以花蚤科为例的昆虫图像处理软件应用研究

利用相关图像处理软件对昆虫标本照片进行优化,可以高效精确地展示昆虫形态特征.本文以花蚤科昆虫图像处理为例,对Adobe Photoshop、 Photozoom和AdobeIllustrator等图像处理软件功能进行了介绍,并对图像修复、图像堆栈、绘图、几何形态测量和计数等操作流程和方法进行了展示.结果显示, Adobe Photoshop等图像处理软件可显著提升昆虫标本照片的质量,能够有效挖掘图像潜在信息,在昆虫分类学研究上具有重要的推广和应用价值.     

排种器种子粒距检测技术的发展及应用

介绍了目前国内在排种器粒距检测方面的先进研究成果,并运用视觉检测技术对条播排种器的种子粒距进行了检测.通过CCD摄像机直接拍摄条播排种器试验的动态种子流,对获得的样本运用MATLAB软件进行图像处理,对特征量清晰的帧图像进行种子坐标标定,从而计算种子粒距.     

基于DSP的果树形态参数检测系统硬件设计

根据果树仿形喷雾作业的特点和要求,设计开发了一套基于DSP的果树形态结构参数检测系统. 该系统能够实时采集果树视频图像,并进行快速图像处理和果树部分形态结构参数的计算. 文章主要介绍检测系统的硬件结构、各部分功能和工作原理,并给出了一个简单的图像处理算例. 最终的试验与检测结果表明,该系统对果树最大冠幅和树高的检测相对误差分别在-2.51%～0和-3.0%～1.7%范围内.     

基于LabVIEW和多光谱成像技术的苹果品质无损检测装置

基于Lab VIEW和多光谱成像技术设计了一套苹果品质检测装置,包括硬件设计和软件设计。硬件部分主要由单片机控制模块、光源模块、电机模块以及图像采集模块等组成;软件部分采用基于LabVIEW的G语言进行编写,包括通信模块、图像采集与保存模块以及图像处理与显示模块等。检测装置经调试后,对每个苹果的图像采集与处理时间为8 s,能够对大小、形状、损伤以及糖度等指标进行检测,具有无损、快速的特点。     

鸭蛋大小及蛋心颜色自动分级系统软件研制

用VC6.0编制的鸭蛋大小及蛋心颜色自动分级系统软件由初始化模块、启动停止模块、图像采集模块、图像处理模块、信号I/O模块及系统日志模块组成.初始化模块完成图像采集卡和数字量I/O卡的初始化;启动停止模块建立和消亡用于监控光室状况和进行图像处理与分析的线程;信号I/O模块将获得的分级信号送到分级执行机构,同时也将鸭蛋到达光室信号反馈至计算机;图像采集模块将CCD摄取的鸭蛋图像由图像采集卡采集到主机内存中;图像处理模块对主机内存中的图像进行分析后得出分级信息;系统日志模块记录系统的启动运行情况和当前系统检测鸭蛋的数量.系统软件运行试验结果表明,软件工作稳定可靠,大小分级误差±3g,颜色分级准确度达90%以上.     

基于图像处理技术的黄瓜叶片病害识别诊断系统研究

为了提高黄瓜叶部病害检测与染病程度的分级的准确率和效率,综合运用图像处理技术、人工神经网络技术,实现黄瓜叶部病害检测与染病程度分级,并主要对发病率高且危害严重的黄瓜霜霉病、白粉病和病毒病进行试验研究.首先,通过接种方法获得了纯正的黄瓜病害样本,并采集染病植株的样本图像.利用基本图像处理的方法对黄瓜叶部病害图像进行处理,综合运用二次分割、形态学滤波得到病斑区域.其次,提取三种特征包括22个特征参数,采用BP算法训练的多层前向人工神经网络对黄瓜病害进行分类.实验证明,检测系统的黄瓜叶部病害平均识别精度为95.31%,并能够快速准确地对黄瓜叶片病害的染病程度进行分级     

森林三维虚拟场景建立——以帽儿山林场为例

应用ERDAS软件,结合植物形态发生的理论和图像处理技术,对地形和树木进行了帽儿山林场虚拟林相的合成,产生了较好的视觉效果.系统包括一个集成的场景,结合的优势,基于图像的虚拟现实和基于模型的虚拟现实.     

基于MATLAB平台的农产品分级图像处理系统

农产品分级图像分析研究是实现农产品质量机器视觉检验的基础。介绍了基于MATLAB平台的农产品图像处理软件运行界面,并对其系统菜单功能模块进行了演示：结果显示,基于MATLAB平台的农产品分级图像处理软件可达到实际应用的要求。     

基于Photoshop CS5的植物叶面积测定方法

利用扫描仪对广玉兰叶片进行数字化处理,运用Photoshop CS5软件自动化提取叶面积,并与叶面积仪法、剪纸称重法等测定方法进行比较.结果表明,Photoshop CS5软件的图像处理法与叶面积仪法和剪纸称重法呈极显著线性相关,相比之下其具有快速、准确、易普及等优点;归结出了Photoshop CS5中像素大小与叶片数字化时分辨率、缩放比例的数学关系,为今后叶面积的快速测定提供了依据.     

木材缺陷检测图像处理系统工作平台的研制

对木材缺陷无损检测图像处理系统的软件工作平台进行了系统的研究。在Windows环境下开发出适合木材无损检测特点的系列软件。软件的功能包括图像输入、图像存取、平台窗口管理、图像几何处理、AOI操作、LOI操作和数字图像处理。数字图像处理含有9个子功能块，分别是快速中值滤波、快速均值滤波、高斯滤波、图像伪彩色处理、边缘检测、直方图均衡化等。经实际应用证明该平台具有直观、界面友好、操作方便等特点，有很强的实用性。     

基于影像处理对紫苏叶自动分级系统的开发

针对紫苏叶分级对人力依存度较高且手工分拣无严格的尺寸标准,并易出现误分拣等问题,开发了由计算机、彩色摄像机(WV-CP450)、影像处理卡(DT3153)、A/D卡(PC1-9111)、传送带等组成的紫苏叶自动分拣系统.利用聚类分析理论确定了紫苏叶大(＞120 cm2)、中(90～120 cm2)、小(＜90 cm2)3级分级标准.系统的分拣准确率为90.2%,分拣能力为1200张/h.     

基于ARM的嵌入式水果大小检测与分级系统的实现

实现了一种基于嵌入式ARM处理器的水果大小检测与分级系统。为了降低目前水果检测与分级系统的复杂性和成本,系统利用嵌入式ARM9处理系统代替计算机进行图像数据处理,基于Qt/Embedded软件平台,首先获得水果的侧视图像,图像经预处理,然后利用水果直径检测算法检测出水果直径后,按照直径检测结果实现水果大小分级功能。实验结果表明,该检测系统具有处理速度快,测量分级精度高和成本低等优点,在水果品质检测与分级方面具有较高的实用价值。     

高速打蛋机蛋清蛋黄分离中基于计算机视觉的散黄蛋识别研究

链式打蛋机用于鸡蛋蛋清蛋黄的快速分离,针对鸡蛋散黄无法分离的问题,提出了基于彩色图像处理的对散黄蛋进行自动识别的方法。利用机器视觉装置采集链式打蛋机生产线上的图像,从每一幅原始图像中根据坐标裁剪出目标区域260*240 像素的子图像,选定蛋黄的黄色区域作为样本点,在RGB 空间利用欧几里得距离对图像进行分割,找出蛋清斗中蛋黄的区域,计算蛋黄区域的面积,通过蛋黄面积大小进行判断鸡蛋是否散黄,达到对散 黄蛋进行识别的目的,本方法对散黄蛋识别的正确率达到96.67%;用图像识别的方法可快速判断鸡蛋散黄情况,可以将本方法应用到生产实践中代替人眼进行识别。     

高速打蛋机蛋清蛋黄分离中基于计算机视觉的散黄蛋识别研究

链式打蛋机用于鸡蛋蛋清蛋黄的快速分离,针对鸡蛋散黄无法分离的问题,提出了基于彩色图像处理的对散黄蛋进行自动识别的方法.利用机器视觉装置采集链式打蛋机生产线上的图像,从每一幅原始图像中根据坐标裁剪出目标区域260×240像素的子图像,选定蛋黄的黄色区域作为样本点,在RGB空间利用欧几里得距离对图像进行分割,找出蛋清斗中蛋黄的区域,计算蛋黄区域的面积,通过蛋黄面积大小进行判断鸡蛋是否散黄,达到对散黄蛋进行识别的目的,本方法对散黄蛋识别的正确率达到96.67％;用图像识别的方法可快速判断鸡蛋散黄情况,可以将本方法应用到生产实践中代替人眼进行识别.     

基于图像处理的青冈栎叶绿素含量检测系统研究

为了实时、便捷、经济地获取植物叶绿素含量,研究了基于OPENCV机器视觉库的青冈栎叶绿素含量实时检测系统。首先通过数码照相机获得叶片图像,对图像进行阈值分割,图像噪声处理和图像遍历,获得图像R、G、B值。然后对图像R、G、B进行各种组合变化获到不同的图像颜色特征参数,分析各图像颜色特征参数与青冈栎叶片叶绿素含量的相关性,并对相关系数较高的叶片图像颜色特征参数与叶绿素含量进行拟合分析,结果显示图像特征参数R、R-B、(R-B)/(R+B)均达到非常显著相关。在此基础上建立叶绿素含量检测模型,基于C++程序语言,OPENCV视觉库以及QT4界面程序,编写青冈栎叶绿素含量检测系统。最后将系统检测结果与其他方法进行了比较,系统检测结果平均误差为7.19%,最大误差为12.65%,验证了该系统的有效性和准确性。     

基于光谱技术的禽蛋内部品质无损检测研究进展

禽蛋品质检测是食品安全和消费者权益的重要保障措施,传统禽蛋品质检测主要依赖人工进行,存在工作强度大、效率低且准确率波动大等弊端。光谱检测技术具有快速、安全、无损等优点,近些年来在禽蛋内部品质检测领域发展迅速。本文基于禽蛋的新鲜度、蛋白含量、脂肪含量、血斑肉斑、受精信息、种蛋性别、胚蛋活性等内部品质指标检测的有关研究,概述了近红外光谱、可见-近红外光谱、高光谱成像及拉曼光谱等光谱检测技术在禽蛋内部品质无损检测中的研究进展,分析总结了光谱检测技术在禽蛋无损检测中的应用特点与难点,并展望了其未来发展趋势,以期为我国蛋品无损检测研究及行业质量安全监管提供参考。     

机器视觉技术在烟草行业的应用状况

机器视觉技术是一种基于计算机技术和图像处理技术的新型学科,近年来其研究与应用已扩展到农业领域并在许多方面取得了进展。概述了机器视觉技术在烟草农业（无损测量叶面积、测定鲜烟叶含水量、判定烟叶田间成熟度、烟叶烘烤与分级）和烟草工业（智能剔除烟草异物、片烟规格检测、烟制品包装和烟草工业机器人）中的应用,并讨了论该技术在应用中存在的有关问题。以期为加速我国现代烟草农业进程,提升烟草企业市场竞争力奠定基础。     

基于图像处理技术的果树树叶稀密程度的检测

为了解决现有果树树叶稀密程度检测方法要求采集图像时采用标准白板标定或固定成像距离的问题,本文提出一种新的基于图像处理技术的检测果树树叶稀密程度的方法——最大轮廓矩形法。该方法采用超绿色法、Ostu、中值滤波去噪、腐蚀和膨胀等图像处理技术将果树图像有效分割出来,通过检测经图像处理后的二值图像中整棵果树最大轮廓所占的面积,再检测整幅图像中树叶与树干所占的面积,根据果树树叶稀密程度的定义即可计算树叶稀密程度。结果表明,该方法不需要固定成像距离和使用白板标定,最大轮廓矩形法对果树图像面积的检测是因果树实际图像而异的,不存在现有方法统一采用相机所设定的图像大小作为最大轮廓而导致所检测到的树叶稀密程度偏小的问题;20张果树样本图像采用两种方法检测的果树树叶稀密程度的最大差值为0．2950,最小差值为0．0027。     

鸭蛋破损检测的试验研究

试验研究了损壳蛋和未损壳蛋的声学特性差异，数据分析采取模糊聚类的方法获得损壳蛋和未损壳蛋隶属函数式，计算两个模糊集的隶属度，按照最大隶属度原则就可准确区分损壳蛋。用此方法设计的鸭蛋破损检测系统，其好壳蛋检测准确率为85％，损壳蛋检测准确率为90％。     

激光雷达和摄像机联合标定识别作物

作物识别技术广泛应用于杂草精准对靶施药、果实采摘机器人、植物病虫害识别等方面.从机器视觉和激光探测两方面分析了国内外作物识别的研究现状,机器视觉识别作物主要是利用作物的颜色、纹理、形状、位置特征;激光探测识别作物利用激光的测距信息.分析了国内外融合激光雷达和摄像机信息识别作物的研究现状,总结了激光雷达和摄像机联合标定的方法,并指出其在作物识别中的重要性.