基于机器视觉的白菜种子精选方法研究

针对白菜种子,以北京小杂55号为研究对象,使用机器视觉技术获取种子10个颜色特征和6个形状特征,再通过单粒种子萌发试验确定种子活力,并使用曼-惠特尼U检验分析种子活力与图像特征的相关性。将显著相关图像特征与种子发芽实验结果组成数据集,结合偏最小二乘判别分析法建立分类模型,并通过MatLab软件进行了仿真分析。结果表明:白菜种子的R分量均值、R分量标准差、G分量均值、G分量标准差、B分量标准差、H分量均值、H分量标准差、S分量均值、S分量标准差和圆形度P与白菜种子活力显著相关。结合这些特征,使用偏最小二乘判别分析法建立分类模型,进行种子精选,可以将该批白菜种子发芽率由原始50.67%提升至69.43%。由此表明,可通过机器视觉技术对白菜种子进行精选,从而提高种子的活力。     

基于机器视觉的种子质量检测新型算法

在分析已有区域标记算法的基础上,提出了一种新的二值图像连通区域准确标记算法。顺序扫描和标记二值图像的各个像素点,准确判断标记过程中出现的标记冲突,并建立标记冲突的模型,在算法中增加回溯扫描算法,消除标记冲突引起的标记误差。实验证明:该算法可以准确地标记出各种形状的连通区域,与已有算法相比,扫描重复率低,运行准确,速度快,具有很好的应用前景。     

机器视觉技术在机械制造自动化中的应用

本文主要分析机器视觉技术在机械制造自动化过程中的应用,并描述了其应用的影响.在介绍机器视觉技术的基本概念的基础上,分析机器的视觉自动化在机械制造自动化过程中的用途.     

机器视觉在农业工程中的应用

从农作物种子筛选与检测、农作物生长过程中信息检测、病虫草害控制、果实无损检测到果实机械化采摘,整个农业生产过程中机器视觉在农业智能化装备上都有巨大的发展空间和市场前景.介绍了图像采集和处理过程中各种视觉传感器和图像分割算法的适用特点和优势,提出现有机器视觉技术在农业工程中应用存在的问题及未来发展方向,为进一步实现精准农...     

机器视觉技术在种子纯度检验中的应用

随着图像处理技术和机器视觉技术在农业生产中的广泛应用，利用机器视觉技术和图像处理技术进行种子纯度检验和对种子质量进行最终评判已成为可能。本文分析了种子纯度检验技术现状和存在的问题，概述了国内外对种子纯度自动化检验技术研究的最新进展，并对今后种子纯度检验技术发展进行了展望。     

基于机器视觉和信息融合的邻接苹果分割算

提出了利用亮度和颜色的信息融合来分割邻接苹果的方法.首先使用Lab模型对苹果图像进行分割.然后计算分割后每个区域的面积,并判断其是否为邻接苹果区域.接着在邻接区域内计算亮度信息,利用亮度产生的亮斑对邻接苹果进行分割.这样,在邻接区域以外的部分,亮度信息产生的噪声被Lab模型的信息屏蔽,而邻接区域以内的部分,具有惟一性的亮度信息可以较好分割经Lab模型处理后的邻接苹果.实验表明,此算法对邻接苹果识别非常有效,识别率大于92.89%,而且算法简单快速,平均每幅图片识别时间小于0.5 s.     

一种基于机器视觉的稻谷种子轮廓提取方法

0引言 我国水稻种植面积广阔,稻谷品种繁多.稻谷种子质量直接影响着粮食产量,因此,识别种子的品质,即种子真实性和品种纯度的确定显得尤为重要.目前,稻谷品种的鉴定识别方法主要有2种:化学方法和田间小区种植方法.其中,利用化学方法识别稻谷品种成本较高,而田间小区种植法实验周期又太长,它们都只在科研院所进行小批量的稻谷品种识别中适用.     

玉米籽粒考种信息获取装置设计与试验

考种是制约育种效率的关键环节。玉米高通量考种过程,存在籽粒堆积和粘连现象,影响籽粒考种参数的提取。本文结合玉米高通量自动考种需求,设计了籽粒考种信息获取装置。通过分析堆积籽粒回旋运动过程的受力情况并根据试验情况确定振动平台回旋速度,实现籽粒的平铺摊种。在此基础上,针对粘连籽粒图像提出了一种先分割后融合的改进分水岭算法,该方法通过比较相邻分割区域极小值与最小分水岭的差值与设定的阈值T,进行邻域融合,对过分割区域进行合并,实现粘连籽粒的准确分割,分割完成后,统计籽粒个数,并基于Graham扫描法建立单个籽粒的最小外接矩形,获取籽粒长宽参数。在构建的玉米籽粒自动考种装置上进行动态试验,结果表明,本文所提出的方法可实现玉米粘连籽粒的准确分割,单穗玉米籽粒计数正确率不低于98.05%,籽粒平均长宽与人工测量结果的决定系数R~2在0.97以上,满足自动考种在线检测的需求。     

机器视觉技术的发展和应用

1机器视觉系统的概述 机器视觉(又称计算机视觉)是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别.简言之,机器视觉就是用机器代替人眼来做测量和判断.机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作.     

基于机器视觉的高品质苹果在线计数方法

高品质苹果由计重分装转向计数分装对苹果在线计数技术提出新的需求。以黑色吸光材料作为图像采集背景,配有同轴投射光源的CMOS摄像头实时采集传送带上苹果区域的图像,采用前后时间帧图像相减,设定目标视频窗口以及基于灰度阈值的目标识别等图像处理技术使苹果识别率达到97.2以上。采用VC＋＋语言,基于开源视觉处理软件OpenCV实现具有独立知识产权的计算机图像处理软件。该系统采用低成本的视觉采集设备,算法成熟可靠,能够满足在规模化生产环境下对苹果实时计数的要求。     

基于机器视觉的荞麦剥壳性能参数在线检测方法

针对荞麦剥壳时不能随原料种类变化而适时调整砂盘间隙和转速的问题,提出一种基于机器视觉的荞麦剥壳性能参数在线检测方法,为荞麦剥壳机自适应最优控制提供数据反馈。采集快速滑落的荞麦剥出物图像,使用带二阶拉普拉斯修正项的边缘自适应插值算法对图像插值重建;对重建的浅蓝色背景荞麦剥出物图像N(B-R)灰度变换之后进行背景分割;生成距离骨架图像并对其邻域极大值滤波提取种子点,使用分水岭算法对种子点标记后的距离图像进行粘连分割;采用交互式方法标注已粘连分割的荞麦籽粒,然后使用已标注的荞麦籽粒训练BP神经网络。在线试验中,处理和识别一幅包含897个籽粒的1 824像素×1 368像素图像耗时4. 79 s。未剥壳荞麦、整米和碎米的正确识别率分别为99. 7%、97. 2%和92. 6%。结果表明,本文在线检测方法得到的出米率能够反映荞麦剥壳机组的剥壳性能,可为荞麦剥壳加工的自适应最优控制和智能化提供有效基础数据。     

基于机器视觉的谷物联合收获机行走目标直线检测

针对谷物联合收获机视觉导航,提出基于改进Hough变换(HT)的谷物联合收获机行走目标直线检测算法.通过改进一维最大熵阈值分割方法,提高了阈值分割的速度;对二值图像通过行扫描和列扫描,确定了行走目标直线的终点位置以及直线方向上的候选点;以候选点为点集,利用最小二乘直线拟合和直线终点位置确定了待检测直线上已知一点;利用改进HT完成直线检测,与传统的HT相比,将二元映射转换为一元映射,加快了算法速度、减少了空间占用和提高了抗干扰能力.经过对多幅图片的处理,证明算法能够有效地检测出直线参数,且处理时间在100 ms左右.     

基于机器视觉的玉米苗期土壤湿度检测试验研究

在玉米苗期进行土壤湿度动态监测是提供精准灌溉的重要依据,对于玉米在此阶段快速健康生长具有重要意义。本文模拟超低空图像采集设备的试验方式,通过试验平台采集玉米苗期土壤水分的变化情况,以期建立图像与土壤水分数据的联系。利用超绿特征(2G-R-B)对采集到的玉米苗期土壤图像进行分割以排除植株本身对图像的影响。对试验中分割处理后的土壤图像的均值、归一化方差特征参数与试验平台测得土壤水分数据进行分析比较,分析后对所处理图像采用4G-R-B颜色特征修正,通过计算归一化方差σ_(4G-R-B)作为特征参数与实测土壤湿度进行线性回归分析,二者相关性验证结果为:R~2=0.73,RMSE=3.2%。表明修正处理后图像归一化方差σ_(4G-R-B)图像特征参数能够较好的表征土壤的水分变化。     

基于机器视觉的穴盘苗检测试验研究

针对穴盘苗出现空穴和不合格坏苗,影响蔬菜种苗销售价格,不利于机械化移栽及后续栽培,而人工剔苗补苗费时费力的问题,提出了利用机器视觉技术检测穴盘苗空穴及不合格苗、传输检测结果的方法,为穴盘苗自动化剔除空穴与不合格苗及补苗作业提供技术基础。穴盘苗空穴及不合格苗检测硬件系统由工业相机、PC机及PLC构成,通过CKVisionBuilder软件对图像进行处理,获取每个穴孔区域的像素数量,判断幼苗状态,并将获取的判断结果传输至PLC中。试验结果表明:苗龄13天的72穴意大利生菜、白玫瑰白菜及广府1号油菜心穴盘苗坏穴的检测正确率达到95.8%以上。     

机器视觉在种子自动分选系统中的应用

机器视觉技术在农业工程领域应用已经越来越广泛。为此,首先介绍了利用机器视觉技术的种子自动分选系统,并综述了近年来国内外在利用机器视觉技术对农作物种子进行自动检测方面的研究进展,认为种子的动态在线检测应用前景广阔。同时,指出了当今国内外研究中存在的问题和对今后研究的进一步展望。     

基于机器视觉的番茄果实图像分割方法研究

为了改善番茄采摘机器视觉系统中番茄果实图像的分割效果,对基于二维直方图的阈值分割方法的理论进行了分析,针对番茄果实图像的特点将阈值点附近的区域信息引入分割算法中,提出了一种改进的基于二维直方图的Otsu阈值分割方法,改善了图像的分割效果。     

基于机器视觉的蔬菜种子包衣品质鉴定

蔬菜种子包衣工作参数的智能调节,能提高包衣加工效率和成品质量。为了研究包衣工作参数的智能调节,提出了基于机器视觉的蔬菜种子包衣品质鉴定方法。针对蔬菜种子包衣过程中种子包衣完整性、包衣颜色深浅、包衣颜色均匀性3个重要指标,提出依据单粒种子的种子包裹率、种子颜色及纹理特征将包衣种子分为合格与非合格两类。对于种子图像中粘连的问题,采用分水岭算法将图像分割为单粒种子。通过对单粒种子的多阈值分割,实现种子包衣完整率的计算。基于HSI颜色空间提取H、S分量的颜色矩特征与I分量的灰度共生矩阵特征,融合种子包衣完整率、颜色矩特征和灰度共生矩阵特征这3种特征为一个11维特征向量,构建基于径向基核函数的支持向量机分类器对包衣结果进行品质鉴定。实验选用包衣后辣椒种子验证算法,结果表明:包衣结果识别准确率为90.93%。该研究可为后续研究包衣机工作参数的智能调节奠定理论基础。     

基于机器视觉的玉米果穗性状参数测量方法研究

在玉米育种、田间测产和提高玉米产量的过程中,均需要对玉米果穗考种,即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力,而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题,在很大程度上限制了考种的速度与精度。针对上述问题,利用所研制的自动考种设备和机器视觉方法,通过USB工业相机获取玉米果穗单面性状彩色图像,利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化,利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化,分别得到果穗轮廓二值图像和果穗特征二值图像;通过轮廓二值图像计算果穗放置后的倾斜角,实现果穗轮廓二值图像和特征二值图像的自动纠偏;通过相机标定,得到单位像素对应的实际值,进而得到穗长及穗粗;通过提取局部籽粒特征二值图像,利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度,通过穗行数修正模型得到果穗的穗行数;通过提取局部单行籽粒特征二值图像,利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数;根据行粒数和穗行数得到穗粒数。试验结果表明,穗长和穗粗平均测量精度分别为98.05%和97.99%,穗行数测量正确率为95%,行粒数平均测量精度为96.29%,穗粒数平均测量精度为95.67%,和实际值相比,穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗,考种设备测量速度为6s/穗,能够满足自动考种设备的使用需求。     

基于不规则成像机器视觉的棉花白色异纤检测算法

基于不规则成像机器视觉系统,提出一种棉花白色异性纤维检测的图像分割算法:采用Gabor算子提取多个方向的特征向量,融合成特征图,由此增大背景与目标之间的对比度;然后基于特征图的统计规律进行二值分割,最后应用形态特征分离目标与背景.实验结果表明,该算法抗噪能力强、能检出白色异性纤维.