基于计算机视觉的储粮活虫检测系统软件设计

介绍了基于计算机视觉的储粮活虫检测系统软件部分各环节的具体实现。系统运用基于标记点透视变换的图像配准方法,对近红外图像进行倾斜、变形等校正;采用基于双区域连通阈值面积比的区域生长法判别出近红外图像中的活虫;融合多源图像的信息,准确定位出可见光图像中的活虫。提取出活虫的21个整体形态学特征和7个局部形态学特征,把特征空间优化为7维,运用SAA-SVM分类器进行识别分类。结果表明,检测系统对15类活虫的正确识别率达到94.8%。     

基于机器视觉的储粮害虫智能检测系统硬件设计

介绍了基于机器视觉的储粮害虫智能检测系统的硬件组成，该系统主要取样传送机构，均匀光照室和视觉系统3部分组成，取样传送机构可吸取任意检测点的粮食样本，并自动单层呈现给视觉检测系统，光照室可为CCD摄像机的视区提供均匀，恒定的无影光照；视觉系统可实时采集粮食样本的序列图像信息，并由计算机进行处理与识别，现场试验验证了该系统的可行性。     

基于计算机视觉的组培苗无菌检测系统硬件开发

介绍了一种基于计算机视觉的组培苗无损检测的硬件系统组成,该系统主要由输送装置、视觉系统、均匀照明室三部分组成,输送装置可以双行输送,把培养瓶1个表面快速呈献给视觉系统;视觉系统采集组培苗的图像信息送至计算机的内存进行处理;照明室可以为CCD摄像机提供稳定、均恒的光源,保证图像的清晰,初步试验表明了该系统的可行性。     

基于计算机视觉的苹果自动分级系统硬件开发

介绍了一种基于计算机视觉的新型苹果实时分级试验系统的硬件组成,该系统主要由输送机构、视觉系统及均匀照明室３部分组成。输送机构可把苹果４个表面快速呈现给视觉检测系统;视觉系统可同时采集苹果在可见光和近红外光谱范围内的图像信息并送至计算机内存进行处理;照明系统为ＣＣＤ摄像机的视区提供均匀、恒定的光照。初步试验表明了该系统的可行性,其辅助机构的实时分级算法有待于进一步研究。     

基于机器视觉的储粮害虫智能检测系统软件设计

介绍了基于机器视觉的储粮害虫智能检测系统软件部分各主要环节的具体实现。该系统运用图像差分法及自适应图像增强法提高粮虫样本图像的质量，利用改进的直方图阈值将粮虫从背景中分割开来，并运用数学形态学处理法进行了滤波。以提取出的粮虫面积、周长、复杂度为特征，运用基于模糊决策的分类器对粮仓中常见的9种、7类害虫进行分类，识别正确率达到95.2%。     

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。     

基于计算机视觉技术的双黄鸡蛋检测系统研究

随着生活水平的提高,人们对禽蛋的品质日益关注。双黄蛋由于营养丰富而备受消费者青睐,其商业价值远超普通的单黄蛋。为此,建立了一个基于计算机视觉技术的双黄鸡蛋检测系统。该系统通过提取鸡蛋的蛋形尺寸、蛋黄特征和蛋黄指数等特征,实现利用建立的关系模型完成双黄鸡蛋的识别检测,正确识别率可以达到95%以上。     

基于计算机视觉的排种粒距实时检测系统

采用数字图像处理理论和C++编程语言实现种子粒距的实时检测。介绍了图像采集系统硬件构成,分析估算出图像采集和后续处理的耗时,给出了图像拼接和图像比例的计算公式,阐述了预处理式动态阈值法选取最佳阈值以及利用种子分布样本进行种子识别与粒距测量的方法。试验结果,系统的测量误差小于±1mm。     

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。     

基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

CO2气调防治储粮害虫试验仓的研制与应用

通过CO2气调防治储粮害虫试验仓的研制及应用试验,提出了试验仓在试验中应考虑的因素及解决的方法,例如,试验仓的密封问题、充气与补气的问题、测试装置的布置与参数的采集、虫笼的放取与虫情的检查等。试验仓的试验结果为,杀虫的最佳温度是(25±3)℃,CO2达到25%~35%,杀虫的持续时间为10d以上,从而为实际应用CO2防治储粮害虫提供了可靠的依据。分析了在农村建造小型钢板仓的可行性,为全面推广CO2气调防治储粮害虫技术奠定了基础。     

基于可见光机器视觉的棉花伪异性纤维识别方法

为提高皮棉质量和皮棉中异纤的检测精度,提出了一种基于机器视觉的棉花伪异性纤维识别方法。皮棉经过开松装置被制成薄棉层,检测通道两侧的相机对棉层进行拍摄,并将采集到的棉层及异纤和伪异纤图像保存到工控机,通过图像分块及阈值分割等算法,提取伪异纤目标区域,统计获取区域的数个颜色、形状和纹理特征,基于特征数据,分别使用BP神经网络、一对一有向无环图策略线性核函数支持向量机和径向基核函数支持向量机对两大类棉花杂质进行分类识别。实验结果表明,99.15%的伪异纤目标可被准确识别,径向基核函数支持向量机在棉花异纤和伪异纤分类识别中,总分类正确率为95.60%,能够满足在线检测的要求。     

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%.     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

基于计算机视觉的新疆棉种颜色分选系统设计

设计了一套基于机器视觉的脱绒棉种在线分选系统,采用种子平抛和气吹分离的方式实现了新疆地区红棕色棉种与黑色棉种的自动分选。研究了无序状态下的种子图像采集方法,并通过区域细分的方式解决了无序种子与气流喷嘴的对应关系。提出了种子位置跟踪和分离算法,实现了对棉种图像处理结果的延时分离操作。实验结果表明:在传送带速度为0.50 m/s时,分选精度为88.6%,选出率为80.7%。