基于农业视觉图像的高效滤波处理方法

机器视觉技术在农业领域的广泛应用,使得农业自动化水平有了很大提高;但由于农业视觉图像的获取受气候、温度、光照、成像设备、图像传输等诸多因素的限制,使得所获取的图像或多或少受到噪声干扰,因此图像出现一定程度的失真,给后续农业视觉图像的处理与分析带来了诸多不便。为了有效抑制农业视觉图像中时常出现的噪声,提出了一种具有噪声监测与检测功能的多方向改进加权均值滤波算法,算法首先对含有噪声的农业视觉图像进行粗检测和精检测,以精确标记出噪声点;然后针对图像信息的分布特征分别设计出3类不同尺度的8方向滤波窗口;最后根据粗检测和精检测结果分别对噪声图像进行加权滤波处理。试验结果表明,改进的滤波算法性能优于经典均值滤波法、自适应中值滤波法及加权均值滤波法,提高了农产品视觉图像的清晰度及图像目标识别的准确率。     

基于计算机视觉的苹果表面缺陷识别方法

在利用计算机视觉技术检测苹果外部品质的过程中,苹果表面缺陷的识别相对于形状、大小、颜色的检测要复杂得多,因此缺陷检测方法的研究极具挑战性。在实验的基础上,本文对几种缺陷检测算法(“洪水法”和“蛇形法”、“自适应球形变换法”、“参考图像法”、“标准球体灰度模型法”)的思路和实验结果进行了深入的分析和比较,并对缺陷检测中尚待解决的问题进行了阐述。     

基于机器视觉有机磷类农药残留半定量检测研究

本文针对水体环境中有机磷类农药残留污染物现场快速检测的需要,提出基于机器视觉的农药残留半定量检测的方法。该方法与彩色数字图像处理技术相结合,提取出农药残留检测卡的颜色信息RGB值。由于RGB每个通道均有256个亮度等级,故可以组成1 677多万种颜色,克服了灰度图像亮度等级少、图像区分不明显的缺点,从而提高了检测的灵敏性。结果表明,本文提出的方法简单、快速、高效,适用于水体坏境农药残留的快速检测。     

苹果果梗和表面缺陷的计算机视觉检测方法研究

研究了苹果果梗与果体的识别方法和果面缺陷的查找方法.根据苹果果梗的特性,提出用分块扫描判断果梗是否存在;分析了苹果的坏损表面与非坏损表面的不同反射特性,以及不同灰度值象素点数的统计特性,找出坏损区域,并从中区分出果梗和果萼.对1 5幅无果梗的图象判断准确率为100%,对90幅果梗完好图象的准确率为88%.试验证明该方法对坏损的检测是有效的.     

1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。     

计算机视觉技术识别水果缺陷的一种新方法

利用计算机视觉技术识别水果表面缺陷，提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征，实现了缺陷与果梗、花萼的区分。试验结果表明，该方法检测速度快，正确率高，能够满足计算机视觉进行在线检测的要求。     

基于机器视觉的沙糖橘果皮破裂和缺陷检测

在对果皮质量进行检测分级时,破裂果、机械损伤和硬疤是沙糖橘表面常见的主要缺陷。传统的自动检测系统通常不能准确地识别这些表面缺陷。为了解决这一问题,设计了一种硬件和软件相结合的计算机视觉检测分类系统。该系统采用单CCD和LED环形光源,通过计算机协作,利用计算机视觉系统提取沙糖橘果皮的正面图像,构建了有效的图像采集方法、预处理方法、颜色模型和分割方法,采用傅里叶变换、高频滤波、形态学(方案)和分类树等方法对沙糖橘的表面缺陷进行研究,并为实际的自动化应用找到更准确和更合适的方法。结果表明,该方法的可靠性和稳定性优于传统的单一形态学的识别方法。     

基于机器视觉的烟尘在线监测的研究

针对目前烟尘浓度测量方法中存在取样难、精度低等问题, 提出了一种基于机器视觉的在线监测烟尘排放及分析烟尘排放浓度的方法. 文章应用机器视觉理论, 采用了边缘检测和阈值分析算法对烟尘图像进行特征提取和图像分析, 通过现场实验表明: 该烟尘浓度检测算法正确, 能有效提高检测精度, 实时得到烟尘排放浓度.     

基于机器视觉的烟尘在线监测的研究

针对目前烟尘浓度测量方法中存在取样难、精度低等问题,提出了一种基于机器视觉的在线监测烟尘排放及分析烟尘排放浓度的方法．文章应用机器视觉理论,采用了边缘检测和阈值分析算法对烟尘图像进行特征提取和图像分析,通过现场实验表明,该烟尘浓度检测算法正确,能有效提高检测精度,实时得到烟尘排放浓度．     

基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割.文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测...     

计算机视觉摄影测量模型的标定算法

计算机视觉摄影测量模型的求解效率和精度是采用摄像机进行测量的关键。为对所建立的摄影测量模型进行高效求解,根据正交变换的基本原理,提出了基于吉文斯变换的标定模型解算方法。利用该算法对模型进行了标定计算,获得了较高的标定和测量精度。     

基于机器视觉的凹版印刷机位置控制及产品检测

介绍一种凹版印刷机计算机图像检测和位置控制系统，利用彩色边缘检测等方法对在线印刷品的图像进行实时图像处理和分析，可动态或静态显示在线印刷品图像，并得到与产品图像质量相关的参数，以此检测产品的质量；并利用各色之间的对版误差，通过饲服电机进行实时位置校正．     

脐橙色泽与着色率的机器视觉检测技术研究

色泽与着色率是脐橙品质和机器分级的重要指标,但用传统算法很难建立脐橙颜色参数与其之间的关系模型。研究对脐橙图像进行预处理后,分析脐橙表面颜色特征参数,提取脐橙有效像素的H(色调)、S(饱和度)、R(红色分量)、G(绿色分量)、B(蓝色分量)的平均值与标准差作为参数,对着色率与色泽进行定量描述,并通过神经网络算法建立颜色特征参数与色泽和着色率之间的关系模型。结果表明,该分级模型对着色率与色泽的分级与人工标准分级的一致度分别为90%和92%。     

基于机器视觉金鱼游动方向监测算法的研究

针对金鱼游动方向自动监测,提出了一种基于机器视觉金鱼游动方向的监测算法。金鱼图像首先通过阈值分割得到分割图像,然后通过分割图像或者腐蚀后的分割图像提取金鱼的像素点,再分别使用最小二乘法拟合一次、二次曲线从而得到金鱼的游动方向。15幅金鱼图像的实验表明在室内单条金鱼监测中通过分割图像提取像素后一次曲线拟合得到的结果最好,仅6.67%的误差。     

基于全周波富氏算法滤除衰减直流分量新方法

提出了一种非递推全周波富氏算法中滤除衰减直流分量Ae^t/r的新方法，并在单一数据窗口中推导了与τ无关的精确校正算法，该算法简单，适用于微机继电保护中提取各次谐波分量。     

基于计算机视觉的水稻三维重建方法

利用多幅多角度的拍摄方法对二维图像进行采集,通过数字化处理得到单株水稻各视角侧面投影及轮廓图像。然后使用基于计算机视觉的三维重建方法,构造单株水稻的可视立体包络,从而得到单株水稻的三维立体像素模型。使用移动立方体算法对单株水稻立体像素模型进行外围表面重建,最后得到单株水稻三维重建模型。     

基于机器视觉的成行作物精量喷洒系统研究

概述了基于机器视觉的植保机械研究进展,针对目前大多数农作物粗放式喷洒现状,设计了一套基于机器视觉的成行作物精量喷洒系统,它包括硬件系统和软件系统。模拟实验结果表明,系统中的喷头移动轨迹基本上与作物行中心线一致,两者间的标准差为2.13cm。     

基于机器视觉技术的无精蛋鉴别研究

[目的]采用机器视觉技术鉴别无精蛋,提高孵化生产过程中剔除无精蛋的准确率和速度。[方法]首先用CCD照相机获取入孵蛋图像,再将入孵蛋图像传输到计算机主机,主机测控软件对图像进行灰度特征分析、比较等,对入孵蛋进行检测,主机输出信号给核心控制器,由核心控制器控制检测台对无精蛋进行分选。[结果]采用机器视觉技术可以在入孵后第6天快速准确地剔除无精蛋。[结论]利用机器视觉检测技术鉴别无精蛋,具有较高的理论价值和实际生产意义。     

基于计算机视觉的大米外观品质检测

提出了利用计算机视觉系统代替人眼对黄粒米、粒型等大米外观品质参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米外观品质检测算法。在对不同的大米图像处理的基础上，完成了对大米的黄粒米、粒型等的测定。实验结果表明，本算法及程序设计是有效可靠的。     

基于机器视觉的转速过程检测方法

采用机器视觉技术对排种器排种盘的转速过程进行了检测。在排种盘上设置检测标志物,利用CCD摄像机采集排种盘在不同转速下的转速过程,并对获取的检测样本图像进行背景去除、二值化、图像平滑、特征量提取等处理,检测出转速序列{ni}和加速度序列{iε},并对转速过程进行时序分析和误差估计。结果表明,在不同的设定转速下,机器视觉的转速检测相对误差范围为0.67%~3.40%。