X射线图像在农畜产品内部品质无损检测中的应用

内部品质检测一直是农畜产品品质无损检测的难点之一，X射线图像检测是解决这个难点的较好方法。为此，分别概述了X射线产生原理、X射线图像无损检测系统及X射线图像在苹果、梨、鸡肉和其它农畜产品的内部品质检测中的研究现状等几个问题。并对今后的研究提出了建议。     

基于改进卷积神经网络的在体青皮核桃检测方法

采摘机器人对核桃采摘时,需准确检测到在体核桃目标。为实现自然环境下青皮核桃的精准识别,研究了基于改进卷积神经网络的青皮核桃检测方法。以预训练的VGG16网络结构作为模型的特征提取器,在Faster R-CNN的卷积层加入批归一化处理、利用双线性插值法改进RPN结构和构建混合损失函数等方式改进模型的适应性,分别采用SGD和Adam优化算法训练模型,并与未改进的Faster R-CNN对比。以精度、召回率和F1值作为模型的准确性指标,单幅图像平均检测时间作为速度性能评价指标。结果表明,利用Adam优化器训练得到的模型更稳定,精度高达97.71%,召回率为94.58%,F1值为96.12%,单幅图像检测耗时为0.227s。与未改进的Faster R-CNN模型相比,精度提高了5.04个百分点,召回率提高了4.65个百分点,F1值提升了4.84个百分点,单幅图像检测耗时降低了0.148s。在园林环境下,所提方法的成功率可达91.25%,并且能保持一定的实时性。该方法在核桃识别检测中能够保持较高的精度、较快的速度和较强的鲁棒性,能够为机器人快速长时间在复杂环境下识别并采摘核桃提供技术支撑。     

基于软X射线成像技术的柑橘内部浮皮和枯水检测

针对传统方法无法高效、无损地对柑橘浮皮和枯水进行检测的问题,本研究自制了一套软X射线成像系统,包括载物传送装置、软X射线成像装置、触发装置和软X射线防护装置.本研究根据宽皮柑橘物理特性确定检测参数,以柑橘图像的清晰度、对比度、畸变率为评判标准,通过调节成像装置参数,确定了最佳的成像参数为:X射线源的管电压60 kV,管...     

基于光子传输模拟与卷积神经网络的苹果品质检测

针对传统果蔬品质检测方法中因样本数量不足而导致检测误差大的问题,提出了一种基于面光源下光子传输模拟的苹果品质检测方法.以苹果为研究对象,采用蒙特卡洛方法仿真光子在苹果双层平板模型的运动轨迹,快速得到20 000幅苹果组织表面光亮度分布图像,以光学参数作为标签,输入卷积神经网络进行训练,将得到的模型进行微调迁移,应用到少...     

X射线无损检测技术在农产品品质评价中的应用

近年来,无损检测技术在农业中得到了广泛的应用.X射线检测作为无损检测的重要技术手段,在农产品品质检测与评价中发挥了重要的作用.为此,综述了国内外在X射线检测技术应用于农产品品质检测方面的研究进展;阐明了X射线检测技术测定的基本原理;介绍了其在果品水分测定、农产品内部病虫害检测、外观品质检测以及异物检测等方面的典型应用实例;并展望了X射线检测技术在农产品检测中的应用前景.     

基于全卷积神经网络的核桃异物检测装备设计与试验

针对核桃生产线的异物检测需求,首先根据现有通用的核桃加工生产线结构特点,设计并搭建了一套核桃异物检测装备,该装备包括设备框架、图像采集系统和恒定光源系统,整体尺寸为470 mm×600 mm×615 mm。然后以浙江省杭州市核桃生产基地的核桃和实际生产加工中出现的树叶、树枝、石子、金属、塑料等异物为检测对象,通过工业相机实时采集生产线上的核桃图像,获取直观的图像信息数据。结合了深度学习与计算机视觉技术,利用基于全卷积神经网络(Fully convolutional networks, FCN)的算法进行图像边缘检测,对核桃生产加工中可能出现的异物进行了检测,并通过试验对其性能加以验证。结果表明,训练集检测准确率为92.75%,验证集准确率为90.35%,检测速率为4.28 f/s,满足生产线运输速度1 m/s的检测要求。该研究即使在样本量较少的情况下,仍然得到了较好的图像分割效果,可以实现核桃生产线的异物实时检测。     

基于比重和图像的核桃内部品质无损检测与分选

针对核桃内部品质不易检测、市场上带壳核桃中劣质核桃比例较高的问题,阐述了根据比重判断核桃内部品质的原理,提出核桃无损检测与分选方案。将摄像工具所采集的核桃图像进行处理、拟合,并估算核桃体积;由称量平台获取核桃质量并换算成重量;根据核桃的比重使不同核桃落入不同容器中,或根据核桃冲击力与核桃体积的比值,即比重等效参数对核桃进行检测与分选。在核桃下落到平面时,核桃中分面与平面的夹角相对稳定在60°左右,利用这一特点设置正面、侧面图像采集工具,可较准确地获取核桃的轮廓,从而提高分选精度。该方法可间接检测核桃内部品质,对核桃壳仁、工作环境、操作人员均无不良影响。     

X射线检测底片的质量控制

X射线检测的最终目的是要对被检测工件的质量做出结论,它是通过对底片上缺陷影像的定性、定量和分级实现的,因此,对底片的质量控制尤为重要。根据实际工作经验,探讨怎样对X射线检测底片进行更好的质量控制,以便准确、客观地对底片进行评价。     

基于分水岭算法结合卷积神经网络的玉米种子质量检测

为实现玉米种子快速、准确地优选,以不同质量的玉米种子为研究对象,提出一种分水岭算法结合卷积神经网络对玉米种子进行质量检测的方法.首先利用分水岭算法分割出单粒玉米种子,然后通过卷积神经网络模型对每粒种子进行质量分类,根据分水岭算法得到的单粒种子的位置,将结果在图像中进行标注,实现种子质量检测.使用改进型的Inceptio...     

基于卷积神经网络的空心村高分影像建筑物检测方法

基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。     

基于高光谱成像技术的鲜食核桃仁水分检测研究

为实现对货架期内青皮核桃仁水分的快速预测,利用高光谱成像技术采集货架期核桃青皮光谱数据,测定核桃仁含水量,利用连续投影法(SPA)提取11 个特征波长,建立了偏最小二乘法(PLS)、多元线性回归(MLR)和最小二乘支持向量机(LS-SVM)模型.结果表明,LS-SVM建模效果最好,预测集的相关系数Rp= 0.800 7...     

基于深层卷积神经网络的初生仔猪目标实时检测方法

针对初生仔猪目标较小、分娩栏内光线变化复杂、仔猪粘连和硬性遮挡现象较为严重等问题,提出一种基于深层卷积神经网络的初生仔猪目标识别方法。将分类和定位合并为一个任务,以整幅图像为兴趣域,利用特征金字塔网络(Feature pyramid network,FPN)算法定位识别仔猪目标;对比了不同通道数数据集以及不同迭代次数对模型效果的影响;该方法支持图像批量处理、视频与监控录像的实时检测和检测结果多样化储存。实验结果表明:在数据集总量相同时,同时包含夜间单通道和白天3通道的数据集,在迭代20 000次时接近模型最优值。模型在验证集和测试集上的精确率分别为95. 76%和93. 84%,召回率分别为95. 47%和94. 88%,对分辨率为500像素×375像素的图像检测速度为53. 19 f/s,对清晰度为720 P的视频检测速度为22 f/s,可满足实时检测的要求,对全天候多干扰场景表现出良好的泛化能力。     

基于卷积神经网络的鲜茶叶智能分选系统研究

机采鲜茶叶中混有各种等级的茶叶,针对风选、筛选等分选方法难以做到精确细分的问题,结合计算机视觉技术和深度学习方法,设计了一套鲜茶叶智能分选系统,搭建了基于7层结构的卷积神经网络识别模型,通过共享权值和逐渐下降的学习速率,提高了卷积神经网络的训练性能。经过实验验证,该分选系统可以实现鲜茶叶的自动识别和分选,识别正确率不低于90%,可对鲜茶叶中的单芽、一芽一叶、一芽二叶、一芽三叶、单片叶、叶梗进行有效的类别分选。     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94.1%,比VGG-13网络提高了5.7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。     

基于改进VGG16的大米加工精度分级方法研究

为了准确识别大米精度等级,结合超列技术(Hyper column technology,HCT)、最大相关-最小冗余(Max-relevance and min-redundancy,MRMR)特征选择算法和极限学习机(Extreme learning machine,ELM),提出了基于改进VGG16卷积神经网络的大...