基于机器视觉的储粮害虫智能检测系统硬件设计

介绍了基于机器视觉的储粮害虫智能检测系统的硬件组成，该系统主要取样传送机构，均匀光照室和视觉系统3部分组成，取样传送机构可吸取任意检测点的粮食样本，并自动单层呈现给视觉检测系统，光照室可为CCD摄像机的视区提供均匀，恒定的无影光照；视觉系统可实时采集粮食样本的序列图像信息，并由计算机进行处理与识别，现场试验验证了该系统的可行性。     

基于计算机视觉的储粮活虫检测系统软件设计

介绍了基于计算机视觉的储粮活虫检测系统软件部分各环节的具体实现。系统运用基于标记点透视变换的图像配准方法,对近红外图像进行倾斜、变形等校正;采用基于双区域连通阈值面积比的区域生长法判别出近红外图像中的活虫;融合多源图像的信息,准确定位出可见光图像中的活虫。提取出活虫的21个整体形态学特征和7个局部形态学特征,把特征空间优化为7维,运用SAA-SVM分类器进行识别分类。结果表明,检测系统对15类活虫的正确识别率达到94.8%。     

基于机器视觉的大田害虫检测系统

设计了大田害虫实时检测系统,诱集传输机构可自动诱集并调整害虫姿态,使其平稳经过摄像视区;光照及采集系统可提供均匀的无影光照,并实时采集害虫的序列图像信息;运用修正的自适应邻域平均法增强图像,用自动阈值法将害虫从背景中分割出来,以提取出的周长、不变矩等为特征,运用神经网络分类器对常见的9种害虫进行分类。试验验证了该系统的可行性。     

基于单片机的储粮害虫检测报警系统设计

要基于粮食仓库中害虫喜欢钻孔的习性,介绍了储粮害虫检测报警系统的设计。该系统主要由AT89 S52单片机、电源、光电传感器、报警器和显示器等部分组成。其中,AT89 S52单片机为本系统的核心部件,光电传感器主要实现对害虫的检测。实际应用表明,该系统能有效地检测储粮害虫情况并报警。     

基于SVM的储粮害虫图像识别分类

粮虫图像识别属于小样本、参数多和特征之间混合度大的分类问题,因此分类器的设计是自动检测系统的关键环节.为此,采用网格搜索法,以SVM交叉验证训练模型的识别率为判别准则,对支持向量机分类器的参数和进行优化.应用SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到93%以上.结果证实了基于SVM的分类器可进一步提高粮虫识别的精度.     

基于多分辨率分析的储粮害虫图像预处理研究

粮虫种类多、体形小且形态结构比较复杂,须借助于高分辨率的图像进行准确的细分。针对高分辨率的粮虫图像,提出基于多分辨率图像分析的粮虫图像预处理方法。本算法首先降低图像的分辨率,并对低分辨率的图像滤波,然后将恢复为原分辨率后的图像与原图像进行"与"运算,并进一步滤波。该法有效去除了对粮虫识别贡献率较小的腿和触角等部分,保留了对识别分类贡献率较大的头部和鞘翅等部分,且预处理后的目标边界比较平滑,同时使算法运行的效率提高了15.12倍,并通过实验进一步验证了该方法的可行性。     

基于机器视觉的农业机械图像识别系统分析

随着计算机和机械自动化技术的不断发展,基于机器视觉的无损检测技术被应用到各个领域。在苹果分拣机上使用无损检测技术,不仅可以提高苹果的分拣效率,而且可以减轻苹果的损伤。为此,将机器视觉技术引入到了苹果分拣机的图像识别系统设计上,通过对苹果图像的采集、处理、轮廓特征提取与计算,利用确定好的分拣等级自动实现了苹果的等级分类,再由自动控制系统将不同等级的苹果分拣到指定位置,从而实现了苹果分拣的自动化。为了验证方案的可行性,对分拣机的图像识别系统进行了测试,结果表明:分拣机根据苹果周长可以成功地实现等级的自动化划分,对于实现水果的自动化分拣具有重要的意义。     

基于计算机视觉的储粮活虫检测系统硬件设计

设计了基于可见光-近红外计算机视觉的储粮活虫检测系统,该系统主要由粮虫自动分离子系统、粮虫传输子系统、光照箱、图像采集子系统4部分组成。粮虫自动分离子系统可从粮食样本中快速、有效地分离出粮虫,并进行自动除尘;粮虫传输子系统可准确接收筛下物,并输送采集盒到图像视觉采集部分的正下方以供图像采集;光照箱可为采集盒中的筛下物提供均匀的可见光-近红外波段的漫反射光;图像采集子系统可同时采集筛下物的近红外图像和可见光图像。系统对危害严重的9类储粮活虫的筛分率达到96.06%。实验验证了该系统的可行性。     

绿色防治储粮害虫的技术措施

根据粮食储藏绿色、环保、安全的要求,探讨在不使用化学药剂的前提下,防治储粮害虫的物理、生物技术,以及技术的作用机理、适用范围、研究应用情况和发展趋势,以期为绿色防治储粮害虫提供技术参考。     

基于机器视觉的猕猴桃特征参数提取

以猕猴桃为研究对象,通过对源图像各颜色分量及颜色因子的灰度图、直方图及线剖面分析,选用Lab空间的a通道分量进行特征提取。为了改善图像质量,对a通道分量通过直方图均衡化、中值滤波进行增强。对滤波后的图像利用OTSU自动阈值分割法,完成目标与背景的分割。应用形态学处理方法,对图像先腐蚀再去除小目标最后进行反向膨胀运算去除残留物。对处理得到的二值图像运用Canny算子获取目标区域的边界信息,基于正椭圆Hough变换提取猕猴桃的质心、面积、周长和圆形度。为了测试提取算法的准确性和实时性,对采集的40张图像87个果实进行了特征提取试验。试验结果表明:正确提取率为88.5%,平均提取时间为3.976s,基本满足猕猴桃采摘机器人目标识别对图像处理的实时性要求。     

农业田间害虫实时检测系统的硬件设计

介绍了农业田间害虫实时检测系统的硬件组成,即诱集致昏缓冲机构、分散传送机构、均匀光照系统和图像采集系统。诱集致昏缓冲机构可自动诱集和致昏田间害虫,并以合适的速度落入指定的位置;分散传送机构能自动调整害虫姿态,并使害虫平稳送入CCD视区;光照系统可为CCD摄像机的视区提供均匀和恒定的无影光照;图像采集系统可实时采集害虫的序列图像信息并送至计算机内存进行处理。通过现场试验,验证了该系统是可行性的。     

基于颜色特征的油菜害虫机器视觉诊断研究

害虫的准确识别是针对性地施用农药以有效治理虫害的基础,而人工识别的劳动强度大且主观性强。为此,提出了一种利用颜色特征的害虫视觉识别技术。使用GrabCut算法从虫害图像中分割出完整的害虫主体图像并计算其最小外接矩形区域的H/S通道直方图,使用害虫基准图像对其进行直方图反向投影并计算交叉匹配指数。匹配指数和害虫标签共同组成的特征向量用于训练C4.5分类器。计算待检害虫图像的交叉匹配指数,输入分类器即可得到识别结果。实验结果表明:该技术可准确识别菜蝽、菜青虫、猿叶甲、跳甲及蚜虫5种害虫,准确率达到92%。     

免耕覆盖地秸秆行茬导航路径的图像检测

提出了秸秆行茬视觉导航方法,引导农机具在根茬行间作业以防止堵塞,并对玉米直立根茬导航路径的检测方法进行了研究.选取了图像的彩度信息作为研究对象,通过多种自动阈值选取方法的对比试验和分析,采用迭代法对根茬图像与土壤背景进行了有效分割,并采用2次腐蚀处理去除噪声,通过膨胀处理填充目标区域孔洞;使用了过已知点的Hough变换检测出玉米直立根茬行间及行茬直线.田间试验表明,该方法能够有效地提取出秸秆行茬导航路径,计算时间不超过0.1 s.     

基于机器视觉的常温烟雾机喷雾角测量系统

针对常温烟雾机喷雾角测量方法中存在的问题，提出了利用数字图像处理技术结合最小二乘拟合方法对常温烟雾机的喷雾角进行图像检测的方法。该方法实现了喷雾角的非接触测量，避免了常用方法对喷雾现场的干涉，减少了人工测量方法带来的误差。试验结果表明，该方法简单可行，而且能够实现快速检测。     

基于WebGIS的农业病虫害预测预报专家系统

以开源版MapGuide为WebGIS二次开发平台,结合.net技术开发了具有B/S三层网络架构的农业病虫害预测预报专家系统.依循专家经验预测方法构建病虫知识库,知识存放于SQL Server 2000数据表中,病虫害种类按照地理区域划分,各表所包含的病虫害影响因子描述、特征临界值、判别条件组合以及发生等级间构成一种网状模型.系统采用基于知识的前向型推理与基于系统案例推理相结合的方式.用户依据系统的向导式提示以及数据输入规范输入病虫害监测数据,系统将病虫害发生程度以GIS专题图、数据图表及文字等多种方式反馈给用户.实际运行结果表明,该系统操作性强,预测结果可靠直观.     

棉花虫害自动识别和智能决策系统设计-基于机器视觉系统

随着精准农业技术的不断发展，机器视觉技术在农田作业播种施肥、植保机械中的研究和应用得到进一步的开展。为此，简要分析了国内外机器视觉技术在植保领域中的应用前景，重点介绍了开发研制基于机器视觉的棉花田间虫害自动识别与施药决策支持软件与硬件系统的总体设计，以及所采取的相关技术措施。