基于机器视觉的成熟柑橘自动识别研究

针对自然生长状态下成熟柑橘图像的识别问题,采用2R-G-B色差分量,通过Ostu自适应阈值算法进行图像分割,用面积阈值的方法消除噪声来获取成熟柑橘图像的目标区域,然后利用最小二乘拟合方法拟合出目标区域的质心及半径等特征参数。结果显示,识别正确率在90%以上。     

基于图像和YOLOv3的番茄果实表型参数计算及重量模拟

为了便捷准确地计算番茄果实长度、宽度和投影面积表型参数并模拟果实重量,以番茄粉冠F₁为试验材料,利用YOLOv3深度学习模型检测和裁切番茄果实图像,利用像素计算来分割番茄果实区域,将计算果实区域的6个特征参数输入线性回归模型、BP神经网络模型、支持向量机(SVM)模型中反演果实重量,以期从图像中获取番茄果实表型参数及重量模拟结果。结果表明,YOLOv3模型对番茄果实检测的平均精确度(AP)为90.06%;用果实长度、宽度、投影面积计算的平均相对误差分别为3.37%、5.65%、5.49%;用线性回归模型、BP神经网络模型、SVM模型模拟得到的果实重量的平均相对误差分别为44.68%、17.38%、6.45%。研究结果证实,从图像处理中获取番茄果实长度、宽度、投影面积表型参数是可行的,SVM模型对番茄果实重量的模拟精度较高。     

基于惯性主轴的水果姿态检测

介绍了一种基于惯性主轴的水果分级目标姿态检测方法.采用计算惯性主轴的方法求取水果的果轴信息,在测试台上通过增加一个反光镜面的方法获取同一水果两个视角的图像,分别求出各图像的惯性主轴,据此获取空间水果目标的姿态.结果表明,正投影果轴倾角实测值与计算值的平均误差为4.4°,果轴检测正确率为86％,果轴与测试台夹角实测值与计算值的平均误差为5.9°,该方法可有效检测分级生产中水果的姿态.     

基于线结构光视觉的番茄重叠果实识别定位方法研究

为实现番茄自动化采收,针对温室光照条件多变、背景复杂及果实簇生遮挡的特征,构建了基于线结构光视觉的番茄果实识别定位视觉系统,并提出了一种针对簇生重叠果实的区域分割方法。在(2R-G-B)色差模型下利用动态阈值分割,提取成熟果实区域;计算亮度渐变梯度向量,采用灰度重心法提取结构光条纹中心线;基于线结构光立体测量原理,在光条纹扫描视场过程中实时获取成熟果实表面三维信息,并映射形成果实表面与相机光心距离深度图像,实现簇生重叠果实区域的立体分割;基于果实表面激光条纹点空间坐标拟合果实外接球体,获取果实形态和空间坐标信息;试验结果表明,视觉系统单次识别测量耗时2.8s,果实直径测量误差小于6mm,果实与摄像机中心距测量误差小于8mm。     

基于matlab的番茄果实串检测提取

以自然环境下的番茄果实串作为研究对象。通过果实的颜色特征选择RGB模型,分别提取出R、G、B各颜色分量的灰度图,确定多组图像中番茄串目标区域的各颜色分量均值。通过分析确定用R-G色差分量进行大津法(Otsu)阈值分割,然后利用形态学闭运算处理果实串的二值图。利用初步处理后的图像进行颜色反转求最大连通域,再重新将颜色反转得到完整的果实串连通区域,并结合Canny边缘检测算子实现番茄果实串边缘轮廓的提取,轮廓上的极值坐标作为外接矩形边框。计算轮廓区域内各像素点坐标之和除以轮廓内总像素数得到果实串的形心坐标。试验表明,该方法对番茄果实串有较好的处理能力,具有通用性。     

基于参数L-系统的温室番茄植株的三维重建

研究利用参数L-系统对温室番茄植株的生长过程进行快速高效的三维可视化仿真的方法。首先根据番茄植株的生长特点从图像中提取植株骨架,分析其拓扑结构,总结出番茄植株生长的参数L-系统公式集,然后利用图像与计算机图形学相结合的方法,对公式集进行图形符号解释,模拟再现番茄植株的生长过程。为了保证真实性,重建的虚拟番茄植株的茎干骨架利用来自Kinect数字化结果的真实番茄植株的茎干样本进行绘制;叶片采用了基于图像与图形相结合的方法重建,花和果实用纯图形学方法进行模拟。在VC++平台上,结合OpenGL图形库实现了可视化仿真过程。研究中所提出的方法能够较好地模拟温室番茄植株动态生长的过程,同时具备快速性与真实性。     

基于彩色点云图像的不同成熟阶段番茄果实数量的测定方法

【目的】为测定温室中番茄不同成熟阶段的果实数量,提出一种基于彩色点云图像的测定方法。【方法】在移动平台上搭载KinectV2.0采集温室中行栽番茄的图像信息合成番茄植株点云,再将二视角的番茄植株点云合成1个点云,并通过深度信息截取得到近处番茄植株点云,将标注的点云数据输入到PointRCNN目标检测网络训练预测模型,并识别番茄植株点云中的番茄果实,最后利用基于特征矩阵训练的支持向量机(Support vector machine, SVM)分类器对已经识别出来的果实进行成熟阶段分类,获得不同成熟阶段番茄果实的数量。【结果】基于PointRCNN目标检测网络的方法识别番茄果实数量的精确率为86.19%,召回率为83.39%;基于特征矩阵训练的SVM分类器,针对番茄果实成熟阶段的预测结果在训练集上准确率为94.27%,测试集上准确率为96.09%。【结论】基于彩色点云图像的测定方法能够较为准确地识别不同成熟阶段的番茄果实,可以为评估温室番茄产量提供数据支撑。     

基于Faster R-CNN算法的番茄识别检测方法

针对番茄生长环境复杂,枝叶对果实造成遮挡及果实之间存在遮挡等因素,造成番茄难以识别、检测等难题,本文基于Faster R-CNN的番茄识别检测方法进行研究.首先使用AlexNet网络提取涵盖番茄语义、空间信息的特征图;用区域建议网络对特征图进行番茄与背景的二分类、预选框回归训练,用非极大值抑制算法筛选出预选区域;用区域...     

基于U-Net模型和FCM算法的番茄穴盘苗重叠幼叶分割方法

针对传统方法对番茄穴盘苗重叠幼叶图像分割精度较低、背景剔除困难的问题,提出一种基于U-Net模型和模糊C均值聚类(FCM算法)相结合的图像分割方法。首先用ExRG法对图像的背景进行剔除,得到待分割幼叶的主体区域,对图像进行预处理。其次建立数据集,训练网络模型,用预训练的U-Net模型分割幼叶主体区域,提取其过渡区域;同时用FCM算法分割幼叶主体区域,提取其过渡区域。然后结合FCM算法分割得到的过渡区域和U-Net模型分割得到的过渡区域,得到重叠叶片的最终分割结果。最后,为了得到精准的评估结果,将重新连接的过渡区域进行填充,并与其他文献所述的算法进行对比分析。结果表明,所提出的基于U-net模型和FCM算法对穴盘苗幼叶轮廓分割的结果更加准确,泛化性更强。证明对番茄幼苗叶片图像分割的有效性,为幼苗生长状况的检测研究提供了支持。     

应用X射线CT图像技术检测红毛丹内部品质的试验研究

水果内部品质检测是当前农产品品质检测的技术难点。进行了利用X射线CT图像技术方法检测红毛丹内在品质-可食率、可溶性固形物含量的试验研究。首先用阈值法去除X射线CT图像背景,然后用面积闭值法来提取果肉区域。红毛丹可食率以分割果肉区域像素值与整个果实区域像素值之比来表示,实验结果表明误判率为8．3％。基于X射线CT值的红毛丹可溶性固形物含量预测模型的相关系数达92％。     

抗旱番茄种质资源筛选及抗旱性评价

以200份番茄为试验材料,通过调查植株生长类型、成熟果色和单果重等主要田间农艺性状,筛选出100份优良番茄材料,20%PEG-6000溶液对100份材料植株干旱胁迫处理,初步筛选出6份高耐旱番茄材料,测定6份材料叶片相对含水量、相对叶绿素含量、叶面积、PⅡ最大光转化效率Fv/Fm等生理指标,同时采用DAB和NBT组织染色方法观察H2O2、O2-积累情况,利用隶属函数法、主成分分析及聚类分析方法综合评价6份番茄材料抗旱性。结果表明,随干旱胁迫程度加深,叶片相对含水量、PⅡ最大光转化效率Fv/Fm、叶面积均呈下降趋势;H2O2、O2-产生量呈逐渐增加趋势;处理植株叶绿素相对含量大于对照植株。6份番茄材料抗旱性依次为:‘897’‘895897’‘955982’‘982’‘895’‘955’,其中‘897’为强抗旱性番茄材料,‘982’‘895’‘955982’‘895897’为中等抗旱番茄材料,‘955’为弱抗旱性番茄材料。该研究为番茄抗逆杂交育种提供优良亲本材料。     

基于模糊神经网络的大米品种识别算法研究

基于机器视觉技术,针对实际大米图像中不可避免的存在籽粒连接的情况,采用模糊BP神经网络进行大米品种识别。应用形态学中腐蚀、膨胀算法提取单粒大米籽粒,去除碎米后,对单粒整精大米籽粒进行外观特征提取,采用模糊BP神经网络进行大米品种识别,仿真结果表明,其可达到较高的检测精度。     

不同培养条件下苜蓿假盘菌培养特性及分离方法的研究

对苜蓿假盘菌（Pseudopeziza medicaginis（Lib.）Sacc）在不同培养条件下的菌落形态、颜色及产孢等培养特性进行了研究.结果表明,不同培养条件下的共同培养特征为：菌落球形和不规则形,粉色、灰色、灰黑色、浅棕色和黑色,菌落外被茸毛状菌丝,大小为1.0～3.0 mm左右,菌落直径为菌落高度的1/3～1/2;粉色菌落表面光滑无菌丝包裹,不形成子囊和子囊孢子;番茄培养基和V8 CaCO3培养基上以黑灰菌落为主,菌落平均直径为1.5 mm,子囊盘成熟率高于其他培养基,苜蓿汁液培养基上菌落黑色且小,平均直径为1.15 mm,产生的粉色菌落较其它培养基上的大,子囊盘成熟率低于番茄培养基和V8 CaCO3培养基.不同培养条件下,菌落形态、颜色、大小和产孢等特性差异较大,除OA培养基外,均产生分生孢子样结构.该菌适宜的分离方法为常规组织块分离法.     

硬粉果番茄硬度遗传分析(英文)

为了选育硬粉果型番茄新品种,研究硬粉果番茄硬度遗传规律问题,选取硬粉果骨干亲本材料母本P27、父本P31及配置的F_1组合15#为试材,利用质构仪研究果实硬度变化及遗传特性。结果表明,同一果实横向硬度最低,纵向硬度次之,果肩硬度最高。中青果期果实的平均硬度较高,转色期和红熟期硬度下降明显加快;P27、P31、F_1组合15#红熟果平均硬度分别为13.27、10.88、12.28 N;红果期与青果期果实硬度极显著正相关;F_1组合15#红熟果的果形指数为0.87,果实圆形,果皮厚度0.7~0.8 cm,5~6个心室,单果重258 g,是硬粉果番茄选育的理想品种。番茄果实硬度与果实大小、果皮厚度、心室数、单果重没有必然的联系,果形指数可作为番茄硬度的间接选择指标。     

利用转基因番茄表达血管内皮生长因子的研究

【目的】应用基因工程技术,获得表达血管内皮生长因子（VEGF）的转基因番茄植株,为以番茄作为生物反应器生产药用蛋白奠定基础。【方法】利用植物偏好的密码子改造合成VEGF基因全长,构建植物表达载体p1390RVEGF,通过农杆菌菌株EHA105介导将其T-DNA区转入到番茄细胞中,再生后获得转基因番茄植株,对其进行分子和蛋白水平检测。【结果】成功构建了植物整株表达载体p1390R-VEGF,建立了高频的番茄再生培养体系;PCR检测、Southern blot和Western blot检测结果表明,VEGF基因已经转入番茄中,并成功得到了表达。【结论】得到了转基因番茄植株和果实,且VEGF蛋白有良好的抗原性。     

硬粉果番茄硬度遗传分析

为了选育硬粉果型番茄新品种,研究硬粉果番茄硬度遗传规律问题,选取硬粉果骨干亲本材料母本P27、父本P31 及配置的F1组合15#为试材,利用质构仪研究果实硬度变化及遗传特性。结果表明,同一果实横向硬度最低,纵向硬度次之,果肩硬度最高。中青果期果实的平均硬度较高,转色期和红熟期硬度下降明显加快;P27、P31、F1组合15#红熟果平均硬度分别为13.27、10.88、12.28 N;红果期与青果期果实硬度极显著正相关;F1组合15#红熟果的果形指数为0.87,果实圆形,果皮厚度0.7~0.8 cm,5~6 个心室,单果重258 g,是硬粉果番茄选育的理想品种。番茄果实硬度与果实大小、果皮厚度、心室数、单果重没有必然的联系,果形指数可作为番茄硬度的间接选择指标。     

水果采摘机器人视觉系统的目标提取

在田间对作物的果实图像进行实时、准确地目标识别提取，是采摘机器人视觉系统的关键技术，而目标提取的实质是图像分割。大部分水(蔬)果处于采摘期时，表面颜色与背景颜色存在较大差异。而同一品种果实表面颜色相近，体现为在色彩空间果实表面颜色和背景颜色存在着不同的分布特性。根据这一特性，提出了一种基于色彩空间参照表的适用于水果采摘机器人视觉系统果实目标提取的图像分割算法。该算法先由果实样本图像建立色彩空间参照表，再根据色彩空间参照表采用一种类似于“卷积”的方法进行图像分割。与现有其他方法比较，本方法基于彩色的信息处理，可将背景除去得更干净；对背景不做分割处理、无复杂运算，有利于机器人实时图像处理。采用该算法分别对草莓、橙子、西红柿的图像在L^*n^*6^*，Hsv，YCbCr色彩模型下进行了实验，结果显示该算法在这些色彩模型下均可取得理想的图像分割效果。     

试验温室番茄营养液深液流栽培与研究

[目的]为营养液深液流技术在设施番茄高产优质栽培中的应用提供参考。[方法]以营养液深液流栽培为栽培方式,荷兰“百利”番茄为研究对象,通过温室无土栽培试验确定了适用于该栽培方式的营养液配方。[结果]适宜的营养液温度为22～32℃。营养生长期的适宜营养液浓度为1500～2500μS／cm,结果期的适宜营养液浓度为3000～4000μS／cm。2008年7月12日,对大栽培池中的番茄植株进行了第1次采摘,成熟果32个,挂果12个,成熟果单果重约130g,平均直径约65mm,最大直径约80mm。到2008年10月1日,大栽培池番茄植株累计采摘成熟果162个,挂果43个;其冠层面积约10m2,根茎直径为26．68mm,番茄长势良好。[结论]该试验为各种蔬菜、瓜果的无土栽培提供了新的技术支持。     

加工番茄果实成熟过程中果胶积累特性

为探讨加工番茄果实成熟过程中果胶物质的积累特性，对3个加工番茄品种及不同果实生育期和不同坐果节位的果实果胶组成和含量进行测定分析。结果表明，3个品种果实的果胶物质均是由水溶性果胶(WSP)、草酸溶性果胶(OSP)和碱溶性果胶（ASP）构成。在绿熟期果实内以OSP和ASP为主，红熟期果实内以WSP和OSP为主；随着果实的成熟，果实内的WSP含量均呈上升趋势，ASP含量均呈下降趋势，OSP含量表现上升至粉红期后又逐渐降低的趋势；3个不同品种中，Q020 品种的总果胶（TP）含量最高，里格尔87 5品种的TP含量最少，Q020果实内的WSP、OSP和ASP在成熟过程中总体均高于里格尔87 5和屯河8号。