脐橙外部品质计算机视觉检测技术初步研究

根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。采用中值滤波和线性低通滤波技术对原始脐橙图像进行平滑、去噪,在对脐橙图像像素点颜色信息统计的基础上,通过设置蓝色分量、色调、饱和度的阈值,从图像中快速准确的分割出果实图像;确定果实横径、果形、表面缺陷率、色泽与着色率为脐橙外部品质分级的特征参数;通过BP神经网络建立了特征参数与脐橙等级之间的关系模型,试验结果表明,其预测准确率达到85％。     

基于机器视觉的脐橙品质在线分级检测系统

针对脐橙自动分级检测中存在正确识别率偏低、实时性不强的问题,提出一种综合特征提取方法:在对图像颜色模型进行转换后,用H分量图像提取脐橙的大小特征;S分量图像通过背景分割、边缘灰度补偿、整体亮度变换后提取脐橙的果面缺陷特征;采用R、G、R-G3个分量的均值和标准差提取脐橙的颜色特征。以脐橙的大小特征、果面缺陷特征和颜色特征为支持向量机(Support vector machine,SVM)的试验输入向量,进行脐橙分级检测试验,以实现提高脐橙自动分级正确识别率和增强实时。试验结果表明:该SVM分类器对脐橙分级的正确识别率为91.5%,处理时间为160ms,适合于实时环境下的分级检测。     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。     

脐橙可食率自动估测研究

利用脐橙重量与体积2个特征参数,通过建立BP网络模型,估测脐橙的可食率。结果发现,该方法对脐橙的可食率估测较高,预估可食率在74.48%～85.79%,均方差为3.19%,对样本的拟合效果较好。     

基于掩模及亮度校正算法的脐橙表面缺陷分割

【目的】 本研究旨在有效解决果皮有缺陷的水果图像在去除背景时部分缺陷被误分割为背景,以及水果表面缺陷难以有效分割提取的问题。【方法】 以I分量图来构建掩模模板,根据其灰度直方图信息,通过双峰法选择单一阈值（T=75）分以纽荷尔脐橙为研究对象,提出基于HSI颜色空间模型法去除背景割背景并填充孔洞得到掩模模板I_mask,然后掩模模板I_mask与I分量图通过点乘运算得到去除背景的I分量图;提出基于多尺度高斯函数图像亮度校正算法对去除背景后的I分量图像进行亮度校正,通过构建多尺度高斯函数滤波器,将去除背景后的I分量图与构建的多尺度高斯函数进行卷积运算即得到去除背景后的I分量图像表面光照分量图,最后将去除背景后的I分量图与得到的光照分量图进行点除运算即得到去除背景后的I分量图像亮度校正图;然后采用单一全局阈值法对脐橙表面缺陷进行提取。【结果】 基于HSI颜色空间模型法去除背景,可在有效去除背景的同时完好保留脐橙的表面信息,有利于后续操作;基于多尺度高斯函数的图像亮度校正算法分别对6种常见脐橙缺陷进行图像亮度校正后采用单阈值法提取缺陷,使不同灰度等级的脐橙表面缺陷一次性分割成功,其中分割率最高为100%,最低为88.5%,整体达92.7%。通过试验分析后发现造成部分误分割或漏分割的原因主要在于部分缺陷果缺陷处颜色较轻,与正常区域灰度差较小,从而造成漏分割;还有部分缺陷果由于缺陷面积小,在图像形态学处理过程被误认为是噪声而被去除;同时发现正常果的误判率也达到了10.8%,经分析发现误判的正常果表皮组织区域的褶皱位于图像的边缘区域,从而被误认为是边缘区域的缺陷,导致误判。【结论】 基于HSI颜色空间模型法去除背景及基于多尺度高斯函数的图像亮度不均校正算法对纽荷尔脐橙图像背景分割和去除背景后的I分量图像表面亮度校正均取得了较好的效果,能有效识别脐橙缺陷区域,为脐橙精确分级提供了技术支持,也为其他果品表面缺陷快速检测提供了一种新思路。     

可见近红外漫反射光谱法测定赣南脐橙的表面色泽

[目的]建立赣南脐橙颜色指标定量数学模型,探索用颜色进行水果分级的新方法。[方法]采用色差计来测量50个赣南脐橙样本的表面颜色,用近红外漫反射光谱并结合多元校正算法偏最小二乘法(PLS),建立了赣南脐橙颜色指标L、a、b的定量模型。[结果]在全波段范围内,原始光谱所建模型最佳,其颜色指标L所建校正模型相关系数(r)为0.933,预测均方根偏差(RMSEP)为1.330,完全交互验证相关系数(rcross)达0.926;颜色指标a所建校正模型相关系数为0.970,预测均方根偏差为1.524,完全交互验证的相关系数达0.967;颜色指标b所建校正模型相关系数为0.893,预测均方根偏差为2.676,完全交互验证的相关系数达0.875。[结论]原始光谱所建模型最好,但其模型的校正均方根偏差和完全交互验证均方根偏差都偏高。     

基于计算机视觉和神经网络的鸡蛋新鲜度检测

为了提高鸡蛋新鲜度分级的准确率,利用计算机视觉技术,通过所搭建的鸡蛋透射光图像采集系统获取鸡蛋透射光图像信息,提取鸡蛋的5个形状特征和6个颜色特征参数,结合BP神经网络与鸡蛋的哈夫单位值进行对照,从而建立鸡蛋新鲜度检测分级模型。其训练集和测试集的分级正确率分别为99.583 3%和98.333 3%。该分级模型的分级正确率达98.000 0%以上,具有较好的泛化功能及鲁棒性。结果表明,用鸡蛋的形状参数与颜色参数,结合神经网络对鸡蛋新鲜度分级是可行的,具有较高的分级正确率。     

基于计算机视觉对苹果脆片外观品质分级

[目的]为了开发苹果脆片自动化分级技术,利用计算机视觉对苹果脆片外部品质进行无损检测研究。[方法]通过对苹果脆片的大小、形状、颜色、纹理特征的感官评分建立苹果脆片外部品质等级评价标准。首先,利用计算机视觉系统获取脆片图像,经图像处理后,进行特征提取;然后,通过比较数据离差标准化和标准差标准化处理对费歇尔线性判别(FLD)、偏最小二乘法判别分析(PLS-DA)、支持向量机(SVM)3种模型建模效果的影响,确定合适的数据预处理方式;并分别基于这3种模型对预测样本进行分级;最后,采用连续投影算法(SPA)筛选最佳特征参数,并比较3种模型的建模和预测结果,确定最佳分级模型。[结果]数据经离差标准化处理后建模效果更好;FLD、PLS-DA、SVM 3种模型中SVM模型分级效果最好,其建模集和预测集分级准确率分别为99.1%和98.0%;基于SPA算法筛选得到了面积、圆形度、对比度的均值、能量的均值、对比度的均方差、熵的均方差这6个特征参数,基于特征参数的SVM模型建模集和预测集分级准确率分别为98.7%和97.3%。[结论]该研究实现了苹果脆片的外观品质的自动检测和分级,为苹果脆片的计算机视觉自动分级提供了技术支持。     

基于GA-BP神经网络的温室番茄病害诊断

为了提高温室番茄病害自动识别率,采用P2P无线网络摄像机定点远程监控与数码相机采集设备相结合的方法获取材料,通过分治中值滤波算法和分水岭算法分离复杂背景下的叶片并提取病斑,提取病斑特征参数并最终选择6个颜色参数、4个形状参数、3个纹理参数,改进传统的差反向传播(error back propagation,简称BP)算法,建立遗传算法优化的误差反向传播(genetic algorithm error back propagation,简称GA-BP)番茄病害识别模型。结果表明,GA-BP模型能快速有效地识别番茄叶片病害,对番茄早疫病、晚疫病、叶霉病的识别率分别达到92.50%、91.25%、95.50%。该模型解决了BP神经网络收敛速度慢、寻优不精确的问题,高效地实现了温室番茄病害的诊断。     

基于小波变换与Otsu阈值去噪的脐橙识别方法

【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。     

留树保鲜对‘纽荷尔’脐橙果实糖酸及色泽的影响

为研究留树保鲜与低温冷藏对‘纽荷尔’脐橙果实糖酸及色泽的影响,以‘纽荷尔’脐橙为试验材料,对留树保鲜和低温冷藏过程中果实色差指数、可溶性固形物、可溶性糖及有机酸含量变化进行测定。在2种贮藏方式下,‘纽荷尔’脐橙果实色差指数和总糖含量呈上升趋势,可滴定酸含量在整个贮藏过程中不断下降,而可溶性固形物含量变化不大;留树保鲜的果实糖酸比在贮藏40 d前低于低温贮藏,但在40 d后留树保鲜的糖酸比值迅速增加并超过冷藏果实的糖酸比;‘纽荷尔’脐橙果实蔗糖含量最高,其次是果糖和葡萄糖,且果实蔗糖、葡萄糖和果糖含量变化趋势表现一致,均随贮藏时间变化呈上升趋势;果实柠檬酸含量呈现下降趋势,酒石酸含量比较稳定,奎尼酸和苹果酸含量呈先下降后上升再下降的趋势。与低温冷藏相比,留树保鲜能显著提高‘纽荷尔’脐橙果实色差指数,延缓果实有机酸含量的下降,但可溶性固形物和可溶性糖含量无显著性差异,说明留树保鲜能提高‘纽荷尔’脐橙果实的贮藏品质。     

江西省赣州脐橙产品包装研究

为有效宣传江西省橙乡赣州市,打造赣州市世界最大的优质脐橙基地,扩大赣州脐橙的影响,必须统一赣州市所有脐橙产品的包装,从而在对外销售时也能最大化的宣传橙乡赣州市。     

赣南脐橙销售模式与网络营销对策研究

阐述了赣南脐橙经营、传统销售模式,调查了脐橙的价格变化和个体果农的销售渠道,提出脐橙的网络营销模式,构建了理想状态下的脐橙网络销售模式。     

脐橙糖度光谱图像检测技术研究

对采集到的不同波长的光谱图像灰度分布进行洛伦茨分布(LD)、高斯分布(GD)、指数分布(ED)函数拟合,通过比较发现洛伦茨分布为最优灰度分布拟合函数.将脐橙的糖度与洛伦茨分布函数拟合所得参数分别进行多元线性回归,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程.结果表明:利用光谱图像技术无损检测脐橙糖度是可行性的.     

基于计算机视觉的脐橙分级系统研究

脐橙的检测方法目前主要还是采用劳动强度大、工作效率低、随意性大、客观性不强、也不符合当前标准化要求的人工检测方法。运用计算机视觉和模式识别技术,研究了基于计算机视觉的脐橙分级系统,首先对获取的图像分割出背景、脐橙本体和表面缺陷,再根据脐橙的分级标准,提取出果实横径、表面缺陷的特征参数,采用径向基神经网络对脐橙样本进行了等级识别,实现脐橙的自动检测与分级。