计算机视觉技术在苹果叶片营养诊断上的应用

植物营养诊断方法很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具.随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,其在农产品诊断领域应用计算机视觉已变得越来越具有吸引力.苹果叶片营养状态诊断是进行合理施肥的前提,因此具有非常重要的意义.     

机器视觉技术在大豆叶片叶绿素含量测算上的应用

植物叶绿素含量测算方法有很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具。随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,在农产品诊断领域应用计算机视觉已变得越来越具有吸引力。为此,应用计算机视觉技术对大豆叶片叶绿素含量进行了测算。大豆叶片叶绿素含量的多少是进行合理施肥的前提,因此具有非常重要的意义。     

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。     

基于计算机视觉的苹果霉心病病变程度测量方法

利用近红外光谱技术进行苹果霉心病的无损检测是目前的主流方法,其光谱与霉心病的病变程度密切相关。为了实现苹果霉心病病变程度的精确测量,设计并实现了一种基于计算机视觉的苹果霉心病病变程度测量方法。首先,基于Otsu算法,利用果实区域与背景反差较大的特点,实现果实、病变与背景区域的分割,并对分割图像进行区域填充等预处理操作;然后,针对分割后包含病变的苹果图像,运用Otsu算法进行二次分割,分别提取腐烂病斑区域与整个苹果区域的面积;最后,计算出病变区域的比例,得到其病变程度。为了验证算法的有效性,利用多幅图像进行了测试,并与利用Photoshop手工选取的实际病斑面积进行了对比。试验结果表明,利用该方法得到的腐烂程度误检率为8.87%,可以有效地实现苹果霉心病病变程度的测量。     

苹果自动分级中计算机视觉信息处理技术的研究

在VC 开发环境下系统对苹果自动分级中计算机视觉信息进行处理,提出了一种苹果分级的R通道方法,对苹果视觉信息进行区域标记。实验结果显示,该方法可满足实际应用的要求。     

计算机视觉技术在农业机械中的应用

分析了计算机视觉技术的特点,概述了其发展过程;回顾和综述了计算机视觉技术在自动检测机械、智能收获机械、农业智能加工机械、智能田间作业机械等方面的应用;提出了计算机视觉技术在农业机械应用研究中需要重点解决的几个问题.     

计算机视觉技术在农业机械中的应用

分析了计算机视觉技术的特点，概述了其发展过程；回顾和综述了计算机视觉技术在自动检测机械、智能收获机械、农业智能加工机械、智能田间作业机械等方面的应用；提出了计算机视觉技术在农业机械应用研究中需要重点解决的几个问题。     

植物叶面积无损测量预处理技术研究

针对在计算机视觉技术对大豆叶面积的无损测量研究中,如何校正图像和去除植物叶片纹理特征等问题,提出了投影映射无损测量法。测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响。实验验证结果表明,该方法利用较少的特征点对就能很好地校正叶片图像,解决了非线性校正问题,并且图像信息量损失小。     

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。     

基于机器视觉的农业机械图像识别系统分析

随着计算机和机械自动化技术的不断发展,基于机器视觉的无损检测技术被应用到各个领域。在苹果分拣机上使用无损检测技术,不仅可以提高苹果的分拣效率,而且可以减轻苹果的损伤。为此,将机器视觉技术引入到了苹果分拣机的图像识别系统设计上,通过对苹果图像的采集、处理、轮廓特征提取与计算,利用确定好的分拣等级自动实现了苹果的等级分类,再由自动控制系统将不同等级的苹果分拣到指定位置,从而实现了苹果分拣的自动化。为了验证方案的可行性,对分拣机的图像识别系统进行了测试,结果表明:分拣机根据苹果周长可以成功地实现等级的自动化划分,对于实现水果的自动化分拣具有重要的意义。     

计算机视觉技术在农业领域的应用

綜述了计算机视觉技术在监测农作物生长、诊断农作物营养元素、种质资源研究、预测预报病虫草害、农产品收获和检测等方面的应用;介绍了国外对计算机视觉在农业领域中应用的研究动态;分析了我国在这方面研究存在的问题,并就计算机视觉在农业领域应用前景进行了展望.     

计算机视觉技术在智能化农业机械中的应用分析

计算机视觉技术通常用于复杂物体的自动化检测、识别、分割和定位,将计算机视觉技术应用在农业机械中,有利于实现农业生产的自动化、智能化,提高农业生产效率。基于此,研究小组首先介绍了计算机视觉技术在农业机械中的应用范围,主要包括农产品质量检测、农作物病虫害诊断、农机作业监测、农机自动导航等;分析了计算机视觉技术在农业机械中的应用优势,如实现智能化作业、提高作业精度、实现精确采摘、减少劳动力消耗、降低生产成本等;提出了计算机视觉技术在智能化农业机械中的应用方法和未来的发展趋势,包括开发高分辨率、高帧率和大视场相机,提高智能控制算法的实时性和准确性,加快计算机视觉技术的商业化进程等。以期为提高农业生产效率,推动我国农业现代化发展提供重要支撑。     

计算机视觉技术在智能化农业机械中的应用分析

近年来,为了提升农业机械智能化水平,计算机视觉技术在智能化农业机械中得到了广泛应用。笔者以计算机视觉技术为切入点,分析了其应用在智能化农业机械中需要注意的问题,并结合计算机视觉技术关键点,探讨了在智能化农业机械中的应用实践。应用结果表明,计算机视觉技术还未形成完整的应用系统,若要把其应用到智能化农业机械中,还需要进一步研究,才能促进农业机械持续智能化发展。     

苹果无损检测和品质分级技术研究进展及展望

中国苹果总产量高,但出口量占比低,高端苹果市场多被进口苹果所占领,主要原因是缺乏果品品质分级精选技术与装备,采摘后处理自动化程度低,大部分果品未经加工或简单粗加工后进入消费市场,果品品质不稳定,大大降低了市场竞争力。本文分别对苹果品质无损检测和分级技术的现状进行了研究进展分析,并对其发展进行了展望。苹果无损检测技术主要包括光谱、电特性、CT、色谱、电子鼻和计算机视觉技术,针对各种技术的功能特点和优缺点,提出了发展基于新型传感器技术的苹果气味检测方法;苹果品质分级则主要采用基于机器视觉的多特征分级方法,苹果品质无损检测技术与分级技术的有机结合是苹果品质分级技术的发展方向,同时这对于提高苹果产业竞争力具有促进作用。整体而言,中国苹果品质无损检测和分级技术发展需求紧迫,检测新技术如采用纳米科学、生物技术和人工智能方法的传感器技术及产品在苹果无损、品质分级检测方面具有巨大潜力,多技术的融合如集成电、光、气和计算机视觉等实时、高效、高精度的苹果品质分级系统可能是提高苹果分级品质和提升苹果产业竞争力的重要发展方向。     

基于计算机视觉的苹果水心病无损在线分级系统

对苹果按照水心病患病程度进行无损在线分级对于苹果采摘机器人具有重要的意义。在苹果园中,利用无损在线检测出轻度患有水心病的苹果果实并优先采摘,以避免因患病苹果烂掉而造成经济损失,构建了基于计算机视觉和高光谱技术的苹果水心病患病程度无损在线分级系统。本系统以西北农林科技大学白水苹果试验示范站的秦冠苹果为研究对象,采集苹果果实的高光谱图像和果面图像,对苹果图像进行压缩感知预处理和计算机视觉特征提取,并使用支持向量机算法根据苹果图像的计算机视觉特征来对苹果的水心病患病程度进行分级。实验表明:该系统对苹果水心病的分级准确率可以达到78.2%。与人工对苹果水心病分级相比,该系统不依赖于农业专家对苹果水心病特征的丰富知识,不受农业专家的主观影响。本系统作为苹果采摘机器人的一个模块可以为苹果的采摘行为提供指导,降低了人工成本,提高了经济效益。     

基于MATLAB的叶片图像分析系统研究

为便于基于计算机视觉技术的枣叶含水率诊断研究的开展,研究以MATLAB为平台,开发了一套适用于枣叶的叶片图像分析系统。该系统操作简单,提供了3种图像去噪操作和3种阈值分割操作,能够根据选择生成相应的灰度图、灰度直方图和二值化图,提取出与枣叶含水率相关性较高的颜色特征的值,给基于计算机视觉的枣叶含水率诊断研究的进行带来了极大地便利。     

基于植物生长柜的病变叶片检测方法

提取植物叶片的颜色特征是LED植物生长柜实现智能监控的关键之一。针对植物生长柜,提出了一种用于检测叶片是否发生病变的简便方法。通过计算机提取叶片在RGB和HSV颜色系统下的颜色特征,对比选择合适的颜色参数以及计算颜色参数的均值和方差,分别从整体和部分分析判断叶片是否健康、是否发生病变。将采集的健康叶片图像及病变叶片图像进行对比测试,实验结果表明:色调H参数能够实现较好地反映出叶片的颜色特征和生长的健康状态,而且能够将病变部分区分并提取出来,以此可以诊断病因,为植物生长柜的管理者尽早发现问题来采取合理的措施提供理论依据。     

计算机视觉在果蔬机械采摘中的应用研究

随着自动化技术在农业生产中应用的逐渐推广,农业生产智能化、自动化水平越来越高。农业采摘作业是农业生产中较为重要的环节,为克服传统采摘作业目标识别困难、干扰因素多等问题,深入研究了计算机视觉系统原理,建立了计算机视觉系统数学模型,同时将计算机视觉技术应用到机械采摘系统中,完成了系统硬件系统及软件流程设计。对系统进行了仿真实验,结果表明:基于计算机视觉的果蔬机械采摘系统结构简单,目标识别和定位精度高,具有较高的安全性和稳定性,有较大的推广价值。     

计算机视觉技术在农业中的应用

计算机视觉技术是模式识别与人工智能的一个重要领域,其应用已扩展到农业领域的诸多方面。为此,介绍了计算机视觉的概念及其系统组成;概述了计算机视觉技术在农业中的应用状况;并指出了计算机视觉技术应用于农业所存在的问题及其发展前景。     

计算机视觉系统下缺素番茄叶片彩色图像研究

基于计算机视觉系统分析研究缺素番茄叶片的色彩图像,可以准确提取出缺素番茄叶片色彩图像的特征。对当前缺素番茄叶片色彩图像特征提取中,可以运用计算机视觉,优化设计图像处理软件,依据番茄叶片颜色特征来完成缺素番茄叶片的识别。实验表明:基于计算机视觉系统,优化设计缺素番茄叶片色彩图像特征提取软件,可提升缺素番茄叶片色彩图像分析精度(提升32.0%),准确判断提取缺素番茄叶片图像的特征。基于计算机视觉系统,进行缺素番茄叶片的色彩图像特征提取,有效提高了缺素番茄叶片色彩图像分析精度,可在实践中推广应用该技术。