成熟番茄的图像识别及其位姿的获取研究

针对自然生长状态下成熟番茄图像的识别问题,提出选用YIQ颜色空间,采用Otsu最大类间方差法分割图像,然后用面积阈值的方法消除噪声,来获取成熟番茄图像的目标区域;然后用矩法来求目标区域的质心位置和惯性主轴,用惯性主轴的角度来标识果实果轴的方向,进而获取果实的生长姿态。实验结果表明,用这种方法可以取得较好的效果。     

基于超像素分割算法的大田小麦导航路径获取

实现复杂场景下导航路径的自动获取,是大田小麦自主作业机器人连续作业的重要环节和基础。通过简单线性迭代聚类算法(simple linear iterative cluster,简称SLIC),在获取麦田裸地超像素区域的基础上,使用Otsu算法实现了裸地区域的自适应分割,并通过数学形态学闭运算、Canny边缘检测、Hough直线检测等操作实现了导航路径的精确获取。为了验证本研究方法的有效性,将计算所得的导航角度与真实角度值间的平均误差及均方差作为评价指标,并从34幅不同遮挡类别图像中随机选取15幅图像进行了测试。结果表明,本研究方法的导航角度平均误差为1.584°,均方差为1.293°。表明将该方法用于田间小麦导航路径的获取是有效的。     

基于K-means与KNN的多特征苹果在线分级

【目的】准确获取红富士苹果的分级指标，为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法，预处理实验所需的苹果图像；使用K-means聚类算法、OTSU最大类间方差法，将苹果灰度图转换为二值图；利用二值图与苹果原图的异或运算，提取苹果轮廓；采用苹果的二值图计算苹果的果实区域大小；使用颜色空间转换RGB-HSV中H通道划分果实红色区域；通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积；构建最小外接矩形计算苹果的果径及果形；利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法，在优于传统图像阈值分割效果的基础上，特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。     

香蕉掉蕾原因调查与分析

研究香蕉田间掉蕾规律及发生影响因素,为合理降低香蕉掉蕾率提供科学依据.以威廉斯B6为试材,采用田间调查和室内解剖分析的方法,对香蕉掉蕾规律和果轴形态进行分析.结果表明香蕉掉蕾与母株前期自身长势及生长特性无关,而与抽蕾期果轴发育过程中的变形密切相关.未掉蕾植株的果轴呈自然下垂状,掉蕾植株果轴多数呈异常弯曲状.果穗第1张苞叶展开处出现的弯曲会增加果穗对果轴基部支撑点的力矩,进而诱发掉蕾.抽蕾期作为预防掉蕾的关键时期,应注意采取措施减少果轴弯曲而导致掉蕾.     

群体水果动态图像的获取方法研究

群体水果动态图像的采集系统是水果品质实时检测与分级机器人系统的关键组成部分之一,主要由计算机、摄像机、图像采集卡、涡流式接近开关、水果和动态图像采集软件等组成.涡流式接近开关作为水果运动状况检测传感器,用于检测水果位置和触发动态图像采集.群体水果动态图像采集软件在Visual C++6.0环境下结合MIL-LITE函数库实现.根据水果实时自动检测和分级的特点及功能要求,提出了群体水果动态图像的时间序列连续场扫描采集方法,在来自于水果运动状况检测传感器的外触发信号的触发下,计算机视觉系统采集从时间t1到时间tn期间视场内连续运动的水果图像,这些渐进的时间序列水果图像在计算机内被综合后即可检测视场内的每一个水果的外观品质指标,用于分级控制.试验结果表明,该系统可在外界输入信号的触发下,以每秒12帧的速率实时采集群体水果的动态图像,研究结果达到了预期的目标.     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法(分割阈值T1=60)去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w(邻域窗口大小w=13),通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法(分割阈值T=194)直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

一种基于神经网络的扇贝图像识别方法

为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求,提出了一种基于神经网络的扇贝识别和分级方法.首先对图像进行灰度化处理,并用canny算子检测目标边界,然后用8-连通邻域追踪算法提取目标边界像素坐标,最后计算目标边界到中心点的平均距离及其绝对平均误差,并作为特征信息训练BP神经网络,实现对扇贝图像识别和分类.实验结果表明,该方法可以快速实现扇贝的自动识别和分级工作.     

基于机器视觉技术的单粒葡萄质量与果径预测分级研究

[目的]采用机器视觉技术,针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究.[方法]在不同的颜色特征空间模型,预处理原始图像,采用最大类间方差法分割目标区域;采用数学形态学方法去除二值图像中部分果梗及噪声点,获得最佳二值图像;基于二值图像,分析获取单粒葡萄的几何特征;最后,分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径,采用二次判别分析法对单粒葡萄的质量和果径进行分级.[结果]利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径,预测决定系数达到0.98和0.945;基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级,准确率超过85;.[结论]机器视觉技术能够较准确预测单粒葡萄的质量和果径,并能对质量和果径进行分级.     

基于高光谱图像的新疆红富士苹果颜色分级研究

[目的]以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法.[方法]对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类.[结果]采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7;.其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果.[结论]利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础.     

基于激光图像的水果表面农药残留检测试验研究

初步探讨了运用激光图像技术来检测水果表面农药残留的方法。应用自行研制的激光图像采集系统获取水果光谱图像,通过对比研究水果表面不喷洒农药、喷洒农药、喷洒不同浓度农药的水果图像特征分析可知,一般未喷洒农药的水果灰度图像灰度值分布在1~100范围内像素点总数低于喷洒农药后的水果灰度图像;喷洒不同浓度农药水果的图像像素灰度值在1~100范围内像素点个数也有明显的差别;但喷洒农药的浓度与像素值聚集在0~100范围内的像素个数之间规律性不明显,有待进一步研究。试验研究表明,用激光图像技术检测水果表面的是否存在农药残留是可行的。