基于计算机视觉的胡萝卜外观品质分级系统与装备

为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。     

基于高通滤波的马铃薯机械损伤机器视觉检测

马铃薯机械损伤检测是实现马铃薯自动化分级的必要步骤。为了克服人工检测方法低效且易受主观因素影响的缺点,提出了一种基于高通滤波的机器视觉检测方法。首先,根据马铃薯检测的需求,采集图像;然后,利用H分量图像分割算法得到马铃薯灰度图;接着,构造高通滤波器,通过与快速傅立叶变换后的马铃薯灰度图做卷积,得到高频部分;最后,通过Blob分析筛选得到目标区域。实验结果表明:该方法能够较准确识别马铃薯机械损伤缺陷,总识别率达95%。     

基于颜色距离算法的绿皮马铃薯检测方法研究

提出一种基于欧氏距离和相对距离对马铃薯绿皮进行检测的检测方法。该方法以颜色特征分析为基础,利用RGB空间特征,结合阈值选取,实现对马铃薯绿皮缺陷检测。首先建立马铃薯图像采集系统,采集绿皮马铃薯图像进行彩色图像预处理;通过利用阈值判别方法对马铃薯绿皮进行检测,实现对绿皮区域的准确分割。试验结果表明,该方法能够正确识别绿皮区域,准确率达93%,方法简单、识别率高、稳定性强。     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统.工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得...     

机器视觉在柑橘分级技术上的研究进展

为了解决水果分选过程中,人工分选费时费力,机械分选可能会刮伤果皮,机器视觉技术用于水果行业分选有着巨大的优势。文章综述了近几年国内外机器视觉技术在水果品质分选行业的分级技术研究现状。目前学术界采用传统图像处理技术研究机器视觉柑橘检测分级方法都是人为设计特征,分选准确率有待提高,近几年深度学习算法在图像处理上表现出了极好的检测效果,该方法不需要人为设计特征,只需要训练足够的样本数据,就可输出想要的结果。针对传统图像处理技术存在的弊端,深度学习算法尤其是卷积神经网络算法（CNN）在柑橘品质检测分级上有着巨大的研究价值。     

基于机器视觉的胡萝卜表面缺陷识别方法研究

胡萝卜在生长与收获运输过程中,不可避免会出现一些外观缺陷,缺陷胡萝卜的剔除是胡萝卜上市销售前的重要环节。目前缺陷胡萝卜主要依靠人工分选,具有分选标准不稳定、劳动强度大、成本高等缺点。为了快速、准确、无损地检测缺陷胡萝卜,将机器视觉技术引入到胡萝卜分选过程中,以提高分选准确率和效率。胡萝卜表面缺陷包括青头、弯曲、断裂、分叉和开裂等,缺陷特征互不相同,所以不同缺陷需要不同的检测算法。青头检测利用胡萝卜正常区域与青头区域的颜色差异实现,胡萝卜图像在HSV颜色空间下,利用统计方法确定青头区域H、S和V的判别阈值;弯曲、断裂和分叉识别是根据正常胡萝卜与缺陷胡萝卜之间的形状差异实现,凸壳算法、Hu不变矩和Harris角点检测算法分别用来检测胡萝卜弯曲、断裂和分叉缺陷;开裂检测则是利用胡萝卜正常与开裂区域的纹理差异实现,Sobel水平边缘检测算子、Canny边缘检测算子结合形态学操作实现胡萝卜开裂区域提取。结果表明青头、弯曲、断裂、分叉和开裂的识别准确率分别为100%、91.14%、90.57%、94.57%和95.45%,总体识别准确率达94.91%,满足胡萝卜在线分选精度要求。     

基于欧氏距离的发芽马铃薯无损检测研究

根据发芽马铃薯的特点,提出了一种基于欧氏距离的算法对发芽马铃薯进行检测。首先利用机器视觉系统采集发芽马铃薯的图像,对获得的原始图像进行B通道灰度化、中值滤波和Otsu阈值分割等图像预处理;利用欧氏距离算法对发芽马铃薯进行检测,并结合形态学中的孔洞填充和移除小目标实现对发芽区域的准确分割并标记。结果表明:发芽马铃薯的正确识别率达94%;基于欧氏距离算法的发芽马铃薯检测方法方便可行,为研究马铃薯分级系统奠定了基础。     

计算机视觉变量喷雾机的系统设计

讨论了农业喷雾机的自动喷雾的系统设计。提出了基于计算机的视觉喷雾机理：包括图像采集和智能喷雾硬件系统组成。主要讨论了由喷雾台架、喷头、电磁阀、继电器组成的智能喷雾硬件系统。同时用VC＋＋和C语言编制了上位机和下位机的控制程序,能实现如下功能：上、下位机的信息通信,将决策结果转化为喷雾指令,控制喷雾执行系统。该系统的研究为户外在真实环境中开展基于机器视觉的植保机械设计提供了理论和实践依据。     

基于 Hough 变换的马铃薯机械损伤检测研究

由于马铃薯机械损伤缺陷具有直线性,且与干腐、发芽、绿皮等缺陷具有不同性,因此提出一种基于Hogh变化的方法,可以准确检测到马铃薯机械损伤缺陷,并结合了B通道灰度化和最大类间方差法。实验研究结果显示:该算法检测准确率为94%以上,对马铃薯机械损伤缺陷检测具有有效性。     

机器视觉技术在农业领域中的应用

机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域.     

基于ARM的农业机器人视觉系统研究

以嵌入式技术和机器视觉理论知识为指导,提出把嵌入式技术引入农业机器人领域的构想.采用ARM9芯片S3C2410为机器人下位机控制器,笔记本电脑为上位机,源代码公开的Linux操作系统调度下位机的不同任务,图像数据通过上位机识别处理.研究实用于农业生产的嵌入式机器人视觉系统,以满足农业生产自动化的需要.     

马铃薯缺陷透射和反射机器视觉检测方法分析

针对反射机器视觉技术若同时检测马铃薯内外部缺陷存在检测精度不高的问题,提出一种基于透射机器视觉技术的马铃薯内外部缺陷无损检测方法。通过对获取的马铃薯透射和反射图像预处理方法的比较研究,确定上山法结合区域生长法为马铃薯透射和反射图像特征的最优分割方法;采用偏最小二乘-支持向量机分别建立了透射和反射图像的马铃薯缺陷识别模型并进行了比较。在对马铃薯内部缺陷进行检测时,透射和反射图像所建模型的判别正确率分别为96.30%、59.26%;在对马铃薯外部缺陷进行检测时,透射和反射图像所建模型的判别正确率分别为94.20%、89.86%;在对马铃薯内外部缺陷进行同时检测时,透射和反射图像所建模型的判别正确率分别为95.83%、81.25%。研究结果表明,无论是对马铃薯内部或外部缺陷单独进行检测,还是对内外部缺陷同时进行检测,透射方法均比反射方法精度更高。     

基于机器视觉的蒜头最大横切面直径分级方法

针对中国蒜头分选率和分选精度较低而影响其商品价值等现状,设计了一套基于机器视觉技术的大蒜蒜头分选系统,以蒜头最大横切面直径作为分级标准,利用VC6.0编程实现上述分级模型的算法。试验选择3 2 0个金乡蒜头样本对其进行测试,该装置对蒜头总体筛选精度达到9 0.9 3 7 5%。试验结果表明:利用机器视觉技术可以对大蒜蒜头进行分级。     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

马铃薯质量和形状自动分级系统研究—基于计算机视觉

马铃薯是一种粮食和蔬菜作物,具有很高的产量和经济价值。我国的马铃薯种植面积和产量均居世界首位,但是检测分级主要由人工完成,作业效率较低,准确性和客观性差。随着科学的发展和技术的进步,我国开发出了多种新的马铃薯检测分级方法、系统和装置,以计算机视觉技术应用最多。为此,基于计算机视觉,设计了针对马铃薯质量和形状的自动分级系统,可以实现40个/min的自动分级速度。系统对单薯的质量和形状分级效果均较好,总体准确率分别达到95%和90%,可以作为提升我国马铃薯产业水平的技术支撑。     

脱绒棉种分选关键技术研究现状——基于机器视觉技术

棉种的优劣直接影响棉花的产量和质量,而机器视觉技术在种子的检测与分级中发挥重要的作用.为此,基于机器视觉技术,分析了脱绒棉种分选系统在硬件方面关键技术的研究现状,总结了脱绒棉种在图像处理中的分选算法,并随着分选的自动化与智能化的不断提高,提出了今后的发展趋势.     

基于安卓系统和MCU智能灌溉系统设计

为解决农业灌溉中智能化监测与远程控制问题,提高农业灌溉效率与智能灌溉的可靠性,设计了基于安卓系统与MCU的智能灌溉系统。系统主要包括上位机Android手机APP、下位机单片机,以及云服务平台3部分:上位机采用HTML5+CSS+JavaScript在API Cloud Studio环境下实现的移动应用程序;下位机采用STM32F411处理器作为智能灌溉系统的核心CPU;借助物联网云平台实现上位机与下位机的通讯,并通过PWM控制薄膜泵灌溉速度。用户通过手机即可实时监测环境信息和作物生长状态、设置灌溉模式、控制灌溉开启及灌溉速度。试验表明:系统各方面运行正常可靠,在农业远程智能监测和灌溉方面有一定的实用价值。     

基于机器视觉的石榴品质自动分级方法

采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题,提出一种基于机器视觉的石榴品质分级方法。首先,采用机器视觉系统采集石榴样本图像,进行去噪处理与获取掩模图像;其次,提取去噪图像的红、绿、蓝分量,用蓝色分量减去红、绿色分量得到色差图像,并对色差图像进行阈值分割;然后,对分割图像采用数学形态学处理获得连通的疑似缺陷区域的边界,提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域;最后,将缺陷面积与总面积之比和缺陷数目作为划分等级的依据,对石榴品质等级进行划分。试验结果表明：本方法总体分级准确率达到92.9%,能够高效、准确地识别石榴表面缺陷并进行品质分级,为实现自动分级的产业化提供思路。     

基于CAN总线的智能温室分布式监控系统

系统采用分布式网络结构,主要分为上位机和下位机两部分.上位机主要完成了CAN通讯适配器的设计以及智能温室人机界面的软件设计;下位机以MC68HC912BC32单片机为控制核心,配以一总线温度传感器和湿度传感器组成监控器,利用CAN总线实现对温室大棚内多点的温湿度进行智能监控.实用证明:智能温室分布式监控系统具有性能稳定、经济、方便以及通用性强等特点.     

基于语音识别和PLC的温室智能灌溉控制系统设计

针对我国现阶段温室大棚灌溉人工控制费时费力、水资源浪费的现象,设计基于声音识别和PLC的温室智能灌溉控制系统。系统以PLC为下位机控制器,以PC机组态王为上位机,通过MATLAB声音识别处理工具,采用动态时间规整算法(DTW)声音识别模型,实现语音信号的预处理和特征提取,建立语音样本数据库,并借助组态王软件开发温室灌溉的上位机监控系统,通过OPC技术实现声音识别结果和上位机之间的交互。同时设计温室灌溉的PLC控制系统,在上位机上可以通过语音识别和组态王软件实现对温室灌溉系统的双控制。实际运行结果表明,系统运行稳定,智能化程度高,能够实时采集温室管理人员语音控制信号,通过语音实现对温室灌溉电机的远程控制,对进一步提高我国温室灌溉向智能化方向发展具有重要意义。