基于最小阈值法的棉花幼苗识别研究

 面对纯机械式分苗机构经常出现的漏分和多分的问题,本文提出使用基于最小阈值法的图像识别技术对棉花幼苗进行识别和分离。使用了HSV颜色空间内与光照条件无关的H值将RGB真彩色图像转化为灰度图像,以提高图像处理的实时性。基于最小值阈值法,提出一种能够有效地将处于复杂背景下的棉花幼苗茎部图像提取的方法,使用棉花幼苗茎部图像的面积和长宽比等几何信息能有效识别棉花幼苗,并得到棉花幼苗茎部的重心坐标。本文的研究证明了用图像处理中的最小阈值法识别棉花幼苗是可行的。     

基于深度颜色特征的灰度直方图玉米品种识别研究

为了提高玉米品种识别的准确率,提出了一种基于深度和颜色的灰度直方图结合BP神经网络的玉米品种分类方法。使用深度传感器获取玉米子粒的深度图像,并将获得的RGB彩色图像转化为HSV图像进行分析,发现不同品种的H分量有明显差异,从而确定不同颜色范围对应的灰度值,用归一化和灰度化后的图片生成灰度直方图,发现不同品种的灰度特征值差异比较大,取其中重要的4个灰度特征值作为BP神经网络的输入,经过训练识别出不同的品种。试验结果表明,此方法识别出的玉米品种与人眼观察的结果基本一致。     

基于叶片纹理特征的棉花蚜害诊断模型研究

【目的】为探究棉花叶片蚜害快速识别的可行性,本研究对健康和受棉蚜为害的棉花叶片的高光谱图像进行识别。【方法】以新陆早45号为研究对象,通过获取健康和受棉蚜为害棉花叶片的高光谱图像,提取不同处理下棉花叶片的感兴趣区域光谱图像信息,并采用3种降维手段获取高光谱特征。利用灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)提取图像的纹理特征,构建棉蚜为害诊断模型。【结果】采用全纹理特征数据结合随机蛙跳-偏最小二乘线性判别分析模型(RF-PLS-LDA)建模得到的预测集识别率为91.49%;以能量(Energy)作为输入,建立主成分载荷-偏最小二乘线性判别分析模型(PCA-Loading-PLS-LDA),对预测集识别率达到92.55%。【结论】以灰度共生矩阵二阶统计量能量建模可有效地简化模型,减少计算量,提高预测的稳定性。基于纹理特征向量能有效地实现蚜害棉花叶片的识别,为虫情的快速识别提供技术支持。     

基于形态学的黑背景下收获前棉花图像自动分割技术研究

以棉田实地采集的黑背景下收获前含铃壳棉花图像为样本(7级×9张/级),首先,对原始灰度图二值化以提取中心模板,进一步进行形态学高帽剪切预处理并提取其外围二值模板,两者叠加完成背景分割;试验结果表明:98.4%的含铃壳棉花二值模板图像被准确提取。其次,用形态学低帽剪切预处理后的二值图执行开启运算,以判别棉瓣间的连通性:⑴对于多连通的低品级棉花,直接提取未开启二值图中不超过4个区域的棉瓣二值模板,⑵对于单连通的高品级棉花,重新对原始灰度图二值化并提取最大区域的棉瓣二值模板;实验证明:基于棉瓣面积明显大于铃壳面积的棉瓣抽取算法是健壮的,74.6%的棉瓣二值模板图像被准确提取。     

基于纹理特征和神经网络的图像识别

图像特征是用来区分图像内部最基本属性或特征的,它包括了几何特征、形状特征、颜色特征、纹理特征等,在这些特征中纹理特征理解过于复杂,至今尚未有一个大家都认同的定义,从而也就使得纹理分析变得很困难。该文主要研究图像的分类识别,采用基于灰度共生矩阵的纹理特征的提取。以8位灰度图为研究对象,依次对图像进行4个方向(0°、45°、90°、135°)的扫描,并分别建立灰度共生矩阵,从而提取纹理特征参数,然后建立BP神经网络模型,用提取的纹理特征值,来训练BP神经网络模型,使网络模型能够识别图像的内容。此文提出了用纹理特征训练神经网络的方法来识别图像,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。     

基于RGB线性组合模型的柑橘果实为害状识别

为了准确识别柑橘果实病虫害,提高柑橘生产信息化水平,本研究提出了最优RGB线性组合颜色模型来进行目标识别。首先在具有代表性的几幅图像中选取为害状区域与正常区域的点若干,统计这些样本点的R、G、B值及其均值,设计为害状区域与正常区域灰度差最大线性规划目标函数并求解,建立识别模型。最后利用识别模型结合阈值分割法对采集的96幅柑橘果实图像进行处理,发现识别正确率、误检率、漏检率分别81.25%,14.58%,4.17%,识别效果良好。与2R-G-B模型,G-B模型和R-B模型相比,本方法为害状区域与正常区域灰度差最大,故识别正确率最高,误检率、漏检率最低。试验结果表明：RGB线性组合模型法可用于柑橘果实病虫害的识别。     

基于颜色阈值的田间籽棉图像分割技术

为正确分割田间籽棉图像,将棉花与背景视为二个类别,在典型的未成熟籽棉图像和不同质量等级的成熟/过熟籽棉图像中,用肉眼选取20 000个白棉、黄染棉和污染棉等棉花像素以及20 000个棉株、土壤等背景像素,在RGB、HSI、La*b*和Hunter颜色空间下获取二类像素之间的颜色阈值,基于阈值进行图像分割,选取噪声较少的HSI和La*b*颜色空间,进一步基于形态学滤波器去噪,实验结果表明,907幅籽棉图像分割的准确率为87.21%和86.33%。HSI颜色空间更适合分割成熟籽棉图像,La*b*颜色空间则适合未成熟籽棉;颜色阈值覆盖范围广,基于速度的阈值分割法能够适应田间籽棉环境。     

糙米储藏过程的品质变化与米粒图像颜色特征参数的关联

通过测定不同储藏温度条件下的糙米脂肪酸值,同时用扫描仪采集糙米图像并基于计算机图像处理方法提取图像颜色特征,考察了储藏过程糙米的表面颜色特征参数的变化及其与脂肪酸值的关联.结果表明:用图像处理方法可以检测出糙米储藏过程米粒表面颜色的变化;糙米表面的亮度值随着储藏时间延长和储藏温度提高而增大的趋势最明显;糙米储藏过程的亮度值变化与脂肪酸值增加的趋势基本一致,全部糙米试样两者的相关系数为r=0.81,具有较强的关联性,提示了用图像处理方法及用米粒颜色特征参数表征糙米储藏过程品质变化的有效性和可能性.     

基于颜色和纹理特征的花生仁外观品质检测研究

为了提高对花生仁外观缺陷的在线分类准确率及效率。通过对采集完好、破损、霉变的花生仁RGB图像进行均值位移法、灰度处理以及阈值分割等预处理,研究提取了花生仁HSV颜色空间下的H、S、V各分量的一阶矩和二阶矩共6个颜色特征值,再基于灰度共生矩阵法提取能量、熵、对比度、逆差分矩共4个纹理特征值,构建颜色和纹理结合的特征向量,最后分别采用BP神经网络和SVM分类器对花生仁进行分类识别。结果表明：在花生仁的整体识别准确率上,BP神经网络为96.67%,SVM分类器为97.22%,后者优于前者,在识别时间上BP和SVM分别为2.5 s和1.1 s,识别效率上也是SVM更好,综合识别准确率和效率两方面考虑,优先选择SVM分类器模型来对花生仁进行分类识别。     

基于HSV彩色模型的自然场景下棉花图像分割策略研究

 棉花成熟度和空间位置的识别是采棉机器人研究的关键技术,解决此问题必须对棉花图像进行分割。选取HSV模型中与亮度无关的S通道作为棉花图像的特征,排除了图像明暗变化对分割效果的影响。文中分两种情况对图像信息未缺失的棉花提出了成熟度判别的策略：正面时利用成熟棉花棉瓣的分散性和单朵棉花面积较大等特征进行判别;侧面时通过成熟棉花棉瓣相对棉荚面积比较大的特征进行识别。根据提取分割后棉花图像的几何信息,可确定棉花的重心位置。试验结果表明：该算法能很好地将成熟棉花从背景中分离出来,并较好地保存了棉花的轮廓信息。     

Inspection System of Material Decay Based on Image Retrieval Technology

Monitoring the material decay make use of the technique of video, computer image processing and pattern identify to detect, process and manage the external material decay image. The color character of the external material decay image are analyzed. The statistics character of the material decay image is pick-up by color histogram, color coherence vector and color correlogram. The comparability of the material decay image is presented by Euclidean distance of the color character. The match and query system of material decay based on image retrieval technology is implemented.     

用机器视觉技术获取棉花叶片叶绿素浓度

运用机器视觉技术获取棉花叶片颜色特征，建立棉花叶片叶绿素测定模型。研究表明，（1）RGB颜色系统的B/R、色度坐标b、b/r值及HIS彩色系统中的饱和度S值均与棉叶叶绿素含量显著或极显著相关，可用于测定叶片叶绿素浓度；（2）棉花叶片正、背面RGB、HIS颜色系统的颜色特征值与叶绿素浓度的相关性高度一致，且叶片背面的颜色特征值与叶绿素浓度之间的相关性更高；（3）基于机器视觉技术建立和筛选出了6组棉叶叶绿素含量预测模型，预测误差在7.8%~13.65%之间。为棉花生长的快速监测提供了依据。     

基于机器视觉的棉花群体叶绿素监测

研究了利用机器视觉技术快速获取棉花群体叶绿素信息的方法，以期获得预测性高的颜色特征参数。结果表明，RGB颜色系统的G－R、(G－R)/(G+R)、r与g的组合值和棉花功能叶叶绿素含量、群体绿色指数呈极显著相关，而且拟合度较高；HIS颜色系统的Hue值和棉花功能叶叶绿素含量、群体绿色指数之间也极显著相关。对筛选出的两组模型进行检验，预测精度在84.07%~93.04%之间，推荐预测精度最高的G－R参数作为获取棉花群体叶绿素信息的最佳颜色指标。G－R预测叶绿素含量和群体绿色指数的模型分别为y=－1.3008+0.2125(G－R)－0.0038(G－R)2（R²=0.8669**）和y=－0.9726+0.1227 (G－R)－0.0016(G－R)²（R²=0.7487**）。     

利用神经网络提取棉花叶片数字图像氮素含量的初步研究

选取6种输入向量组合，利用线性网络、BP网络以及径向基网络等3种神经网络模型进行比较研究，筛选最适宜网络模型和最佳输入组合，建立叶片数字图像彩色信息和叶片氮含量的关系模型，探索利用神经网络技术获取叶片数字图像信息的方法。结果表明，径向基网络在利用数字图像(B，H，G-R，G/R)指标作为网络输入向量时，能够实现获取棉花叶片数字图像氮含量的目标。径向基网络训练的180组样本的训练精度均达到极显著水平（r = 0.9022**），30组测试样本的预测值与实测值也达到极显著相关（r = 0.8674**），径向基网络和(B，H，G-R，G/R)向量是一种适合本研究的数学模型。对利用神经网络提取棉花叶片数字图像氮含量技术的初步探索，拓展了神经网络和数字图像技术在农业生产中的应用。     

Cotton Image Segmentation Algorithm Based on Fusion Method of Markov Random Field and Quantum Particle Swarm Cluster

[Objective] The aim of this study was to improve the cotton image segmentation accuracy in a picking robot image processing system. [Method] An image segmentation algorithm based on a fusion method of Markov random field and quantum particle swarm optimization clustering was proposed. The process of the proposed algorithm is as follows: first, transform the RGB (red, green, blue) images into grayscale; second, use it to segment these images; finally, the threshold of the connected area is set on the basis of the segmented image to obtain the target area. Then, the cotton front image and the cotton side image are selected from the images collected from different angles. The segmentation experiment was carried out by using this algorithm, and compared with the Otsu algorithm, the fuzzy C-means algorithm, the quantum particle swarm image segmentation algorithm and the Markov random field image segmentation algorithm. [Result] The results showed that the segmentation accuracy and peak signal to noise ratio of the proposed algorithm were 98.94% and 77.48 dB. When compared with the Otsu algorithm, fuzzy C-means algorithm, quantum particle swarm optimization algorithm and Markov random field algorithm, the average segmentation accuracy and peak signal to noise ratio of the proposed algorithm increased by 2.47%–4.56%, and 9.81–13.11 dB, respectively. [Conclusion] The proposed algorithm had higher segmentation accuracy and higher peak signal to noise ratio than the other algorithms tested.     

Research and implementation on handwritten numeralrecognition technique based on fuzzy mode

Based on simulation and numeral recognition of the 24-bit bmp images of postal codes obtained by CCD transducer, a binarization method based on coloring matter is proposed, which is employed to extract the binary image of the frame line of postal code and the binary image of the mail character separately. The procedure of image processing is analyzed, which includes detecting and separating borderlines of postal code frames, image binarization, smoothing noise-removal, slant rectification, extraction of postal code numerals, position normalization processing, subdivision of digital image, feature extraction of character recognition, and so on. The pretreatment process of image recognition is described. Then, character feature extraction is conducted for pretreated images, while the angle correctness for postal code frames and characters is performed. Finally, the recognition result is determined. In this method, the difficulty of separating frame line from postal code character line is eliminated. In order to improve recognition rate, the combination of many methods of handwritten numeral is used, resulting in improved recognition rate of postal codes. The experiment shows that this method can obtain higher recognition rate, providing reference for the separation technique in postal system.