基于改进的快速最大熵多阈值的成熟草莓图像分割

成熟草莓图像分割是草莓机械化采摘中首要解决的难题之一,最大熵多阈值算法是图像分割中效果较稳定的方法之一,但存在计算复杂度高、分割速度慢等缺点。为降低算法的计算复杂度、加快搜索速度,提出了一种改进的快速最大熵多阈值图像分割算法(IFMEMT)。首先提取RGB彩色图像的R分量灰度图像及灰度图像信息,然后应用IFMEMT算法求得最大熵及对应的阈值,最后进行图像分割。实验结果表明,在复杂环境下IFMEMT相对OTSU等图像分割算法不仅能达到相同甚至更好的分割效果,而且有更好的分割效率,能满足成熟草莓机械化采摘的实时性要求。     

基于深度学习和超分辨率重构技术的图像缺陷诊断算法

虽然深度学习在图像检测领域取得了长足进步,但是由于变电站设备巡检图像背景复杂,导致了缺陷诊断面临一定的困难。本文提出了一种基于深度学习和超分辨技术的缺陷检测算法,一方面是锁定目标区域,聚焦检测设备,去除不相关的图像信息,大幅降低了图像有效信息的损失;另一方面是对检测设备进行超分辨率重建,提升分辨率,保证用于渗漏油缺陷检测的图像质量、像素信息的完整性。通过实验数据证明,该算法识别结果较其他算法有很大的提升,从而验证了该算法的优越性。     

黄花菜集团化种植及加工前景

一、黄花菜发展前景乐观的两个因素 1．黄花菜从种植、采摘到加工，如果控制得当，完全是绿色天然食品。花蕾从冒出到可以采摘仅3～5天时间．它连接触空气的时间都比其他蔬菜短。黄花菜进入盛产期后，每天都有成熟的花蕾可以采摘。黄花菜必须在花蕾含苞待放时采摘，每24小时采摘1次．收获1批，时间前后不能超过1小时。     

黄花菜集团化种植及加工前景

一、黄花菜发展前景乐观的两个因素1.黄花菜从种植、采摘到加工,如果控制得当,完全是绿色天然食品。花蕾从冒出到可以采摘仅3～5天时间,它连接触空气的时间都比其他蔬菜短。黄花菜进入盛产期后,每天都有成熟的花蕾可以采摘。黄花菜必须在花蕾含苞待放时采摘,每24小时采摘1次,收获1批,时间前后不能超过1小时。如果采摘早了,花蕾还未完全成熟,会影响     

基于机器视觉的黄花菜干菜分选方法研究

针对黄花菜干菜分选设备缺乏、人工分选效率低、产品附加值不高等问题,研究基于机器视觉的黄花菜干菜分选方法。设计搭建了试验平台和图像采集系统,构建了干菜图像及尺寸信息基础数据库;基于数据转换、背景差分、全局阈值、轮廓提取等方法提取目标区域,采用外接矩形算法测量干菜相关尺寸。试验结果表明,本研究采用的方法能够准确测量黄花菜干菜长度,通过长宽比判断干菜品质的正确率较高,满足实际使用要求。     

基于Kinect的农作物长势深度图像实时获取算法

快速、准确、实时获取农作物长势形态图像信息已经成为数字农业生产管理的趋势和必要手段,而深度图像信息包含彩色图像所没有的三维信息,可为农作物的生长模型三维重建以及实时长势形态监测提供有价值的数据。本研究采用微软公司开发的一款廉价体感游戏设备Kinect,尝试了对农作物长势形态深度图像进行实时监测研究,在介绍Kinect深度成像原理的基础上,提出了采用Kinect获取农作物长势深度图像的算法以及提取3D点云世界坐标的算法,并开展了初步试验。试验结果表明,该方法可以获取良好的三维图像数据信息,能够为后期农作物的生长模型三维重建、长势状态分析、病虫害实时监测等研究提供有价值的数据依据。     

基于光学模型的退化叶片图像复原方法

针对空气浮尘造成植物叶片图像颜色失真、细节信息模糊问题,采用一种基于光学成像模型的灰尘去除算法,对退化叶片图像颜色进行恢复。首先根据灰尘颗粒对光线的反射和散射特性,建立叶片图像退化模型;然后利用有尘黑卡对光谱的反射特性计算出灰尘的反射率,在此基础上结合暗元原理和小波变换估计出入射光强及透射率2个模型参数。采用色卡和葡萄叶片图像测试算法的有效性。试验结果表明:本研究算法对叶片颜色有较好的恢复效果,复原后图像a、b分量(CIE Lab颜色模型)的平均绝对误差显著降低,有效地提高了图像的对比度和清晰度。试验还表明,本研究算法对不同天气和照明条件、不同品种的葡萄叶片图像均有较好的颜色恢复效果。     

基于深度视觉和蚁群避障算法的果园精准喷施路径规划方法

为了实现对Y-shaped果树的精准喷施,本文融合了彩色及深度视觉图像,提出了1种基于蚁群避障算法的果园最优行驶路径的规划方法。首先,对彩色图像进行图像分割处理,划分道路及果树树墙障碍区域,得出喷施设备的可行驶区域,提出了喷施行驶范围检测算法;然后,通过对深度图像和彩色图像融合的处理,将Y-shaped果树树冠边缘轮廓精准拟合形成栅格地图,并与蚁群避障算法相结合,提出了最优行驶路径规划算法。最后,对拟合曲线和Y-shaped果树树冠边缘轮廓进行检验,验证算法的拟合程度。实验结果证明,本文提出的路径规划算法可以准确地检测出果树区域,并实现对行驶路径的精准规划。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

黄花菜采收与加工贮藏技术

一、适时采收黄花菜的采收期一般在30天左右。一般品种适合在每天清晨采收,通常在开花前1～2小时采摘完毕为宜。但不同类型的黄花菜开花时间不同,有的品种在上午10时以后花蕾开放,采摘应在10时前采摘完毕;有的品种在傍晚8时至翌晨开放,采摘应在下午7时以前采摘完毕。具体采摘时间应根据不同品种而定,但气候条件也会影响开花时间,晴天     

自然场景下多目标苹果识别定位融合算法研究

自然场景下苹果采摘对目标的精准识别和三维定位是苹果智能采摘设备的关键技术.融合YOLOv3算法和双目视觉技术,通过YOLOv3算法对多种自然场景下的样本进行训练,构建识别模型,利用双目视觉获取苹果图像,运用YOLOv3模型得到图像中目标苹果的二维坐标,再利用双目视觉视差原理得到深度坐标信息,从而实现对目标苹果的三维空间...     

基于RGB-D图像的自动化膳食调查系统

针对传统膳食调查方法使用过程繁琐,耗时长的问题,对基于彩色深度图像的自动化膳食调查系统进行研究,采用DeepLabv3+语义分割模型对RealSense传感器获取的食物彩色图像进行分割,根据食物分割结果和对应的深度图像计算每一类别食物体积并结合食物配料表和营养成分估算营养素含量;同时采集人体深度图像序列结合蒙皮多人线性模型拟合三维人体模型,并利用模型点云和人体体重信息计算身体质量指数和腰臀比。结果表明:1)本系统在食物图像分割中的像素准确率为72.1%,像素准确率平均值为97.13%,平均交并比为82.03%;2)食物体积计算中的平均绝对误差均小于40 cm³;3)所有人体样本计算的腰臀比与真实值偏离程度均小于4%。本系统在实现自动监测食物各营养素摄入量的基础上,增加对人体体重状况以及中心性肥胖程度的初步判定,同时提高了膳食调查的便捷性和自动化程度,可以为营养干预提供依据和参考。     

黄花菜加工技术

正黄花菜别名萱草,又叫金针菜,富含蛋白质、脂肪、钙、磷、铁及多种微生素,我国南北方都有栽种。黄花菜采收后要立即进行蒸烫、脱水、干燥。如果黄花菜因为天气原因没有及时烘干,会造成品质下降,甚至发生霉变,带来很大的经济损失。因此,对黄花菜进行干制和选择合理的干制工艺及烘干设备,对黄花菜生产具有重要的意义。一、加工工艺1.工艺流程:采摘→蒸制→烘干→检验→计量包装2.操作要点:(1)采摘:选择花蕾在裂嘴前1~2小时采摘,这时的黄花     

花椒采摘机器人视觉识别与定位求解

针对花椒市场需求量大、采摘困难的现状。笔者设计了自动识别花椒系统,通过对比4种识别算法的性能,采用识别效果最好的K-means聚类算法对花椒果实目标进行提取,针对花椒串生长具有离散性特点提出用平面内质点系模型求出花椒串质心。提出了Otsu算法与K-means算法结合图像相减的方法识别出花椒的结果母枝,然后根据小孔成像的基本原理和凸包理论得出单目视觉的花椒深度信息。最后以到花椒质心最短距离为限定条件确定母枝上采摘点所在的直线段,经过坐标转换求出直线段上采摘点的三维世界坐标。     

基于YOLO v2的莲蓬快速识别研究

受莲蓬形状外观和生长环境影响,传统计算机视觉算法识别莲蓬存在效率与精度不佳的问题。本文研究采用YOLO v2算法进行莲蓬识别的方式,通过扩充莲蓬检测数据集、K-means维度聚类、深度可分离卷积网络结构和多分辨率图像对模型微调等方法实现提高识别精度、鲁棒性与识别速度。对比Darknet-19、Tiny Darknet与DS Tiny Darknet算法,结果表明,本文研究的识别方式可以达到102.1 fps的识别速率,可实现在复杂环境下对莲蓬的快速识别,满足莲蓬采摘机器人在采摘过程中对实时视觉信息的需求。     

利用双通道卷积神经网络的图像超分辨率算法

目的 图像超分辨率算法在实际应用中有着较为广泛的需求和研究。然而传统基于样本的超分辨率算法均使用简单的图像梯度特征表征低分辨率图像块,这些特征难以有效地区分不同的低分辨率图像块。针对此问题,在传统基于样本超分辨率算法的基础上,提出双通道卷积神经网络学习低分辨率与高分辨率图像块相似度进行图像超分辨率的算法。方法 首先利用深度卷积神经网络学习得到有效的低分辨率与高分辨率图像块之间相似性度量,然后根据输入低分辨率图像块与高分辨率图像块字典基元的相似度重构出对应的高分辨率图像块。结果 本文算法在Set5和Set14数据集上放大3倍情况下分别取得了平均峰值信噪比(PSNR)为32.53 dB与29.17 dB的效果。结论 本文算法从低分辨率与高分辨率图像块相似度学习角度解决图像超分辨率问题,可以更好地保持结果图像中的边缘信息,减弱结果中的振铃现象。本文算法可以很好地适用于自然场景图像的超分辨率增强任务。     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

苹果采摘机械手的逆运动学求解研究

为了提高苹果采摘机械手的采摘成品率,保证采摘后苹果质量,提出一种引入采摘综合因素的苹果采摘机械手的逆运动学求解方法。首先,采用Denavit Hartenberg模型对苹果采摘机械手进行建模,并将逆运动学求解问题转化为规划问题,其中,目标函数为所求得逆运动学参数对应的机械手末端中心坐标与待求坐标欧式距离。然后,在遗传算法选择、交叉、变异算子进行全局搜索的基础上,结合非线性规划对目标函数进行局部搜索。最后,借助随机森林算法将逆运动学求解结果分为3个姿势等级。试验表明,非线性遗传算法在苹果采摘机械手的逆运动学求解上相比遗传算法精度提高了8～25 mm,随机森林算法可以很好地对其求逆结果进行优化,从而提高苹果采摘成品率。     

黄花菜干制技法

一、选择原料黄花菜干制时,应选择饱满、花瓣结实、花蕾充分发育,富有弹性、黄色的新鲜黄花菜为原料.裂嘴前1-2小时采摘的花蕾产量高,质量好.二、蒸橱蒸制