脐橙外部品质计算机视觉检测技术初步研究

根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。采用中值滤波和线性低通滤波技术对原始脐橙图像进行平滑、去噪,在对脐橙图像像素点颜色信息统计的基础上,通过设置蓝色分量、色调、饱和度的阈值,从图像中快速准确的分割出果实图像;确定果实横径、果形、表面缺陷率、色泽与着色率为脐橙外部品质分级的特征参数;通过BP神经网络建立了特征参数与脐橙等级之间的关系模型,试验结果表明,其预测准确率达到85％。     

基于计算机视觉技术的番茄叶部病害识别研究

针对番茄叶部病害的计算机识别问题进行深入研究,建立一套基于适用于番茄病害的颜色特征提取、纹理特征识别等模式识别方法,确定与病理对应的特征和特征组合模式,在此基础上进行了仿真研究和对比试验,结果表明,该方法能有效提高番茄叶部病害的自动识别水平。     

针叶树种计算机视觉苗木自动分级系统的研究

针对苗木分级领域的实际需要及国际苗木分级技术发展状况,研究,设计了针叶树种计算机视突苗木自动分级系统。该系统应用计算机视觉技术和神经网络技术。通过对苗木图像的处理。在实验室中实现对苗木的自动分级,实验研究表明,计算机视觉自动分级系统在苗木分级领域中具有良好的应用前景。     

基于机器视觉的脐橙品质在线分级检测系统

针对脐橙自动分级检测中存在正确识别率偏低、实时性不强的问题,提出一种综合特征提取方法:在对图像颜色模型进行转换后,用H分量图像提取脐橙的大小特征;S分量图像通过背景分割、边缘灰度补偿、整体亮度变换后提取脐橙的果面缺陷特征;采用R、G、R-G3个分量的均值和标准差提取脐橙的颜色特征。以脐橙的大小特征、果面缺陷特征和颜色特征为支持向量机(Support vector machine,SVM)的试验输入向量,进行脐橙分级检测试验,以实现提高脐橙自动分级正确识别率和增强实时。试验结果表明:该SVM分类器对脐橙分级的正确识别率为91.5%,处理时间为160ms,适合于实时环境下的分级检测。     

脐橙色泽与着色率的机器视觉检测技术研究

色泽与着色率是脐橙品质和机器分级的重要指标,但用传统算法很难建立脐橙颜色参数与其之间的关系模型。研究对脐橙图像进行预处理后,分析脐橙表面颜色特征参数,提取脐橙有效像素的H(色调)、S(饱和度)、R(红色分量)、G(绿色分量)、B(蓝色分量)的平均值与标准差作为参数,对着色率与色泽进行定量描述,并通过神经网络算法建立颜色特征参数与色泽和着色率之间的关系模型。结果表明,该分级模型对着色率与色泽的分级与人工标准分级的一致度分别为90%和92%。     

脐橙表面农药残留的计算机视觉检测方法研究

经不同种类农药处理后,采集脐橙激光散射图像,通过对表面是否喷洒农药,以及表面喷洒不同种类农药的水果图像进行处理,用一元非线性方程拟合脐橙图像灰度值分布曲线。结果表明,脐橙图像灰度值在10~100范围内的灰度曲线拟合模型与农药残留是密切相关的,能用于区分脐橙表面是否存在农药残留。     

基于机器视觉的脐橙可食率的研究

脐橙的可食率可通过脐橙的重量和体积估测得到,在此基础上提出了一种脐橙可食率的估测方法。首先通过机器视觉技术获取脐橙2个方向的截面积,再以这2个截面积和脐橙重量为输入变量的神经网络估计脐橙的可食率。试验结果表明,该方法在估计脐橙的可食率方面取得了较好的效果。     

基于计算机视觉的杜鹃自动分级方法

随着我国花卉产业的蓬勃发展,花卉的自动化生产已经成为了必然趋势。提出了基于计算机视觉的杜鹃分级方法,对杜鹃的侧视图、俯视图进行图像分割,通过分析计算,得到株高、冠径、花盖度、花朵分布均匀度4项关键指标。对60盆杜鹃的分级试验结果表明,综合分级正确率达96.7%,其中株高的平均测量误差为5mm,冠径的平均测量误差为7mm,而对花盖度及均匀度的分级正确率分别达98.3%和96.7%,并可测出准确的分级参数,用于杜鹃的培育分析。该分级方法准确,实时性高,为杜鹃自动化分级提供了有效的途径。     

计算机视觉在作物生产中的应用研究

计算机视觉已经随着信息技术的发展而应用到很多领域,其在农业上的应用已经成为农业信息化不可分割的一部分.本研究利用国内外图像处理或计算机视觉在作物生产过程中应用的实例,以及目前常用的一些方法来介绍农业中的计算机视觉.同时,结合作者研究提出目前农业中计算机视觉应用的一些缺点和不足,以及需要解决的问题.     

基于计算机视觉的葵花子外观品质检测研究

通过采集完好、霉变、破损葵花子的图像并对其进行预处理,研究共提取了3个颜色特征值(G、B、I)和5个纹理特征值(灰度均匀性、梯度均匀性、惯性矩、一致性、熵),采用BP神经网络和决策树算法分别对3种葵花子进行检测识别。结果显示,BP网络采纳全部8个特征值,正确率98.58%;决策树算法采纳2个特征值(G、B),正确率99.25%,说明决策树算法模型更简洁,效果更好,表明计算机视觉技术可以实现完好、霉变、破损葵花子的检测识别。     

崀丰脐橙的选育及品种特性研究

崀丰脐橙是从华盛顿脐橙（Washington navel orange）中选育出来的优良芽变品种．该品种为中晚熟品种,果形美观,色泽鲜艳,品质优异,耐贮性好;适应性强,遗传性状稳定,坐果率可达1%～1．5％,适宜在高温多湿的南方地区推广栽培。     

江西省赣州脐橙产品包装研究

为有效宣传江西省橙乡赣州市,打造赣州市世界最大的优质脐橙基地,扩大赣州脐橙的影响,必须统一赣州市所有脐橙产品的包装,从而在对外销售时也能最大化的宣传橙乡赣州市。     

纽荷尔脐橙果实生长规律Logistic模型探究

在纽荷尔脐橙花期用不同生长调节剂进行处理,然后采用Logistic模型拟合了其果实体积生长动态。结果表明:各个处理的拟合模型的相关系数均达到了极显著水平;根据所拟合的Logistic曲线的两个特征点,将纽荷尔脐橙果实体积生长划分为3个阶段:幼果期、果实膨大期、果实成熟期。     

水分对脐橙果实体积增长的影响

于7—9月脐橙果实膨大期,连续达10 d晴天,进行树盘灌水,调查果实体积增长量和株产量。结果表明:灌水处理果实净增量曲线波动较未灌水处理的小,而且曲线高峰与低谷出现的时间和谷值有区别;8月上中旬,灌水处理曲线快速升高,而对照曲线逐步下降;平均株产量灌水处理(17.17 kg)大于对照(12.57 kg)。     

计算机视觉技术在水产养殖中的应用

介绍了计算机视觉技术的概念及其系统组成,综述了计算机视觉技术在鱼种及形状识别、鱼只计数、鱼体尺寸和重量测量、投饵监控和鱼的行为监测中的应用。