基于深度神经网络的鸟类图像识别系统设计

目前机器视觉和生物图像检测绝大多数都是针对人脸识别,鲜有对于野生动物物种识别的研究。生物特征识别技术主要包含图像预处理,特征提取,特征选择和分类器设计。系统通过卷积神经网络CNN和OpenCV结合数字图像处理技术,对于野生鸟类进行种类识别,通过大量正负样本训练,提取出不同鸟类的特征文件,利用深度学习网络对于不同图像进行识别,表明该鸟类图像识别效率较高,结构精巧,具有一定的推广使用价值。     

计算机视觉在禽蛋品质检测中的应用研究进展

针对基于计算机视觉技术的蛋品分级技术进行了综述。禽蛋品质检测一般分外部品质检测和内部品质检测两大部分。主要基于小波的轮廓特征提取算法、基于边缘算子技术等图像识别方法检测禽蛋外部品质;利用图像亮度、声学特性检测技术对裂纹禽蛋进行检测,主要有基于阈值、区域和梯度等图像分割技术、基于小波变换的图像增强算法、声学脉冲共振特性等;基于透射光谱技术、荧光光谱图像、磁共振成像技术等非破坏性技术检测禽蛋内部品质;利用贝叶斯判别原理、神经网络及其改进算法对进行分级。但目前研究多数是静态的,动态检测识别准确率偏低,因此改进识别方法提高检测准确精度是今后的主要研究方向。     

基于NIR和Raman光谱的果蔬质量检测研究进展与展望

主要回顾了可见/近红外光谱分析技术和拉曼光谱分析技术在果蔬品质与安全检测领域的研究进展。可见/近红外光谱分析技术在果蔬品质的定量分析（包括糖、酸等内部成分含量和坚实度等组织物理属性等）、果蔬品质的定性分析（如缺陷检测、成熟度分级、货架期/储藏期判断等）、果蔬生长/加工过程监测、果蔬生长环境条件分析以及果蔬安全检测、果蔬品种与产地溯源等方面获得了广泛应用。拉曼光谱分析技术在果蔬内部成分分析（尤其是类胡萝卜素含量）、品质分级、成熟度辨别、缺陷/损伤检测等方面获得成功应用,在果蔬农残与微生物污染检测方面也比可见/近红外光谱分析技术更具潜力。此外,还分析归纳了光谱分析技术在果蔬品质与安全检测领域的优势与不足,并展望了今后的发展趋势。     

基于机器视觉的哈密瓜大小分级研究

采用机器视觉技术对新疆哈密瓜进行自动大小分级。线阵相机在线采集哈密瓜样本RGB图像,通过对哈密瓜RGB图像进行灰度化、中值滤波、二值化、去除果梗、特征提取等一系列处理,获得哈密瓜二值化图像。利用椭圆拟合算法对二值化图像进行椭圆特征提取,基于椭圆长轴和椭圆率建立了哈密瓜大小分级标准,并以固定阈值建立分级模型。通过哈密瓜分级机系统进行大小分级,分级准确率达90.29%。     

南瓜分级方法研究

文章综述了国内外果蔬分级技术的研究现状,并以南瓜为例,阐述了国外同类研究。此外,还介绍了计算机视觉、光谱技术、核磁共振、电学技术等技术在果蔬检测分级中的应用,对南瓜分级技术进行了展望。     

农产品品质检测中常用的图像背景分割方法

利用机器视觉对农产品进行无损检测和自动分级时，对实时拍摄的农产品图像，在进一步的特征提取、模式识别等图像处理之前，采用适当、有效的方法把农产品图像从背景中分剖出来是一个非常重要的预处理步骤。其分割效果的好坏将直接影响到农产品分级的最终效率和准确性。为此，介绍了农产品品质无损检测中常用的图像背景分割方法。     

机器视觉技术在蚕茧无损检测中的应用研究

应用机器视觉技术研究了进行蚕茧无损检测的方法。在日光条件下采集蚕茧图像,运用数字图像处理技术和专用软件,对其图像进行分析、处理。根据数学形态学的方法计算其面积、相关系数和R、G、B值。并利用这些参数高效快速地判断蚕茧是否为畸形茧、双宫茧、烂茧、霉茧和特小茧。为进一步进行蚕茧分级奠定了理论基础。     

水稻病害图像预处理及其特征提取方法研究

采用计算机数字图像处理技术对水稻病害进行智能识别,并以叶鞘腐败病为例,研究了水稻病害智能识别图像预处理和特征提取的方法。试验中,利用灰度变换和中值滤波法有效去除了噪声,增强了图像;利用不同算子对病害进行边缘检测,准确地提取了病斑的几何特征,实现了病害图像目标分割。这一研究成果为特征参数的提取及最终病害确定打下基础。     

肉牛体形参数计算机视觉检测

利用数字图像处理技术,对肉牛体形参数计算机视觉检测技术进行了研究。用基于色度的阈值分割算法对图像进行分割,对自然条件下获取的肉牛图像进行了分析和检测,对选择的特征参数进行了测量。试验表明,应用计算机视觉技术测量肉牛体形参数是可行的。在测量的6个特征参数中,最大平均相对误差为2.73％。     

利用机器视觉技术对万寿菊缺水状态的分析

采用MATLAB语言进行编程,构造了一个数字图像处理与识别系统。同时,根据现代图像处理技术的特点,结合万寿菊的正常状态和缺水状态,编写了一种分析处理万寿菊缺水状态的软件。该软件数字图像处理部分能够完成图像的输入输出、缩放、文件格式转换、类型转换以及边缘检测等基本功能。图像分析部分通过对万寿菊不同水分状态特征的提取,得出纹理特征可作为万寿菊缺水状态判断的依据。     

田间环境下果蔬采摘快速识别与定位方法研究进展

作为实现果蔬采摘作业自动化的关键难题之一,田间环境下的果蔬快速识别与定位受到了广泛的关注。综述了常见的果蔬识别硬件系统和识别算法;总结和分析了果蔬图像预处理、颜色特征选择、图像分割算法设计及图像后处理的研究;综述了常见果蔬识别算法、成簇果蔬识别算法及被遮挡果蔬识别算法的研究;分析和比较了果蔬定位中常用的有源测距法和无源测距法,以及果蔬无源测距中常见的立体匹配算法。分析了田间环境下果蔬识别和定位研究存在的主要问题,并展望了发展趋势。     

多用途果蔬采摘机械手的研究

文章通过机器人仿生学设计了机械手的结构,根据果蔬的颜色和大小,分析了机械手识别和采摘果蔬的工作原理。采用舵机驱动的方式提高机械手的抓取力大小、驱动器的反应速度。同时为了对果蔬的精确识别,采用了五指安装高精度摄像头进行图像采集、Otsu算法对图像处理以及4个特征量对目标进行识别和分级筛选。     

基于改进Sobel算法的叶片图像边缘检测

采用数字图像处理技术对叶片图像进行边缘检测,主要研究了基于Sobel算子的叶片边缘的检测方法。在对图像进行灰度化和滤波去噪等预处理的基础上,增加了6个方向模板对Sobel算子进行改进。试验证明,该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,精确度提高了13.6%。     

基于改进SSD卷积神经网络的苹果定位与分级方法

为实现苹果果径与果形快速准确自动化分级,提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率,即对从顶部获取的苹果RGB图像进行通道分离,并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合,在融合图像中计算苹果的纵径相关信息,实现了基于顶部融合图像的多个苹果果形分级和信息输出;使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积,实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异,实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下,比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果,并以mAP为评估值,实验结果表明改进型SSD在密集苹果的mAP与原SSD相当,比Faster R-CNN高1.33个百分点,比YOLO v5高14.23个百分点...     

基于机器视觉的枸杞检测分级系统

利用STM32F439单片机高效的处理速度和OV9655摄像头高速的图像采集速度,结合数字图像处理技术,研究一种针对枸杞的大小、形状、色泽的多指标多通道机器视觉系统,满足枸杞分级设备的低成本和高速度的要求。系统工作时,轨道将枸杞按照固定的姿态运送到图像采集区域,通过摄像头采集图像;对图像进行灰度化,基于大津算法的背景分割、椭圆拟合、大小形状识别、颜色识别;最后提取枸杞的大小、形状、色泽信息,实现枸杞的无损检测分级。     

香榧品质检测技术与分级方法探讨

针对香榧品质检测、分级手段比较落后,检测效率较低等问题,讨论其他农特产品的无损检测技术及方法,借鉴果蔬等农产品无损检测技术,探讨基于机器视觉和多光谱技术的香榧品质检测技术及与方法。最后指出:围绕这些问题开展创新性研究,建立一个完整的香榧质量分级体系,对香榧产业发展中的规划、选育与栽培、智能及规模化加工具有重要的指导意义。     

基于计算机图像的采摘机器人结构优化研究

随着果蔬种植规模的扩大,果蔬采摘作业的需求量也逐渐提高.传统的果蔬采摘作业存在自动化程度低、采摘对象识别困难、采摘破坏性大等问题,导致采摘作业的效果较差、作业效率低.为此,引入了计算机图像技术,在深入研究了计算机图像技术原理的基础上,分析了计算机图像技术的成像原理,完成了采摘机器人的机械结构设计,并对采摘机器人的硬件总...     

果蔬压缩力学性质与细观结构变位的动态响应

研究果蔬的压缩力学性质可为果蔬加工、运输、检测包装等生产环节提供设计参数及工艺优化依据。为此,以几种常见果蔬为研究对象,在INSTRON生物材料性能试验机上搭载了电子显微镜图像采集系统,在进行果蔬试样压缩力学性质试验测试的同时,对压缩变形过程进行了动态图像采集与分析,获得了果蔬的压缩强度极限、弹性模量等力学性质指标。同时,结合电子显微镜采集到的压缩过程果蔬细观结构变形图像,通过观察压缩过程果蔬细胞的变形、微结构变位及渗水等情况,分析了果蔬材料的屈服强度、压缩强度及材料破坏与细观结构变位的关联,了解了果蔬压缩力学性质与压缩过程中细观结构变位的动态响应。     

基于MATLAB的数字图像处理技术与应用

目前,随着因特网的发展和普及,人们对数字图像处理技术有了很大重视。数字图像处理技术已经从工业领域、实验室走入了商业领域及办公室,走进了人们的日常生活。本文主要研究基于MATLAB工具的数字图像处理技术,用MATLAB巴特沃斯低通滤波器处理图像的过程。     

基于深度学习的农作物病虫害检测算法综述

农作物病虫害对农业产量和品质影响巨大。数字图像处理技术在农作物病虫害识别中发挥重要作用。深度学习在该领域取得显著突破,效果优于传统方法。深度学习方法的特征提取能力更强,能准确捕捉细微特征,提高检测精度和可靠性。深度学习为农业提供了有力支持。本研究综述了基于深度学习的农作物病虫害检测研究,从分类网络、检测网络和分割网络3方面进行了概述,并对每种方法的优缺点进行了总结,同时比较了现有研究的性能。在此基础上,进一步探讨了基于深度学习的农作物病虫害检测算法在实际应用中面临的难题,并提出了相应的解决方案和研究思路。最后,对基于深度学习的农作物病虫害检测技术的未来趋势进行了分析和展望。