基于计算机视觉的玉米籽粒形态测量

为了提高玉米籽粒形态测量的精度与自动化程度,提出一种应用计算机视觉技术对玉米籽粒进行图像获取与形态测量分析的新方法.通过流域分割、轮廓线提取、像素点计数获得籽粒投影面积、周长和长短轴等形态描述指标,并建立了籽粒投影面积与籽粒质量的回归方程.计算机视觉技术为玉米籽粒形态测量与评价提供了一个新途径.     

基于计算机视觉的玉米籽粒形态测量与研究

视觉技术目前被广泛应用于社会各生产领域,包括制造行业、文档分析、医疗诊断及农业品质检测等。为此,基于计算机视觉技术,设计出一种玉米品质自动检测分析方法,即玉米籽粒实时分析系统,具有客观、高效、准确的优势,解决了传统人工检测模式下主观、低效、误差大等问题。最后,设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。     

基于计算机视觉的害虫识别技术研究进展

害虫自动识别技术是实现农业现代化的关键。机器视觉技术在害虫识别上的应用促进了害虫自动识别技术的发展。为此,针对国内外在农业害虫识别领域的研究现状,全面、系统地分析了基于机器视觉技术的害虫识别研究进展及应用情况;同时,阐述了利用数学形态学法、二叉树法、人工神经网络等方法识别害虫的理论依据、研究情况及关键问题,指出了实现自动识别的前景及难点,以期促进该项技术在我国的应用。     

基于计算机视觉的水稻杂株识别

针对水稻的杂株识别,设计了一种基于计算机视觉的水稻杂株识别系统。系统主要由图像获取系统、特征提取系统和模式识别方法系统组成,可利用颜色特征识别图像中的杂株,并对图像进行阈值分割获取二值图像,提取形状特征和纹理特征,通过DS融合理论程序实现水稻杂株的识别。试验结果表明:系统可以准确识别水稻杂株类型,准确率达到了92%以上,能够满足农业人员对水稻杂株识别系统的要求。     

基于计算机视觉的成熟番茄识别研究

以番茄图像为研究对象,提出一种成熟番茄识别方法。首先,以HSI模型中的色调分量为基础进行图像分割,提取出成熟番茄目标图像;然后,再采用最大方差自动取阈值法进行分割处理,对得到的目标图像进行轮廓提取;最后,对轮廓曲线采用Hough变换的方法进行识别,以同一个轮廓圆识别的多个极值点的均值作为最终识别结果,在Hough变换之前采用最小外接矩形法进行有效区域标记,提高了Hough变换的效率。通过多幅番茄果实图像的仿真测试表明:本算法对果实遮掩度为0、小于50%、大于50%这3种情况的识别率分别为78.7%、6 8.1%、4 1.9%,平均识别率达到7 0.6%。本算法对于成熟番茄可以较好识别,尤其对于存在重叠情况的番茄,识别准确率较高。     

计算机视觉技术在玉米种子自动检测中的应用

玉米种子的品质关系到后期玉米种植收获的好坏,也是玉米收获后的重要加工环节,一般在收获的玉米中挑选出品质优良的作为种子。利用计算机视觉对玉米种子品质进行挑选,具有效率高、准确度高的优势,可代替传统的人工作业,节省了大量劳动力。计算机视觉技术是通过对玉米种子采集的图像进行格式转换、图像变换、图像直方图信息统计、图像增强、图像分割及形态学处理等一系列图像预处理技术,并提取有效图像进行分析验算。计算机视觉技术对玉米种子品质的研究主要表现在玉米种子的品种、纯度、活力、裂纹等方面的检测,本文对玉米种子的检测智能化进行了阐述,为后期研究提供参考。     

基于计算机视觉的番茄营养元素亏缺的识别

以肉眼不易识别的番茄缺氮和缺钾初期为研究对象，对体现在叶片颜色和纹理上的缺素症状进行了特征提取，利用遗传算法对提取的众多缺素特征进行优化组合，选择出用于模式识别分类器设计的特征向量，建立了二叉树分类法对番茄缺素进行模式识别的框架，在该框架下，基于模糊K－近邻法建立了缺素的模式识别系统，并进行了识别测试。结果表明，对不易肉眼判别的番茄缺氮和缺钾初期叶片的识别准确度在85％以上，能够满足生产要求。     

基于计算机视觉的芋头病害监测与识别

为深入及时掌握芋头病害的信息与生长动态,基于计算机视觉中的图像识别与特征提取技术,对芋头常见病害进行监测与识别研究。在全面理解芋头病害监测的内部波段划分与识别方法匹配基础上,融合计算机视觉的图像纹理特征识别与边界区域条件参数,建立芋头病害识别监测理论模型,通过系统的硬件仪器及电路配置、软件程序功能实现,进行芋头病害图像监测识别试验。结果表明:根据芋头常见病害的外形特征,可得到多组清晰化的芋头病害特征与症状显示图,是直观化识别与分类管控的重要依据。该监测系统整体芋头病害识别率较高,平均维持在88%以上,其中疽病的识别率可达到91.3%,试验效果良好且思路可行,对类似农作物病害的监测与识别技术优化有一定的参考价值。     

基于计算机视觉的蚕蛹性别识别应用研究

蚕蛹雌雄鉴别的准确率直接关系到育种的质量,雌雄蚕蛹分选是制造优质蚕种的重要环节。目前,蚕种场都是用人工进行鉴蛹,劳动强度大,生产效率低。为此,依据雌雄蚕蛹蛹体特征的不同,研制了一套基于计算机视觉的蚕蛹雌雄自动识别系统;利用MATLAB软件,对获取的蚕蛹图像进行预处理后,根据雌雄蚕蛹图像的形体特征和尾部纹理特征,利用BP神经网络进行分类识别,识别率达到95%以上,符合育种要求。     

基于计算机视觉的番茄营养元素亏缺识别研究

针对番茄种植中营养元素的亏缺,肉眼不易进行识别判断的问题,以番茄亏缺氮、镁营养元素为研究对象,利用CDD摄像机采集研究图像,将图像进行处理后,提取分割出可以表现亏缺氮、镁的特征图像,提取颜色特征和纹理特征,并通过遗传算法进行优化。同时,将优化的特征进行组合分析,以此建立特征模型,并确定特征向量用于分析提取出来的特征参数,建立的特征模型,并采用二叉树形式对番茄缺素识别进行研究。仿真试验结果表明:番茄种植中,采用计算机视觉技术识别亏缺氮、镁营养元素,识别准确率可以满足生产需要。种植户可以根据检测结果对番茄进行区别施肥,既能满足番茄生长的需要,又不会造成资源的浪费,符合农业可持续发展的要求。     

基于计算机视觉的水稻杂株识别研究

水稻杂株是品种形成过程中的干扰因素,对水稻产业具有较大的危害。水稻杂株的防除以识别为前提,但目前的识别方法消耗大量人力,识别的效率也不理想。计算机视觉是一种图像分析处理技术,在农业领域的应用较广。为此,设计了基于计算机视觉的水稻杂株识别方法,拍摄图像后依次进行预处理、灰度化和二值化,最后根据外观特征采用阈值分割法将杂株识别并提取出来。试验结果表明:秧苗期水稻杂株的性状特征最少,导致计算机视觉的识别效果较差;计算机视觉在抽穗期的识别率最高,误识率最低,具有良好的识别效果。因此,这种识别方法最适合在水稻的抽穗期使用,可以为水稻的品种形成提供技术支撑。     

珍珠形状的计算机视觉识别

采用计算机视觉采集珍珠图像,通过一系列的预处理后,转化到极坐标系下,利用计算前8组F(h)(傅里叶系数)数值作为每种典型形状特征面的特征参数,然后运用模糊模式识别的方法对每一幅图像的珍珠形状进行有效判别.通过对多视角得到的图像特征面的寻找与比较判别,实现珍珠形状的判别分类.实验结果表明,分选最大误判率为33.3%.     

霉变花生的计算机视觉识别

提出一种利用图像处理技术识别霉变花生的方法.首先用微分算子对彩色花生图像进行边缘检测,经过形态学运算、填充、合成后,得到去除背景的彩色花生图像.然后采用H和S的阈值识别霉变区域,根据像素数目计算霉变面积比,从而判断霉变情况.试验表明,这种识别方法的正确率可以达到90%.     

基于计算机视觉识别技术的甘蔗种植机械化研究

针对当前甘蔗种植机械化现状,优化机具设计,并应用计算机视觉识别技术,自动识别切种长度,预切甘蔗种,以便实现精密化、机械化的甘蔗种植。在计算机视觉识别技术支持下优化设计甘蔗种植设备,不仅可提升识别甘蔗茎节的正确率(提升80%),还可以提升甘蔗种植效益(提升20%),取得较好的经济效益。为此,设计了基于计算机视觉识别技术甘的蔗种植机械化设备,可提升甘蔗种植机械化水平,提高甘蔗预切种正确率,提升甘蔗机械化种植效益,产生积极影响。     

基于计算机视觉的微小轴承表面缺陷在线识别

采用计算机视觉识别技术对625ZZ微小轴承端盖上的缺陷进行自动识别，针对缺陷的位置、面积、深度的随机性，对计算机视觉系统的构成、表面缺陷的数字图像采集、图像分割、图像差影、矩不变量等模式识别理论与技术进行了研究，发现轴承表面的均匀分布区域可以直接采用差影法。对刻印文字的区域可采用模板匹配法进行，结果表明该方法识别正确率达98％。     

基于机器视觉技术检测裂纹玉米种子

种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。     

基于计算机视觉无精蛋识别系统设计与实现

设计了一套基于计算机视觉检测无精蛋的特征无损装置,实现了种蛋孵化前对无精蛋与受精蛋的分离。无精蛋识别系统以数码相机、计算机和打印机快速搭建计算机视觉系统,应用Canny算子实现了种蛋图像边缘提取,利用无精蛋的边缘轮廓特征规律,实现无精蛋的识别。试验结果表明,基于计算机视觉无精蛋识别装置对无精蛋筛选精度为1 0 0%。     

在MATLAB环境中基于计算机视觉的番茄识别研究

根据反应彩色图像颜色信息的正交特性,利用最大方差自动取阈法对该正交特性图像进行分割,可快速识别出在不同光线下采集到的红色成熟番茄。对于实现番茄的自动采摘具有现实意义。     

基于优化DBSCAN算法的玉米种子纯度识别

为快速有效地识别玉米种子纯度,针对玉米种子图像特征,对玉米种子的图像处理方法和聚类算法进行研究,提出一种基于最远优先遍历的DBSCAN玉米种子纯度识别算法。该方法首先提取玉米种子冠部核心区域的RGB、HIS和Lab种颜色模型特征参数,选取H、S、B作为识别向量;其次通过最远优先遍历算法剔除密度差异特征向量边缘异常散点;最后采用DBSCAN算法进行密度聚类。实验结果表明,该方法玉米纯度识别正确率达93.3%。     

计算机视觉在大米胚芽识别中的应用

提出了有计算机视觉系统代替人眼对大米胚芽进行自动识别的方法。通过对胚芽米的颜色特性和彩色图像的分析研究,首次提出以饱和度Ｓ作为特征参数进行胚芽和胚乳的识别,从而实现了对大米留胚率的自动检测。以建立和识别指标和方法用计算机视觉系统进行胚芽识别,结果与人工检测吻合率达８８％以上。留胚率的自动检测结果与人工检测结果高度吻合。