纹鸡蛋的识别准确率达到了92.9%，对整批鸡蛋的分级准确率达到了96.8%。     

基于计算机视觉技术的油菜冠层营养信息监测

为了探讨利用计算机视觉技术监测油菜长相长势的可行性,在大田自然条件下,用数码相机构建了计算机视觉系统,获取、分割图像,用逐步回归的方法建立了用颜色值监测叶绿素含量、全氮含量、碳氮比值的最优模型,模型具有较好的预测性。试验结果表明：在大田自然光照条件下,用数码相机采集油菜图像,监测冠层叶绿素含量、全氮含量、碳氮比等生理指标是可行的。     

陇东绒山羊KRTAP2-1基因鉴定及其对羊绒性状影响的研究

角蛋白关联蛋白(KAPs)是羊绒纤维的主要结构成分,但尚未在山羊基因组中鉴定出KRTAP2-1基因,本研究以人类KRTAP2-1基因为模板,在山羊基因组中进行同源性搜索,在19号染色体上发现了一个399 bp的开放阅读框。采用聚合酶链反应-单链构象多态性(PCR-SSCP)方法,在249只陇东山羊上检测到7条不同的序列(A-G)。进化树结果表明,这7条序列与人类和绵羊的KAP2-1序列有较高的同源性,表明该序列是山羊KRTAP2-1的7个等位基因。测序结果表明,KRTAP2-1基因中存在12个单核苷酸多态性(SNPs)(5个SNPs位于编码区,7个SNPs位于非编码区),以及c.-61_-63delCTC和c.93_95delCCG两个碱基缺失,其中c.93_95delCCG引起了第32位精氨酸的移码缺失。山羊KAP2-1蛋白含有丰富的半胱氨酸、脯氨酸、苏氨酸和丝氨酸。相关性分析表明,等位基因C的存在与较小的羊绒纤维直径相关(存在:13.4±0.05 μm;缺失:13.6±0.03 μm;P=0.010)。本研究表明,山羊KRTAP2-1基因有丰富的多态性,可作为陇东绒山羊羊绒纤维直径选育的分子标记用于生产实践。     

基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证

针对水稻灯诱昆虫图像中稻飞虱自动检测存在严重误检和漏检问题,提出一种基于改进CornerNet的水稻灯诱飞虱自动检测方法.由于稻飞虱个体在灯诱昆虫图像中所占区域比例极小,利用重叠滑动窗方法提高飞虱在图像检测区域中所占比例,提高2种稻飞虱(白背飞虱和褐飞虱)的检测率和避免滑动窗边界造成的目标漏检.针对CornerNet存...     

计算机图象处理与米的品质检测

爆腰米粒的检测是米的品质检测中的重要内容之一。本文阐述了运用计算机图象处理技术检测爆腰米粒的的三种方法——直方图傅里哀系数判别法、直方图波峰检出法和灰度突变判别法,三种方法的识别功能、检测精度和简便程度各不相同。通过对八个品种798个样本的实测,表明用计算机视觉代替感官检测米的爆腰是可行的。     

用遗传神经网络方法进行苹果颜色自动检测的研究

该文通过计算机视觉技术获取苹果的色度直方图并提取其表面颜色特征，采用先进的遗传算法建立了一个多层前馈神经网络系统，从而实现了苹果成熟度的自动判别。实测表明，该方法准确率较高，并具有鲁棒性、灵活性和高速度。     

水果直径和缺陷面积的机器视觉检测

黄花梨是中国的一种重要水果,果径和果面缺陷面积是黄花梨分级的两项关键指标。通过研究黄花梨的分光反射特性,研制了一套适合黄花梨品质检测的机器视觉系统。为了适应实际生产中水果方向的随机性和水果外形的不规则性的要求,使水果尺寸检测的方法有更好的适应性,设计了一种利用水果的最小外接矩形(MER)法求最大横径的方法,并进行了试验验证,得出了表示实际最大横径与预测最大横径的关系的回归方程式,两者的相关系数为0.9962。分析了黄花梨缺陷区域的R、G、B各分量灰度的变化特点,利用R分量灰度和G分量灰度在缺陷区域和完好区域交界处有明显突变这一特点,采用梯度算法求得了可疑缺陷点,然后再用区域生长法,找出了缺陷点像素的最大连通集及所有的缺陷区域;采用像素点变换法,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想,大大降低了缺陷面积计算的误差;另外,还提出了一种新的面积修正方法,即用实际缺陷面积等于经像素点变换后的缺陷面积减去缺陷区域周长的一半加上1个像素点的面积来进行修正,进一步提高了缺陷面积计算的精度,而且该修正方法同样适用于其它图像面积的计算     

低高径比气体环流生化反应器的研究

简要介绍了研究低高径比气体环流生化反应器的目的和方法,采用在反应器内设置特别设计的喷嘴和挡板来提高混合和传质性能,从而反应器的高径比降低到３左右,用气含率、混合和传质特性等性能参数和相同尺寸的机械搅拌反应器进行对比试验,其性能相当。为进一步考察其实用性,设计和生产出２５０Ｌ气体环流反应器,对复合酶进行发酵培养试验。     

基于分水岭和凸包理论的自然场景下未成熟苹果直径测量方法

针对自然场景下生长期内树上未成熟果实的自动探测与大小计算问题,提出了一种基于改进分水岭和凸包理论的自然场景下未成熟苹果识别与直径计算方法。该方法首先对灰度图像进行形态学重构后进行边缘检测,再利用合并局部极小值点分水岭分割方法从粘连区域中提取目标果实,并结合基于凸包理论的真轮廓提取和圆拟合方法,实现目标果实圆拟合直径的自动测量。计算结果与人工测量结果进行对比试验,结果表明:在不考虑扁平型目标果的情况下,该方法的直径计算均方根误差最小值为1.91 mm,均值为2.27 mm,误差范围在品质评定等级差(5 mm)以内,具有较好的推广应用价值。研究结果为生长期内果实的大小监测提供参考。     

用计算机视觉进行黄花梨果梗识别的新方法

梨的果梗是否存在是分级的重要特征之一。通过计算机视觉系统摄取黄花梨图象,应用图象处理技术完成图象与背景的分割。针对使用细化及收缩膨胀算法识别果梗速度较慢,提出了一种快速算法。该法利用梨果梗直径小,选择不同大小的模板,判别图象中是否存在果梗,同时得到果梗头、底部与梨相交点的坐标,依据切线斜率信息,对果梗的完好性进行判断。试验结果表明,该算法可以１００％判断果梗是否存在,判断果梗是否完好的正确率达到９３％,判别速度提高４～６倍。而且该算法具有一定的鲁棒性,对旋转、移位不敏感。     

基于计算机视觉技术参考物法测量叶片面积

该研究利用计算机视觉技术采用参考物法测量叶片的面积,研制了无需采摘叶片测量其面积的活体采样光箱,并进行了光箱参数的优化,研究了用极值法求得阈值,并对图像进行阈值化,研究了去除图像中残留杂点的方法,最后验证利用计算机视觉技术参考物法测量叶片面积的可行性,且测量精度和效率都很高     

流域土壤侵蚀测量系统研究

流域内降雨-径流-土壤侵蚀过程中不同时空点处流量、流速、泥沙含量的获取是土壤侵蚀机理研究中的难点,它们的实时、准确测量将为侵蚀模拟-预报模型的建立与检验提供必要的数据支持。针对这一问题,提出一套测量流域土壤侵蚀动态变化过程变量的自动化测量系统。该系统由四部分构成:量水堰和水位传感器实现径流流量的测量;薄层水流流速测量系统测量坡面流及其流域内沟道中水流速度;径流含沙量测量系统测量径流中的泥沙含量;数据采集控制以及存储系统,实现试验设计点处侵蚀量的动态变化过程测量及数据存储。这一系统的构建及应用必将推动侵蚀过程测量向着更自动化和可操作化方向发展。     

基于计算机视觉的粒度检测方法研究

利用计算机视觉技术进行超微粉碎物料粒度检测方法的研究。采用非线性变换对图像进行对比度增强处理，利用自动取阈值算法分割目标和背景，设计了识别算法用于去除凝聚颗粒，以得到样本真实粒度和分布。实验证明用显微图像进行粒度检测，测定分布状态直观明了，检测结果稳定，可测量0.1～150 μm颗粒粒径。     

基于遗传神经网络的玉米叶色的自动测定研究

利用计算机图像处理技术和遗传神经网络技术,建立了一个多层前馈神经网络,实现了大田玉米和背景图像的正确识别,并且通过获取玉米叶的色度直方图提取了玉米叶表面颜色特征,进而求得了玉米叶色的测定值。实验结果表明,玉米叶色值自动测定系统,识别玉米的准确率可达91.6%,可以有效地测定玉米的叶色。该研究为实现大田玉米的化肥精确施用提供了理论依据。