基于机器视觉的马铃薯智能分选方法与实现

为实现马铃薯智能检测与自动分级,提高马铃薯分级效率,本文在现有水果机械分选机的基础上,加装机器视觉系统和智能分级控制系统,提出马铃薯外观品质检测算法,实现马铃薯智能分选系统。首先下位机发送信号给上位机机器视觉系统控制摄像头拍照;然后上位机根据马铃薯形状、颜色和缺陷特点,采用近似椭圆法进行形状检测,采用逐点检测法检测绿皮区域,采用自适应阈值分割法分离缺陷区域,并以缺陷面积比进行缺陷检测;最后上位机将检测结果通过串口发送给下位机,分级执行器执行分级结果将次品拣出,再配合机械分选的压力传感器信号进一步实现正常品的重量分级。经测试:本文提出的分级检测算法对形状、绿皮和缺陷的检测正确率分别为93.3%、94.1%和88.3%,综合检测准确率可达到90%。本文构建的分级系统运行稳定,每秒可分选25个马铃薯,基本满足马铃薯实时分选的需求。     

基于计算机视觉技术大枣品质检测分级的研究

我国的大枣种植面积和产量占世界总量的95%,产量和出口量巨大。因此,加强大枣分级能给我国带来可观的经济效益,对大枣产业的升级也具有重要意义。目前,大枣的分级以人工为主,也开发了多种自动分级的系统和方法。基于计算机视觉的分级方法检测精度高,能实现无损操作,具有广阔的应用前景。为此,基于计算机视觉技术,建立了一个大枣品质检测分级系统。工作时,系统拍摄传送带上的大枣图像,传入计算机中进行灰度化、图像分割和轮廓提取;然后,以最小外截矩形的长宽为参数,计算大枣质量并以此划分等级。试验结果表明:系统对各级大枣的识别准确率为92%96%,平均为94%,具有很高的精准度。处理单幅图像耗时0.5s,能够满足自动分级的要求;在传送带运行速度0.5m/s、拍摄间隔0.8s时,可以实现20个/s的分级效率,可用于大枣的自动化分级。     

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。     

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...     

基于机算机视觉的杨梅自动检测分级

我国是杨梅的发源地和主产区,地理环境差异大,形成了多样的品种和品质。杨梅以鲜果形式进行销售和食用,销售期很短,因此快速高效的分级具有重要意义。人工分级的劳动强度大、效率低且分级质量不稳定,这些问题在杨梅上体现得更为明显。计算机视觉技术是水果分级研究中的热点,目前已经安装在杨梅采摘机器人上,用于自然环境下的果实识别。本文设计了基于计算机视觉的杨梅自动检测分级系统,经过计算机视觉软件的预处理、灰度化和图像分割后提取杨梅轮廓;然后检测鲜果果径、圆形度和颜色深度,根据相应的等级标准进行分级。系统分级的准确达到92.7%,对大小和果形均具有较高的识别准确率;单幅图片处理耗时0.45s,能够满足实时检测分级的要求。这个系统与合适的分级执行装置结合使用可以达到高效无损的分级效果,为我国杨梅产业可持续发展提供技术支撑。     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

计算机视觉在种子品质检测和分级中的应用

计算机视觉技术在农业领域中的应用已经越来越广泛,种子资源的品质检测和分级中的应用是其中的一项重要课题.为此,介绍了计算机视觉系统的基本处理过程和信息的分类识别算法,分别讨论了计算机视觉在种子的形状、颜色、纹理检测方面的实际应用情况.最后,指出了计算机视觉应用于种子资源检测中存在的问题.     

计算机视觉技术在红富士苹果自动分级系统中的应用

水果分级是上市销售之前的一个操作环节,对销售价格和前景有着重要影响。传统的水果分级依靠人工操作和判定,具有较大的主观性,且人力成本也开始上升,因此建立高效的自动化分级体系势在必行。目前,计算机视觉技术被引入许多种水果的自动分级中,其分级结果更加准确客观。苹果是我国产量最大的水果,但分级技术和水平不高,影响了在国际市场上的竞争力。我国种植的最著名的苹果是晚熟品种红富士,具有很高的营养价值和经济价值。为此,设计了一种基于计算机视觉的红富士苹果自动分级系统,通过转动模拟苹果在分级流水线上的状态,获取苹果图像;然后,利用计算机软件对原始图像依次进行去噪、灰度化、轮廓提取和颜色特征提取等处理,最后依据颜色和着色度实现了对红富士苹果的自动分级。自动分级系统的作业速度为5个/s,分级结果与人工分级比较的准确率高达8 8%,具有实际推广应用的前景。     

基于计算机视觉的马铃薯自动检测分

根据大小特性,采用改进的果径法进行马铃薯的大小分级;根据外形特性,采用离心率法进行马铃薯的形状分级;根据颜色特性,采用灰度值差值法检测发芽马铃薯;根据边界特性,采用相邻采样边界点归一化半径差的方法检测畸形马铃薯,并实现了马铃薯在线综合检测分级.检测试验结果表明:系统分级结果比较稳定,分级精度达到88.0%.     

基于单片机控制的马铃薯质量分级系统的研究

设计了一种基于单片机控制的马铃薯质量分级系统,主要由摄像头、光照箱、红外对射检测模块、称重模块、单片机控制模块、步进电机模块和分级执行机构等组成。该系统可以完成马铃薯图像的实时采集、称重、显示、报警和分级等多项功能。研究表明,此系统可以完成对马铃薯的质量分级,分级的准确率和效率较高,符合实时检测的需要。     

基于计算机视觉的橙子分级研究设计

橙子具有很高的营养价值,是我国部分地区的支柱产业,在农业经济中占有一定地位。分级是水果销售前的一道重要工序,有利于增加销售收益,提高产业竞争力。橙子种类繁多,品质各异,对其检测分级显得尤为重要。目前,橙子的分级主要由人工完成,但不能满足可持续发展的要求。基于计算机视觉的橙子分级设备类型、分析和计算方法都较多,但处于试验阶段,还没有应用于实际生产。为此,基于计算机视觉技术,建立了橙子的实时分级系统。橙子图像用计算机进行预处理和灰度化后提取目标轮廓,然后分别对大小、颜色和表面缺陷进行检测,采用RBF神经网络模式划分等级。系统对各级橙子的识别准确率为82.5%~90.0%,平均准确率为8 6.3%。系统处理单张图像平均用时0.6 s,分级效率达到1 8 0个/s,可以实现对橙子的自动化检测和分级。     

马铃薯品质自动分级机械化系统的设计

根据马铃薯等级和规格的行业标准,构建马铃薯品质自动分级机械化系统,利用图像识别技术和人工神经网络,设计了马铃薯品质分级的系统。     

光电检测技术在马铃薯品质检测中的研究进展

近年来,我国大力推动实施马铃薯主粮化战略,品质控制是重要的支撑技术,需在马铃薯的专用品种选育、主食产品加工、储藏运输及终端消费等多个产业链环节进行检测。为此,围绕马铃薯质量安全管控方面的需求,详细介绍了机器视觉技术、近红外光谱分析技术及高光谱成像技术等光电检测技术在马铃薯外观形态、内部品质及缺陷检测方面的研究和应用现状,并分析了其发展趋势,以期为马铃薯深加工过程中原料筛选和分等分级等提供参考。     

机器视觉技术在农产品尺寸和形状检测方面的应用

农产品的外形尺寸是农产品品质的重要特征之一,因而也成为农产品分级的重要依据.农产品在其生产过程中由于受到人为和自然等复杂因素的影响,产品品质差异很人,如大小、形状、色泽等都是变化的,很难整齐划一,故在农产品品质检测与分析时要有足够的应变能力来适应情况的变化.机器视觉不仅是人眼的延伸,更重要的是具有人脑的部分功能,其在农产品品质检测上的应用正是满足了这些应变的要求.现在,机器视觉技术随着图像处理技术的专业化、计算机硬件成本的下降和速度的提高以及机器视觉系统的诸多特点已广泛地应用于农产品品质检测、品种的识别和分级中.利用机器视觉进行检测不仅可以排除主观因素干扰,而且还能对检测所得指标进行定量描述,具有人工检测所无法比拟的优越性.本文着重介绍了国内外机器视觉技术在农产品尺寸和形状检测方面的应用.     

基于机器视觉的柑橘果形测控系统设计

针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、Hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明：视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%～3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

胡萝卜自动分级机机械装置的研制

机械装置结合计算机视觉技术可以对胡萝卜等细长型蔬果进行自动分级。为此,设计了胡萝卜自动分级机的机械装置部分,主要由双级匀果装置、链条辊轮输送装置和直线电机打果装置3部分组成。匀果装置通过带有隔板的交错格输送带和差速带对胡萝卜进行初次和二次匀果,实现精确单果输送;辊轮输送装置推动单个胡萝卜自转进入计算机视觉系统的CCD相机视场,可获得胡萝卜全面的形状特性,使其分级精确;直线电机打果装置接收到胡萝卜等级决策信号后将胡萝卜按不同等级经U型导管推入包装箱,推果平稳、快捷,伤果率低。     

不同颜色覆膜对土壤温度、马铃薯生长及产量的影响

通过研究不同颜色覆膜对田间土壤温度、马铃薯生长状况及产量的影响,为云南高原地区马铃薯种植提供科学依据和技术指导。在田间试验中,设置黑色覆膜（BM）、透明覆膜（TM）和不覆膜（NM）3种处理。试验结果表明:马铃薯覆膜相比不覆膜可以提高0～20 cm土层的土壤温度,促使马铃薯提前出苗,且黑色薄膜的增温效果比透明覆膜更加显著;马铃薯株高、干物质量试验结果均表现为覆膜处理大于无膜处理;马铃薯块茎分级数量、马铃薯块茎分级质量、单株块茎产量和小区产量表现为覆膜处理高于不覆膜处理,且黑色覆膜增产效果最为显著。通过试验得出结论:覆膜可以改善土壤温度,提高马铃薯的出苗率和块茎产量。      

基于PLC和机器视觉的水果自动分级系统研究

介绍了水果自动分级系统总体设计,并从机器视觉模块和水果图像处理等两方面介绍了系统的视觉模块,最后基于图像处理和PLC控制技术实现了水果自动分级功能。试验结果表明:系统能够对水果进行等级分拣,系统最高精度为98%,具有较高的可靠性、可信性及一定的推广价值。