基于机器视觉的大米外观品质检测装置

设计了一套基于机器视觉的大米外观品质参数检测装置,实现了对垩白度、垩白粒率、黄粒米和粒型参数的检测。该系统基于嵌入式计算机系统,应用改进的流域分割算法实现了粘连籽粒图像的分割,应用BP神经网络实现了垩白米的检测,应用色度实现了黄粒米的检测,应用极坐标下的长短轴快速检测算法实现了粒型的检测。试验结果表明,该装置对垩白粒率的检测精度为±2%,垩白度的检测精度为±1%;对黄粒米的检测精度为±5%;粒型的检测精度为±4%。     

机器视觉技术在稻米品质检测中的应用进展

机器视觉技术在食品、农产品的检测、分级中具有广阔的应用前景。为此,综述了机器视觉技术在稻米品种、胚芽、爆腰、黄粒米等方面进行检测的研究动态,并指出了机器视觉技术在稻米品质检测中存在的不足,为进一步应用机器视觉技术提供参考。     

基于色调差的自然光照条件下苹果树叶片含氮量快速检测

该文旨在应用数字图像处理技术建立苹果树叶片氮含量检测模型。该方法以自然光条件下的叶片图像为分析对象,首先通过色彩恒常理论MSR算法进行去光照处理,然后应用阈值分割、改进的Sobel算子剔除叶片噪声点、叶脉等的影响,最后对不同含氮量的叶片与潘通标准色卡进行色调差分析,得到果树叶片色调差和含氮量之间的关系,建立出苹果树叶片的含氮量检测模型。经试验验证,苹果树叶片去光照图像与标准色卡图像的色调差与果树各个时期的叶片含氮量的相关系数均在0.75以上,且回归方程的F检验P值均小于0.01,具有极显著的相关关系,其中盛花期传统施肥组、结果中期传统施肥组、施复合肥组、采收期传统施肥组相关系数均在0.8以上,用最小二乘法建立的检测模型的检测值与实际值的相对误差小于10%。说明利用色调差测定苹果叶片含氮量的方法可行,该方法为实时、准确地监控苹果树整个生长过程中叶片含氮量的变化以及合理地施用氮肥提供科学理论基础。     

基于立体视觉下联合收获机边缘检测技术的研究

智能联合收割机是目前作物收获的发展热点与研究重点技术之一，而确定田间地块边缘、未收割作物边缘、联合收获机直线行驶和在作物地头转向是实现全田间自动收获的基础。为此，设计了一种基于立体视觉下多种作物收获边缘快速检测方法，保持作物收获边缘在检测目标区域内，并提出了一种基于HSV(色调、饱和度和值)空间扫描的动态感兴趣区域提取算法，利用Ostu算法获得作物未收获面积，实现未收获作物边缘和作物末端边缘的同时检测，并根据作物收获末端边缘自动转向到下一个收割路径。田间验证试验表明：水稻检测准确率高于98%,玉米的检测准确率高于94%,平均处理速度为49frame/ms。研究结果表明：提出的基于立体视觉下联合收获机边缘检测及精准转向系统具有较高的工作精度和效率，可为提高作物收获性能提供技术参考与借鉴。     

类球形水果表皮颜色变化校正方法研究

针对类球形水果表面较大的曲率变化会引起表面亮度不均,从而导致水果颜色分级评价中存在误差大、准确率低等问题,提出了二维B样条水果表面亮度不均校正算法。利用该算法分别对原始RGB图像各单通道图像进行亮度校正,然后将校正后的RGB图像转换成HIS颜色空间图像,提取色调H和亮度I分量,通过对比校正前后H和I分量图像像素灰度标准差评价校正效果。对160幅橙图像处理结果表明,校正后的图像在色调和亮度上比原始图像更加均匀,色调H分量和亮度I分量的平均标准差分别仅为原始图像标准差的21.57%和33.94%,色调和亮度均匀性得到了明显的改善。     

智能大米色选机的选购与维护

<正>大米品质的高低是消费者选购的重要指标之一,对大米生产企业来说,如何剔除变质发霉的黑米粒、黄粒米和小玻璃、煤渣等杂质,提高大米的品质是一项重要的事情。智能大米色选机能够有效地剔除等异色米粒和杂质,然而对中小企业来     

水果品质机器视觉检测中的图像颜色变换模型

在水果品质的机器视觉检测过程中，水果形状导致的图像颜色失真直接影响最终的检测和分级结果。本文在6个位置分别采集了3种大小、19种不同表面颜色的标准实验球体的图像。在分析球体的大小、表面颜色和图像采集位置等因素对球体图像颜色的亮度、色调和饱和度的影响后发现，球体图像的颜色失真主要是颜色的亮度失真。建立了摄像视区中心球体图像的亮度校正模型，该模型的相关系数R^2为0．846。采用该模型在Matlab软件平台上构建了柑桔图像的颜色校正算法，实验结果表明，该颜色校正模型和算法是有效和可靠的。     

BP神经网络快速收敛算法研究

以标准BP算法为基础，应用Levenberg—Marquardt优化算法，提出了一种快速收敛的BP算法——LMBP算法。仿真结果表明，与标准BP算法及其他改进形式比较，LMBP算法收敛速度大大提高，稳定性并未降低，这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大，所需计算机内存大，不适合大型网络的计算。     

柑橘成熟度多重分形无损检测

为无损检测柑橘成熟度,将柑橘主要色调分布范围30°～ 120°进行了等分,形成3幅色调图,分析每幅色调图标度不变域及多重分形谱,以多重分形谱高度和宽度表征柑橘果皮色泽特征,并以此作为BP神经网络的输入,可溶性总固形物含量为输出,建立柑橘成熟度模型,映射柑橘成熟度.试验的平均正确识别率为82％,表明通过柑橘果皮色调的多重分形谱能无损检测柑橘成熟度.     

基于多特征融合的树干快速分割算法

针对传统的树干分割算法存在分割精度低、实时性差的问题,提出了一种融合深度特征和纹理特征的树干快速分割算法。首先,通过Realsense深度摄像头采集树干彩色图像和深度图像;随后,采用超像素算法对彩色图像进行分割,并融合深度和纹理相近的相邻超像素块,最后对深度图像进行宽度检测,并对宽度在阈值范围内的物体所属的超像素块进行色调匹配,区分树干与非树干。在室内和室外植株实验中分别运用本文算法、GrabCut算法与K-均值算法进行树干分割,本文算法的平均召回率和平均准确率分别为87. 6%和95. 0%,GrabCut算法分别为78. 0%和92. 8%,K-均值算法分别为80. 2%和89. 1%;本文算法平均耗时为0. 20 s,GrabCut算法为0. 66 s,K-均值算法为4. 42 s。实验结果表明,本文算法的快速分割效果较好,在保证分割精度的同时,简化了识别过程,加快了分割速度,能够应用于室内和室外树干的分割。     

玉米单倍体籽粒特征提取及识别

研究了玉米单倍体育种过程经导入基因标记后杂交诱导产生的单倍体与杂合体籽粒特征提取及识别方法,实现了单倍体籽粒的准确识别。以导入基因标记后杂交诱导产生的玉米籽粒为研究对象,根据颜色特征将玉米分为紫色标记、黄色胚乳及白色胚部3部分,通过分析此3部分像素在RGB及HSV颜色空间内的分布特点,提出了(G-B)R/B模型,实现了紫色标记区域的有效提取;根据玉米籽粒形态特点及紫色标记部分的分布特点,提出了一种简单快速的单倍体籽粒识别方法。在单倍体分拣试验台上的试验结果表明,所提出的方法对单倍体的识别准确率达98.07%,且能满足动态检测要求。     

连接大米籽粒图像的自动分割算法研究

分析了单个大米籽粒和连接大米籽粒的轮廓特征,提出了一种基于曲率的分割算法。该算法能够有效地反映边界点尖锐程度的曲率及其方向,根据曲率大小和曲率方向能准确判别图像中大米籽粒是否接触并快速找到分割点。用最短距离配对法对3种接触的大米籽粒进行分割。算法对判别籽粒是否接触的准确率达99%以上,对接触籽粒的准确分割率达95%以上。     

常温下稻米籽粒湿应力裂纹机理的试验

对常温下稻米籽粒湿应力裂纹作了理论分析与试验研究。利用动态图像分析等方法，测量并给出了稻米籽粒湿线膨胀系数。研究了湿应力开裂过程并提出了估算水分扩散系数和吸湿深度的方法。初步研究了稻米产生湿应力裂纹时的水分梯度值范围，当在吸湿过程中稻米籽粒内部水分梯度达到6．0～7．5％／mm时，该处应力值达到稻米的抗拉极限强度，发生开裂。     

水稻颗粒玻璃化转变的试验研究

通过水稻颗粒玻璃化转变的试验，测量了不同干燥条件下水稻颗粒的玻璃化转变温度，探讨了干燥条件对水稻颗粒玻璃化转变的影响，研究了水稻颗粒含水率和玻璃化转变温度的关系，建立了水稻颗粒玻璃化转变温度与颗粒含水率的数学模型。     

自然场景下成熟水果的计算机视觉识别

研究在自然场景下成熟水果的识别技术。比较HSI颜色空间转换的几种方法：球体法、柱体法和双锥体法等。球形：HSI颜色转换系统在本研究中产生较少的奇异数据,被采用。将图像的RGB值转换成色调、饱和度和亮度值,并将色调和饱和度结合产生融合图像,以消除地表、天空等背景的影响。利用Otsu算法自动获取分割阈值,提取目标区域。将提取的区域形态特征进一步分割图像,去除与颜色类似的枯叶和其他背景,提取成熟水果区域,分割效果显著。     

稻米粒群特征参数的提取

稻米籽粒外形特征参数提取对于分析籽粒的力学性质及稻米品质分类非常重要.物料的外形尺寸较小,若要逐一进行籽粒特征参数的提取,势必是一个庞大的工程.为此,研制了图像采集装置,利用计算机视觉技术得到图像信息,获得稻米粒群图像.通过对图像进行分析,将粒群图像中的多个籽粒分离为单个籽粒,并研究了稻米籽粒群特征参数的提取方法.     

水稻谷粒冲击损伤临界速度分

以接触力学为基础,建立了脱粒元件与稻谷对心碰撞时压缩位移和最大压力分布模型.针对不同含水率时稻谷塑性、脆性力学性质的差异.得出了稻谷与脱粒元件冲击损伤临界速度计算公式.对钉齿与镇稻10号、武香梗14、淮稻9号、镇糯653和协优084稻谷冲击损伤临界速度进行了实例计算,在试验台架上进行了实测,试验均值与理论计算基本一致.     

基于HSL模型的珍珠光泽度分选方法

在珍珠光泽度分选中,运用HSL(色调、饱和度、亮度)颜色模型转化技术,将得到的珍珠图像由RGB颜色模型转换到HSL颜色模型中进行处理,并根据提取的亮度信息,运用模糊模式识别方法进行判别归类,实现珍珠光泽度的分选.同时.就提出的判别方法有针对性地给出了修正和说明.进一步完善了判别方法.     

基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。