水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景,研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法,建立了图像中的点与被测物体上的点之间的定量关系;提出了利用物体的边界信息求出物体的形心坐标的新方法。结果是：所测水果最大横径与实际最大横径的相关系数为0.96;采用像素点变换法,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想;提出了一种新的面积修正方法,进一步提高了面积检测的精度,从而为研究开发机器视觉水果品质检测系统打下了基础。     

一种减小基于机器视觉的水果尺寸测量误差的方法

水果采后分级可以提高其附加值,增加经济效益。随着以成像技术、人工智能为基础的机器视觉技术的迅猛发展,其在水果的外观品质分级上也逐渐得到了广泛应用。基于机器视觉测量水果尺寸时,标尺通常在载物台平面,并未与所测水果直径在同一平面;另一方面,水果边缘成像点可能并非水果最大直径平面的点,这两个因素都会导致测量误差,进而影响分级结果。本研究对这两个因素导致的误差进行了分析,提出了一种减小误差的方法:若已知被测水果平均半径R,可将相机镜头置于与载物台距离为nR的高度,并计算校正系数,用测得的尺寸乘以校正系数即可减小误差。番茄果横经的测量试验结果显示,与用机器视觉方法的未校正测量结果相比,本方法可有效减小果横径测量平均绝对误差14.127%。结果表明,该方法具有简单、有效的特点。     

基于机器视觉的苹果品质在线分级检测

目前苹果分级自动化程度较低,为了实现苹果品质自动、快速、准确分级设计了一套苹果智能在线检测分级系统。以寒富苹果为测试对象,采用机器视觉技术对苹果分级进行研究。采用阈值分割的方法分割苹果正面图像,逐像素遍历法提取苹果外部轮廓,通过计算其各点到重心的距离提取苹果大小特征,同时计算苹果横径与纵径比提取果形特征。采用支持向量机方法分割侧面苹果图像,计算苹果红色像素占苹果像素的比例提取颜色特征,利用Fisher统计识别的方法提取苹果缺陷。实现了整个分级系统的硬件搭建以及软件的功能,利用该系统对400个苹果样本进行了分级试验,结果表明该系统分级的苹果总体正确率达到95%。设计的基于机器视觉的苹果智能在线检测分级系统克服了传统分级方法的不足,加快了苹果品质分级自动化速度,对水果品质分级等领域有重要研究意义。     

基于可见光波段成像的水果品质检测方法研究进展

水果的外观特征是水果品质鉴定和分级的关键依据.近年来,机器视觉技术在水果品质检测领域得到广泛应用.根据应用现状,文章对基于可见光波段成像的机器视觉技术在水果大小形状、颜色、虫害及缺陷检测等方面的应用研究进展进行了综述,并对一些较新的先进算法在该领域的应用情况和发展趋势进行了介绍.     

机器人视觉的苹果无损检测技术

将机器视觉技术应用到苹果外部品质的缺陷检测,通过摄像头获取苹果外观的颜色特征,利用LabVIEW虚拟仪器软件开发图像处理程序,通过纹理分析进行区分,由纹理特征提取方法,实现苹果表面缺陷的无损检测。     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

机器视觉在设施育苗作物生长监测中的研究与应用

机器视觉是利用机器代替人眼来对目标物做模式识别、测量与判断的一项综合技术,其在农业各领域中的研究与应用发展迅速。从作物育苗的特性、机器视觉在苗期管理的作用、苗期作物视觉信息采集设备及叶片提取方法的发展3个方面分析了设施育苗对基于机器视觉的苗期作物监测的需求;总结了苗期作物视觉信息的主流获取技术,即成像传感器的成像技术、多传感器图像融合技术、三维重建技术的特点;回顾了机器视觉技术近年来在国内外苗期作物中的应用情况,从苗期作物关键生长参数监测检测方面进行综述,分析、对比、总结苗期作物关键生长参数的提取方法,最后概述我国现阶段机器视觉技术在苗期作物的应用中主要存在的问题以及发展前景。     

基于机器视觉群体鸡蛋尺寸的检测方法

利用机器视觉技术对鸡蛋外形尺寸进行检测,采用区域标记法分割出单个图像区域,然后确定图像区域形心点,求出其长轴、短轴和面积。研究结果表明,软件预测的鸡蛋平面投影面积(像素)长轴和短轴与实测的蛋重、长轴和短轴的相关系数分别为0.92、0.91和0.84。     

基于人眼视觉的农产品图像分割方法

为实现利用机器视觉技术进行农产品检测分级，对农产品检测图像的分割进行了研究。考虑到农产品图像色彩相似性情况下的分割，提出一种基于人眼视觉特性的农产品图像分割方法。实验证明，该方法能够避免过分割，并能被人眼的视觉感官所接受。     

基于机器视觉的柑橘表面缺陷检测

针对柑橘人工分类强度高、效率低、精度差的问题,为实现快而准确的柑橘缺陷检测,提出一种基于机器视觉技术的缺陷检测方法。在VS2013环境下利用开源计算机视觉库OpenCV进行开发,根据柑橘的颜色与形状特点,将图像颜色模型由RGB转换为HSV,利用HSV图像进行背景去除后,在HSV颜色模型下利用V分量灰度图边缘检测与形态学处理的方法以提取柑橘表面的缺陷特征。结果表明,柑橘表面缺陷检测的总体识别率为92%,所用方法能有效地识别柑橘表面的缺陷。     

水果检测中的边界追踪法

应用计算机视觉进行水果检测时 ,采用边界追踪技术能有效分割背景与样品 .文章根据梨、苹果等水果的外形特征 ,提出了一种改进的边界追踪方法 .该方法的操作图像可以是二值图像或灰度图像 ,图像中的样品被分割成 4个区域 ,为加快处理速度 ,根据水果外形来确定每个区域边界追踪方向的优先权 .对苹果、梨、芒果等水果图像进行了测试 ,结果表明 ,该方法追踪一幅大小为 15 0× 15 0像素的水果图像 ,所需时间不足 1s .     

国内三维重建技术的研究进展

三维重建是一直计算机视觉领域最热门的研究方向之一,它是研究如何通过物体的二维信息获取物体在空间中的三维信息.本项目采用自动关键点匹配、双目重建、表面三角化和三维点拼接技术,经过图像对拐点提取,图像对关键点匹配,图像关键点的重建,三角化以及数据融合生成物体完整的三维结构.在完成重建后,可以从任意视点观察物体,具有立体视觉效果.     

群体水果动态图像的获取方法研究

群体水果动态图像的采集系统是水果品质实时检测与分级机器人系统的关键组成部分之一,主要由计算机、摄像机、图像采集卡、涡流式接近开关、水果和动态图像采集软件等组成.涡流式接近开关作为水果运动状况检测传感器,用于检测水果位置和触发动态图像采集.群体水果动态图像采集软件在Visual C++6.0环境下结合MIL-LITE函数库实现.根据水果实时自动检测和分级的特点及功能要求,提出了群体水果动态图像的时间序列连续场扫描采集方法,在来自于水果运动状况检测传感器的外触发信号的触发下,计算机视觉系统采集从时间t1到时间tn期间视场内连续运动的水果图像,这些渐进的时间序列水果图像在计算机内被综合后即可检测视场内的每一个水果的外观品质指标,用于分级控制.试验结果表明,该系统可在外界输入信号的触发下,以每秒12帧的速率实时采集群体水果的动态图像,研究结果达到了预期的目标.     

水果品质无损检测研究进展及应用现状

针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求,水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷,无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景,至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势,但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响,并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数,阐述分析了无损检测技术在水果品质分级行业的实际应用现状,讨论了水果品质无损检测领域尚存在的难点,并对下一步研究方向提出建议。     

高光谱技术在苹果品质检测中的应用

高光谱技术作为新一代的光电无损检测技术,广泛应用于农产品快速无损品质检测.高光谱技术在苹果品质检测方面主要有2个方向,结合化学计量学方法进行苹果内部品质检测以及结合机器视觉进行苹果损伤、病害等外部指标的外部品质检测.该文介绍了高光谱技术在苹果品质检测中的应用,提出了高光谱技术在苹果品质检测中存在的问题.     

机器视觉技术在大米品质检测中的应用进展

综述了应用机器视觉技术在大米粒形、加工精度、垩白、整精米率等方面进行检测的研究动态,并指出了机器视觉技术在大米品质检测中的不足,为进一步应用机器视觉技术提供参考。     

再生稻收割机的视觉导航路径检测方法

采用机器视觉技术研究再生稻收割机导航路径检测方法.根据农田再生稻图像特点,基于HSV空间的S分量结合Otsu算法得到初始分割阈值T;为更好地保留不同成熟度再生稻植株特征,加入修正因子-a,得到分割阈值T-a二值化图像.将土壤路径从再生稻植株中分割出来,根据形成的植株左右边界区域特征,提出逐行扫描图像动态检测导航路径的中间离散点集,利用基于已知点的Hough变换检测出稻桩行间导航路径.结果表明:处理一幅像素419×310的图像平均耗时0.064 s,具有较好的实时性,对稻叶交叠现象具有较强的适应性,拟合的导航线符合人眼视觉感官判断.     

水果采摘机器人视觉系统研究进展

概述了近年来国内外水果采摘机器人视觉系统的特点并进行了分析和归类,分析了不同视觉系统和方法的主要特征、所使用的传感器、检测水果的图像处理技术策略、检测效果以及系统的优点和局限性,并对研究的现状进行了综述.经分析发现大多数视觉系统是通过电荷耦合器件(CCD)摄像机来获取图像,利用颜色和纹理分析作为特征,由各种分类器进行水果的检测,通过多相机或者距离传感器来进行空间定位和尺度测量.指出了水果采摘机器人视觉系统存在的问题和有待改进的方面,并初步提出了一些设想和建议.     

基于计算机视觉的图像采集对水果分级准确率的影响

介绍了基于计算机视觉技术的水果分级装置和摄像系统现状与仿球形水果图像采集过程;指出了目前分级过程中水果表面信息漏采的现象;根据视场内水果、相机镜头及水果图像三者的关系和水果的直线运动与翻滚运动特性,分析了影响分级机分级准确率的水果图像拖尾和水果翻滚误差及其原因,并给出了图像拖尾和翻滚累计误差的计算公式;提出了解决因水果图像拖尾影响分级准确率的方案和水果翻滚运动跟踪的变周期图像采集系统.     

水果蔬菜品质的无损检测方法的研究与应用

在分析水果和蔬菜品质评估和控制的常规方法的基础上,分析研究了水果蔬菜的无损品质检测的新技术和方法,主要的技术有碰撞试验法、音频和声波振动法、X射线法、核磁共振法、图像分析法及激光技术等.研究了采用这些方法进行水果和蔬菜多种品质指标的无损检测新方法,为水果蔬菜的快速无损检测提供了方法和依据.