基于计算机视觉系统的溶液浓度快速检测方法

基于计算机视觉系统的RGB色度学理论,提出一种测定有色溶液浓度的数字色度法,并开发了与之配套的软件检测系统。该方法与分光光度计相比,大大提高了检测效率,理论上每分钟可完成上百个样品浓度的同时测定。通过软件系统分析样品色度信息,实现自动显示被测溶液浓度的良好效果,为一次性成批检测溶液浓度提供了一种简捷快速的新思路。     

基于计算机视觉的花生霉变程度检测

花生是重要的油料作物,且富含蛋白质和维生素,具有很高的食用价值。黄曲霉和寄生曲霉能引起花生的霉变,产生强致癌物质黄曲霉素,对人类健康产生严重的威胁。通过对霉变程度的检测,可以为霉变花生的清选提供条件,极大地提高花生食用的安全性。为此,基于计算机视觉技术,用相机拍摄花生的图像,采用维纳滤波处理去除噪音,用B分量进行图像分割后获得目标区域图像。选用H颜色分量作为反映花生霉变程度的特征参数,根据设定的阈值评判霉变等级。该方法对花生霉变程度检测的准确率超过93%,处理单张图像耗时1 s,可以满足实时检测的要求,为花生的在线分选提供了技术支撑。     

基于计算机视觉的养殖动物计数方法研究综述

数量计量是动物养殖管理的基础工作,其结果对于动物养殖的生产效率、养殖成本管控及经济效益评估等具有重要意义。基于计算机视觉的计数方法解决了传统人工计数存在的测量误差大、耗时费力等问题,减轻了养殖人员的工作负担。本文统计分析了近十年的养殖动物视觉计数相关研究,从传统机器学习与深度学习两方面对养殖动物计数算法进行分析与讨论。此外,对水产养殖、畜禽养殖与特种动物养殖领域的养殖动物计数应用进行梳理与总结。同时,对目前公开发布的养殖动物计数数据集进行概述。最后,从数据集、应用场景、计数方法3方面分析讨论养殖动物计数研究面临的主要挑战,并对未来研究进行展望。     

基于计算机视觉的田间杂草识别方法研究

杂草对农作物的侵害一直是人们关注的问题。为此,利用计算机图像处理技术对复杂土壤背景下的田间杂草进行识别。研究中采用可变阈值法滤除了土壤背景,应用形态学方法识别出了杂草。同时,根据杂草投影中心的像素位置确定田间杂草的实际位置。实验结果表明,此方法可有效地从阔叶子植物中识别出窄叶子稗草。     

基于近红外机器视觉的鱼类摄食强度评估方法研究

在水产养殖中,鱼类的摄食强度可以反映其食欲,准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题,本研究以实现鱼类食欲的自动客观分析为目的,提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先,利用近红外工业相机搭建了近红外图像采集系统,采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后,利用灰度共生矩阵提取摄食图像的纹理特征变量信息,包括对比度、能量、相关性、逆差距和熵等。之后,将这5个特征变量作为输入向量构建了模型的数据集,并训练了支持向量机分类器。为了提高模型分类的准确率,利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类,最终实现了鱼类摄食强度的评估。试验结果表明,图像纹理可以较好地描述鱼类摄食过程中的行为变化,正确识别4类摄食强度的准确率达到87.78%,且不需要考虑水花等对成像质量的影响,具有较强的适应性。本方法可用于鱼类食欲的自动客观评估,为后续投喂决策提供理论依据和方法支持。     

基于计算机视觉的苹果霉心病病变程度测量方法

利用近红外光谱技术进行苹果霉心病的无损检测是目前的主流方法,其光谱与霉心病的病变程度密切相关。为了实现苹果霉心病病变程度的精确测量,设计并实现了一种基于计算机视觉的苹果霉心病病变程度测量方法。首先,基于Otsu算法,利用果实区域与背景反差较大的特点,实现果实、病变与背景区域的分割,并对分割图像进行区域填充等预处理操作;然后,针对分割后包含病变的苹果图像,运用Otsu算法进行二次分割,分别提取腐烂病斑区域与整个苹果区域的面积;最后,计算出病变区域的比例,得到其病变程度。为了验证算法的有效性,利用多幅图像进行了测试,并与利用Photoshop手工选取的实际病斑面积进行了对比。试验结果表明,利用该方法得到的腐烂程度误检率为8.87%,可以有效地实现苹果霉心病病变程度的测量。     

基于计算机视觉的冷却牛肉新鲜度评价方法

利用计算机视觉技术对冷却牛肉的新鲜度进行了分析研究,应用BP神经网络对牛肉脂肪组织进行了分割,分割正确率可达97％以上。选取图像原始颜色信息作为评价新鲜度的特征值组成特征向量,采用HSI、RGB和CMYK3种彩色模型评价冷却牛肉的新鲜度,其准确率分别为82．1％、78．6％、75．0％。基于计算机视觉技术的冷却牛肉新鲜度评价方法与实验室分析方法相比,评价准确率有明显提高,并且没有繁琐实验过程,是一种更高效的牛肉新鲜度评价方法。     

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%.     

基于计算机视觉的鸡蛋裂纹检测方法研究

为了提高鸡蛋壳裂纹检测的准确性和效率,综合应用了计算机视觉技术,实现对鸡蛋表面裂纹的检测。在利用计算机视觉系统获取鸡蛋表面图像后,采用同态滤波、BET算法、fisher等改进型图像处理技术,提取裂纹特征并判决。试验结果表明,模型对裂纹鸡蛋的识别准确率达到了98%。     

基于主动计算机视觉的茶叶采摘定位技术

为解决名优茶智能采摘的茶叶嫩梢定位问题,提出了一种基于主动视觉的嫩梢定位方法,并据此开发了一套视觉定位系统。针对茶叶采摘工作面特点设计了交叉投影与摄像光路;基于色彩因子法实现了自然环境下茶叶嫩梢的识别;重点研究了利用光栅投影轮廓术实现茶叶嫩梢高度信息获取。光栅投影轮廓术采用时间相位法获取光栅场的相位,并利用判别机制和形态滤波器去除噪声点,以多项式逼近法计算高度克服非线性误差。试验结果表明,基于光栅投影法的茶叶嫩梢定位系统,能够有效识别嫩梢并获取其三维信息,为研究名优茶智能采摘机解决了茶叶嫩梢定位问题。     

在MATLAB环境中基于计算机视觉的番茄识别研究

根据反应彩色图像颜色信息的正交特性,利用最大方差自动取阈法对该正交特性图像进行分割,可快速识别出在不同光线下采集到的红色成熟番茄。对于实现番茄的自动采摘具有现实意义。     

计算机视觉描述缺素番茄叶片颜色变化的研究

利用计算机视觉系统代替人眼对番茄缺素进行自动识别的方法，通过对缺素番茄叶片彩色图像的分析研究，利用图像处理技术中的颜色分析方法，分析缺N和正常叶片的特征量随着缺素时间的变化规律．提出用G体均值、H色调均值来定量描述缺N叶片随时间的变化。结果表明：利用计算机视觉能定量描述缺N叶片颜色随缺素时间的变化。     

基于计算机视觉的茶叶色泽检测研究

我国茶叶种植面积和产量均为世界第一,是特色农业的重要组成部分;但我国茶叶品质检测体系不完善,分级技术水平不高,影响了产品在国际市场上的竞争力。传统的茶叶分级是由人工分析判断,具有较大的局限性。计算机视觉是一种新型的图像处理技术,已经应用于茶叶品质分析。为此,将拍摄的茶叶和茶水图像进行预处理、灰度化和阈值分割,获得目标轮廓并分析颜色特征,并通过建模集样本确定用于色泽检测的特征量,然后对检验集样本进行色泽检测。结果表明:检验集中被错误识别的茶叶种类极少,总体的识别准确率达到9 0%,为准确评价茶叶的色泽品质提供了技术支持。     

计算机视觉技术在苹果叶片营养诊断上的应用

植物营养诊断方法很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具.随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,其在农产品诊断领域应用计算机视觉已变得越来越具有吸引力.苹果叶片营养状态诊断是进行合理施肥的前提,因此具有非常重要的意义.     

基于人工智能的鱼类行为识别研究综述

鱼类行为识别对于生态学、水产养殖、渔业资源管理等方面具有重要意义,可以通过其行为模式判断其生长发育状况和活动水平,并间接评估环境因素对其影响,以减少鱼类生长应激反应,提高资源利用效率,为水产养殖的智能化发展奠定基础。近年来,基于人工智能技术的鱼类行为识别方法受到广泛关注,其具有无损性、低成本等优势。本文综述了近5年基于卷积神经网络、循环神经网络、双流卷积神经网络等人工智能方法的鱼类行为识别技术,对鱼类行为识别方法及数据集进行了归纳与分析,在此基础上,对未来的研究进行讨论与展望。     

基于计算机视觉的汽车安全辅助驾驶技术

近年来民用汽车不断增加,随之而来的交通事故发生率也不断提高.安全驾驶问题已成为人们生活中的的热议话题,汽车安全辅助驾驶技术受到人们的普遍青睐.基于计算机视角,分析研究汽车安全驾驶中的非正常驾驶状态问题,及计算机视觉对该问题解决的帮助,使汽车安全辅助驾驶技术得到创新.