鸭蛋大小等级模型研究

应用机器视觉 ,研究出鸭蛋大小自动分级模型。鸭蛋的面积尺寸是鸭蛋大小分级的重要依据 ,鸭蛋的重量与所成像的像素面积成正比。鸭蛋大小等级模型具有显著性和可靠性 ,鸭蛋大小的检测误差在± 3g之间 ,能够满足生产的需要     

基于机器视觉的鸭蛋裂纹自动检测

通过计算机视觉系统获取鸭蛋表面的图像,利用颜色特征参数和灰度阈值方法对图像进行分割.提取分割后的裂纹区域和噪声区域的6个几何特征参数,对图像进行识别,裂纹识别率为93.392%,噪声识别率为93.602%.     

鸭蛋大小及蛋心颜色自动分级系统软件研制

用VC 6 .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     

鸭蛋新鲜度模型的试验研究

用计算机视觉技术，研究了鸭蛋新鲜度模型。取当天产新鲜鸭蛋，分青壳蛋和白壳蛋各150枚置于恒温衡湿环境中。每次定时任意取出其中白壳和青壳蛋各10枚用计算机视觉检测装置检测出蛋内容物的颜色参数。根据这些参数和与之对应且表征蛋新鲜度的Haugh值拟合出蛋新鲜度模型。白壳蛋新鲜度模型检验结果为：r=0.757,F=77.932；青壳蛋新鲜度模型检验结果为：r=0.767,F=75.911。检验结果表明鸭蛋新鲜度模型有较高的回归精度。     

基于历史帧路径搜索的红枣动态图像采集

图像采集是实现红枣品质分级和检测的关键前提。针对基于静态图像的采集方式不能全面反映外观品质、实时性差和基于传输式图像采集方式的机械、电路设计复杂且适用性不足的缺点,提出一种基于历史帧最小路径搜索,实现对视频中红枣目标进行跟踪、标定,建立红枣动态样本集的方法。首先利用RGB(red,green,blue)颜色空间转换HSV(hue saturation value)空间图像的明度(V)分量,基于V分量建立掩膜对RGB图像执行掩膜去背景。同时,针对视频图像中获得的二值图像,建立坐标系,获得每帧图像基于轮廓外接最小正矩形的特征向量,将当前帧和前一帧中的特征向量基于最小路径搜索的方法,加入约束条件,实现对视频中每个红枣目标的跟踪和标定,最后基于正矩形参数的感兴趣区域(region of interest,简称ROI),实现动态样本建立。利用此算法,对拍摄的视频图像的检测表明建立的动态样本集能更全面地反映红枣外观品质。该算法简单、有效,特别在实现基于深度神经网络的红枣在线检测中具有较大的应用潜力。     

基于机器视觉的八角颜色与果形识别研究

为了提高八角外观检测精度及效率,基于机器视觉技术对不同果形和颜色的八角进行识别和处理。果形在RGB、HSI颜色空间中,根据棕红、黑红、褐红在H颜色空间的区别,提取了不同颜色的八角H分量值,识别正确率为95.12%、95.12%、97.56%。利用极坐标变换思想建立极坐标模型,通过对极坐标模型错位相减、归一化、角数判别,有效的识别八角的角数,识别正确率为94.73%;在角数识别的基础上通过余弦定理实现了粗短八角角瓣、瘦长八角角瓣的判别,识别正确率分别为94.29%、97.14%;通过对极坐标变换后的轮廓进行傅里叶变换识别了粗短八角角瓣和瘦长八角角瓣,识别正确率分别为94.29%、94.29%;通过对八角波峰点进行标准差分析,有效地识别了八角是否均匀。以上方法识别率高且精确,为八角的外观检测技术提供了理论基础和前景。     

鸭蛋品质自动测控系统的分级控制与设计

应用计算机视觉技术和PLC与计算机通讯原理,设计出鸭蛋品质分级控制系统,实现鸭蛋品质参数（颜色、大小、新鲜度和壳厚）准确、快速、稳定的在线检测。试验研究表明,鸭蛋品质自动测控设备分系统具有良好的应用前景。     

基于智能光学系统的水稻种子精选机

稻米口粮消费在总消费中所占比例逐年增加,优质米消费量上升趋势较为明显,优质大米市场前景十分广阔。而种子在加工流程中却存在许多问题,如病斑粒、不饱满粒混杂其中,难以筛选,进而影响发芽率。因此,筛选饱满优质的稻种,能更大程度的提高水稻产量。我们提出了一种水稻种子精选机的设想,利用工业CCD相机及其机器视觉等技术来进一步筛选稻种,剔除不健康,不饱满的籽粒,以减少播种量、降低生产成本、提高产量。     

基于色差信息的田间成熟棉花识别

准确识别和定位目标在三维空间中的位置,为机械手提供运动参数,是采摘机器人视觉系统要解决的关键问题。本文利用棉花成熟期,棉花表面颜色与背景颜色存在较大差异的特征,在统计分析的基础上,建立了利用色差信号进行棉花识别的视觉模型。试验结果表明该模型可以完成棉花的识别,识别准确率达到85%以上。     

HPLC和比色法测定鸭蛋蛋黄粉中胆固醇含量的比较

试验通过直接皂化-比色法和直接皂化-HPLC两种方法测定了鸭蛋蛋黄粉中胆固醇的含量.结果表明,这两种方法测定的胆固醇的含量有一定的差异.用比色法测定的蛋品中胆固醇的含量要高于用高效液相色谱法测定的胆固醇的含量.     

基于SVM和颜色矩的竹条颜色分级方法

为了实现竹条颜色等级的自动识别,利用图像处理技术对竹条图像进行滤波、图像分割等预处理,得到去除背景的竹条图像;提取了图像H、S、V三分量的颜色矩特征参数,并用多分类支持向量机的模式识别方法来识别竹条等级,平均识别率达到93.5%。     

基于色彩识别特征的柳杉锯材表面活节和死节的机器视觉识别系统．

利用色彩特征信息开发了柳杉锯材表面活节和死节的机器视觉自动识别系统.该系统由3部分组成:CCD工业摄像图像采集硬件系统、缺陷检出的图像处理模块和基于识别规则的缺陷识别模块.潜在缺陷区域可由大津自动阈值分割算法结合T-检验来完成,活节和死节的检出率分别为92.6%和97.1%.基于2个形状识别特征和6个色彩识别特征构建了缺陷的识别规则,利用构建的识别规则可实现活节和死节的识别率分别为92.0%和94.1%.系统整体检测准确率为87.6%,此结果表明基于识别规则的彩色机器视觉自动识别系统是检测柳杉锯材表面活节和死节的一个有效手段.     

机器视觉技术在金莲花灌溉中的应用研究

应用机器视觉技术研究了判断作物缺水状态的方法。在日光条件下采集了金莲花叶片图像,然后分别提取了红绿蓝（RGB）三色分量和它们的相对系数rgb及色度H。在RGB和HSI颜色模型下分析了各分量与作物缺水时间之间的相关特性．分析结果表明红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量都与缺水时间之间有相当高的相关性,可以用作利用机器视觉快速判断金莲花缺水状况的指标,而其他分量与缺水时间之间没有明显的相关性。     

标记法消除图像中大块污染区块方法的研究

噪声的消除是进行图像边缘提取等图像处理的前提条件,本文提出一种图像标记法去除图像目标区域内、外较大区域噪声（称为大块污染区块）的方法,试验结果表明该方法能够将图像目标区域内、外的大块污染区块及噪音完全消除,为后续的图像处理及图像分析奠定了基础。     

Detection Precision of Seedmeter for Large-granule Seeds

A detecting method based on machine vision was put forward to test the performance of seedmeter with corn and soybean seeds as test samples, in which MATLAB software was applied to process image data and analyze the results. The experimental results showed that the mean value of absolute error of the sowing speed for soybean was 0.004-0.68 seed · s^?1; the mean value of relative error was from 6.5% to 130%, and there were no significant differences of mean value, standard deviation and coefficient of variation of flowing seeds between manual statistics and MATLAB statistics. The machine vision method was proved to be time-saving, labor-saving and no-touching in the seedmeter precision detecting.     

苹果在线分级系统设计与试验

【目的】根据苹果采摘机器人结构和作业特点设计与其配套的在线分级系统,满足实时分级需求。【方法】通过预分级机构剔除果径在等级外的苹果,减少视觉分级的无用功;利用力传感器获取苹果质量信息并确定质量等级;通过机器视觉技术实现苹果大小和腐烂面积的检测;借助Matlab和VS2008开发图像处理算法和界面控制程序;构建基于CAN总线的分布式控制网络。对苹果进行综合分级试验。【结果】苹果实际直径与检测直径的决定系数为0.990 3,实际质量与检测质量的决定系数为0.999 6,实际腐烂面积与检测腐烂面积的决定系数为0.985 5,综合分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。【结论】该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。     

基于机器视觉的果园成熟柑橘快速识别及产量预估研究

【目的】提供一种快速、准确的自然环境下成熟柑橘的识别及计数方法,解决传统的通过人工 采样的方法进行产量预估带来的成本高、时间长和精度低的不足,并为以后对柑橘进行自动采摘打下基础。 【方法】应用 RGB 相机采集柑橘园果树图像,并通过转换到 Lab 颜色空间,对与背景颜色有明显区别的柑 橘区分采用“a”分量,然后基于霍夫圆变换法应用 MATLAB 软件对剔除背景的柑橘进行计数,实现对柑橘 产量的预估。【结果】该图像处理方法与传统的水果与背景分离方法相比更简单快速,果实识别正确率达 94.01%,产量预估正确率达 96.58%,平均识别时间 1.03 s。选取 10 棵树共 20 个图片进行产量预估,将该算 法得到的柑橘数量与通过人眼计数得到的结果进行比较,其相关系数 R2 为 0.9879。【结论】该算法简单快速, 能精确实现水果的快速自动识别及产量预估,对果实的重叠性、果实遮挡有较好的鲁棒性,促进了机器学习 在现代农业的应用,具有较高的理论和实践意义,推动了果园智慧农业进一步发展。     

自然环境下山核桃果实的图像识别提取方法

研究了自然环境下成熟山核桃果实的机器视觉图像识别方法。通过分析顺光、逆光、遮挡等环境下拍摄的山核桃成熟待采时的果实图像,确定了2R-G-B色差模型,用最佳阈值函数进行图像分割,经形态学滤波后采用Canny算子进行边缘检测,提取出复杂背景下山核桃果实的轮廓。试验结果表明,该方法对山核桃果实的有效识别率达86.7%,可为山核桃采摘机器人的研发提供技术参数。