基于机器视觉的大米外观品质检测装置

设计了一套基于机器视觉的大米外观品质参数检测装置,实现了对垩白度、垩白粒率、黄粒米和粒型参数的检测。该系统基于嵌入式计算机系统,应用改进的流域分割算法实现了粘连籽粒图像的分割,应用BP神经网络实现了垩白米的检测,应用色度实现了黄粒米的检测,应用极坐标下的长短轴快速检测算法实现了粒型的检测。试验结果表明,该装置对垩白粒率的检测精度为±2%,垩白度的检测精度为±1%;对黄粒米的检测精度为±5%;粒型的检测精度为±4%。     

浅谈计算机视觉技术在果蔬外观品质检测中的应用

果蔬的外观品质是评估其市场价值、被消费者选择的依据之一,而且在某种程度上也会影响它们的内部品质。本文分析了计算机视觉系统对果蔬外部品质检测的发展现状,提出了计算机视觉技术在南疆果蔬外观品质检测中存在的问题及建议,旨在为新疆南疆地区水果和蔬菜品质检测技术的研究和发展提供参考。     

计算机视觉技术与品质检测自动化

随着计算机硬件成本的下降和速度的提高，计算机视觉技术在农产品品质自动检测领域的应用前景已经越来越广阔。为此，从农产品尺寸与面积检测、形状检测和颜色检测等3个方面综述了国外在利用计算机视觉技术进行农产品品质自动检测方面的研究进展，并指出了目前尚需解决的难点问题。     

计算机视觉技术在农产品品质检测中的应用

一、引言 计算机视觉又称机器视觉,是指由人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面的形状知识与距离、速度感知等。计算机视觉技术是多学科的交叉与结合,它涉及到计算机、数学、光学、心理学、生理学、物理学、信号处理等诸多学科。研究计算机视觉的目的是要实现对人类视觉的模拟和延伸,简而言之,对模拟高等动物的视觉系统而言,完成对物体的形状和类别的识别是最重要的。计算机视觉处理的原始信息多是     

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.     

计算机视觉在芒果品质检测中的应用研究

传统的芒果分级采用人工观察和化学分析方法,无法适应产业的发展。随着科学的进步,人们开发出多种无损检测和分级技术以提高水果的市场竞争力,但受检测和分级设备的限制,目前的相关研究都停留在试验阶段。为此,设计了一种基于计算机视觉的芒果品质检测方法,拍摄芒果图像后利用自适应Canny算法获取目标区域的边缘,以大小、颜色和表面缺陷反映芒果的品质,并基于BP神经网络实现对芒果的分级。仿真试验表明:计算机视觉对芒果品质分级的准确率超过93%,处理单张图像平均耗时0.8s,可以用于芒果品质的实时检测和在线分级。     

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。     

基于高光谱图像技术的大米垩白检测

以大米为研究对象,初步探讨了应用高光谱图像技术检测大米垩白的方法.采集大米400～1000nm范围的高光谱图像,应用主成分分析方法(PCA)获得主成分图像,根据第一主成分图像(PC-1)中各波长的权重,选出权重值最大的波长.在以这个波长为中心寻找可以检测大米垩白的最佳波长.然后经过适当的图像处理方法对大米的垩白进行检测.检测结果表明,高光谱技术对检测大米的外观品质是可行的.     

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。     

鲜食玉米果穗外观品质分级的计算机视觉方法

在HSI颜色模型下,通过计算机视觉检测技术实现对鲜食玉米果穗外观品质分级.提出垂直投影法确定秃尖位置并去除秃尖.对H值进行双向一次微分运算以实现缺陷的识别.在此基础上获取果穗缺陷比、穗长、果穗最大直径、长宽比和矩形度作为外观品质特征参数,并以此为输入向量构建广义回归神经网络对果穗外观品质分级.试验结果表明:秃尖位置、穗长和果穗最大直径的平均误差分别为2.27 mm、1.96 mm和0.54 mm,缺陷误判率为3.00%,分级平均准确率为95.91%.     

基于计算机视觉的稻谷品种数据库检索技术

利用计算机视觉技术提取稻谷的主要外形特征,初步建立了稻谷品种数据库。研究了稻谷品种数据库的检索技术,提出了将BP神经网络与相似度检索相结合的检索方法。实验结果表明,该方法可有效提高检索效率。     

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.     

山竹的计算机视觉分级方法

提出了一种基于计算机视觉技术的山竹大小和颜色分级方法.针对以蓝色滚子为背景的山竹图像,在RGB色彩空间使用双阈值对图像进行初步分割;然后通过形态学运算、轮廓跟踪、区域填充提取出整个山竹目标;最后由颜色因子2G-R-B和G识别出果柄、果蒂和果皮.由果柄、果蒂区域形心和果皮区域形心位置判断水果的姿态,提取水果的最大横径作为大小分级指标;在HIS颜色空间以果皮区域的饱和度S和色调H的差值作为颜色分级指标.选取200个山竹进行分级试验,试验结果表明:果径检测精度为±1.8 mm,颜色分级串级果最大比例为10.2%.     

水稻氮素机器视觉诊断最佳叶位和位点的选择研

选用扫描仪获取水稻叶片的数字图像,通过比较第1和第3完全展开叶 (L1和L2) 颜色参量的空间分布,研究基于机器视觉技术的水稻氮素诊断的最佳叶位和位点选择.结果表明基于机器视觉的水稻氮素营养诊断是有理论依据的,能反映出叶片的营养状况; 选择B、b、b/(r+g)、b/r、b/g作为最优颜色特征参量;比较颜色特征参量对应的变异系数CV,得到低氮处理的CV明显高于正常氮素水平,同时CV随着叶位的增加而减小;不同位点的CV其叶尖和叶基的变化幅度较为接近,不同位点间差异不显著.初步研究选择第3完全展开叶作为水稻无损氮素诊断的最佳叶位.     

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％。     

基于双目视觉的复合肥颗粒检测系统

提出了一种针对高粉尘强腐蚀环境的复合肥颗粒双目视觉检测系统。首先分析检测系统使用需求,提出实现连续大样本快速检测、实时显示结果、防腐除尘等功能的设计要求;提出3种双目视觉检测方案并进行对比,确定双目线阵CCD检测为可行方案。接着对系统硬件进行配置,并进行防腐除尘设计。为提高检测精度对电磁振动给料机进行自适应伺服控制,采用双相机并行的图像处理程序。对检测系统进行粒度分布实验,结果表明,检测系统误差在±3%范围内,满足实际应用要求。     

基于计算机视觉的新疆棉种颜色分选系统设计

设计了一套基于机器视觉的脱绒棉种在线分选系统,采用种子平抛和气吹分离的方式实现了新疆地区红棕色棉种与黑色棉种的自动分选。研究了无序状态下的种子图像采集方法,并通过区域细分的方式解决了无序种子与气流喷嘴的对应关系。提出了种子位置跟踪和分离算法,实现了对棉种图像处理结果的延时分离操作。实验结果表明:在传送带速度为0.50 m/s时,分选精度为88.6%,选出率为80.7%。     

基于颜色特征的稻种霉变检测算法

根据机器视觉检测杂交水稻种子质量的要求，对单粒、静态稻种图像进行霉变分析识别。比较了提取颜色特征的3种方法，研究了基于颜色特征的稻种霉变检测算法，经试验验证，该算法对正常稻种、轻度霉变稻种、严重霉变稻种的检测准确率分别为92％、95％、83％。     

机器视觉技术在种子纯度检验中的应用

随着图像处理技术和机器视觉技术在农业生产中的广泛应用，利用机器视觉技术和图像处理技术进行种子纯度检验和对种子质量进行最终评判已成为可能。本文分析了种子纯度检验技术现状和存在的问题，概述了国内外对种子纯度自动化检验技术研究的最新进展，并对今后种子纯度检验技术发展进行了展望。