牛肉嫩度的高光谱法检测技术

为实现对牛肉嫩度的预测和分级,构建了试验用高光谱检测系统,在400～1000nm波长范围内获取牛肉表面的高光谱散射图像.从高光谱图像中提取牛肉的反射光谱曲线,用step-wise逐步回归法选择 430、496、510、725、760和828nm 6个波长建立了多元线性回归模型,用全交叉验证法验证模型的预测效果,模型的预测相关系数为0.96,预测标准差为0.64kg.以嫩度6.0kg为界将样本分为嫩牛肉和粗糙牛肉2类,特征波长处反射值为变量,建立了正则判别函数对牛肉嫩度分级,用全交叉验证法验证训练的效果.嫩牛肉分级准确率为83.3%,较粗糙牛肉分级准确率为90.9%,总的分级准确率为87.0%.研究表明该预测和分级技术具有一定的可行性.     

基于颜色特征的牧草图像分割方法研究

针对自然光照条件下牧草图像的分割问题,分别研究了在RGB颜色空间和HSI颜色空间中牧草颜色特征的提取。在RGB颜色空间中,利用2G-B色差特征得到牧草和背景差值最大的色差灰度图像,使用最大类间方差图像分割法对色差灰度图像进行了图像分割。在HSI颜色空间中,根据牧草H分量的分布特点,使用模糊C-均值(FCM)的彩色图像分割方法对牧草的彩色图像进行了有效分割。实验表明,基于HIS彩色空间H色调的FCM方法对牧草的分割能够取得比较理想的效果,经二值化处理后得到的牧草轮廓要比基于2G-B色差特征的最大类间方差分割方法得到的牧草轮廓更加完整。     

小波变换和连续投影算法在猪肉嫩度光谱法分析中的应用

文章将小波变换与连续投影算法用于猪肉嫩度的近红外光谱分析中。先利用小波变换对64个猪肉样本的原始光谱进行降噪预处理,然后由连续投影算法提取了猪肉嫩度的18个特征波长,结果表明:小波变换可以降低猪肉光谱光谱数据的噪声干扰,基于连续投影算法提取的18个特征波长建立的猪肉嫩度模型与全光谱模型性能相当,但建模波长数量仅为全光谱建模的3.51%,提取的猪肉嫩度特征波长为开发便携式猪肉嫩度检测仪提供了参考。     

基于多特征融合的遥感图像河流提取

遥感影像中地物复杂多样,为得到较高精度的河流区域信息,弥补单一特征河流提取适用性受限的局限,提出一种融合纹理、光谱和形状特征的河流区域提取方法。首先选取图像红外通道作为输入,根据纹理特征计算灰度共生矩阵,并选取灰度共生矩阵统计量中的角二阶矩图作为处理对象;接着根据光谱特征对角二阶矩图进行最大类间方差（OTSU）计算获取二值图像;然后进行连通域标记,根据几何特征构建特定滤波器以滤除非河流噪声,最后生成精度较高的河流流域图。处理的河流遥感影像中包括了林地、城市、山地、耕地等不同类型的区域,通过与经典算法的对比验证,提取结果显示该方法能够提高河流流域提取的精确度和完整度。     

RGB与HSI颜色空间下番茄图像分割的对比研究

针对番茄收获机器人视觉系统在自然光照条件下对田间成熟番茄图像进行分割的问题,研究了基于(R-G)色差特征的阈值分割方法和基于HSI颜色空间H色调的统计阈值分割方法,并对其进行了对比分析。在RGB颜色空间,首先提取了RGB彩色图像的R、G分量并做代数减运算得到色差灰度图像RG,然后对该色差灰度图像RG使用Otsu阈值法进行自适应分割;在HIS颜色空间下,统计番茄与叶子的H色调分布差异,然后对H色调灰度图像进行阈值分割。通过大量试验表明:基于(R-G)色差特征的阈值分割方法能够实现自适应阈值处理,能对不同自然光照强度下的生长状态为相互分离的多目标番茄图像进行有效分割;同时,对番茄的成熟度及品种差异也具有很好的鲁棒性,其性能大大优于基于HSI颜色空间H色调的统计阈值分割。     

基于LBV变换与小波变换的OLI图像融合方法

以陕西省榆阳区2013年6月9日的Landsat 8 OLI图像为基础数据源,对比分析LBV-Wavelet RF等5种图像融合算法的使用效果。对图像预处理后,分别采用HIS变换、Brovey变换、HPF变换、PCA变换和LBV-Wavelet RF方法进行融合和SVM监督分类,然后从目视评价和定量评价两方面对比分析各种融合算法的使用效果。在目视评价方面,判读融合前、后9种地类光谱特征的一致性;融合后图像是否具有全色波段图像的空间结构特征,是否存在细节模糊。在定量评价方面,采用灰度均值差、灰度均方根差评价融合后图像对多光谱信息的保持性能;采用相关系数均值、相关系数均方根差评价融合后图像对高空间分辨率信息的融入度;采用总体分类精度、Kappa系数评价融合前、后SVM监督分类精度差异。结果表明LBV-Wavelet RF方法能够使融合后图像在保持原多光谱图像光谱信息的同时,增强纹理结构特征,提高对细小地物的辨识能力;融合后图像SVM监督分类的总体分类精度和Kappa系数分别为84.01%和0.787,较原多光谱图像分别提高13.45%和15.91%。     

基于气流脉冲和结构光成像的牛肉嫩度检测方法

针对传统牛肉嫩度检测速度慢、精度低的问题,提出了基于气流脉冲结合结构光3D成像的牛肉嫩度快速无损检测方法。首先,利用脉冲气流对牛肉表面进行冲击,同时通过结构光3D成像获取待测牛肉表面凹陷区域的三维点云信息;然后,采用去噪、点云分割、贪婪投影三角化、Delaunay三角化、曲面拟合等算法进行点云处理,获得牛肉表面凹陷区域的深度、映射面积、表面积和体积等信息;基于此,分别建立基于最小二乘支持向量机回归（LS-SVR）、BP神经网络和广义回归神经网络（GRNN）的生鲜牛肉剪切力预测模型;结果表明,GRNN模型预测表现最佳,预测集相关系数为0.975,均方根误差为5.307N。采用基于K-fold交叉验证的GRNN神经网络对牛肉嫩度等级进行预测,结果显示该方法对较嫩牛肉分级效果较好,为100%,对较老牛肉分级效果稍差,为91.3%。研究表明,基于气流脉冲结合结构光3D成像进行牛肉剪切力以及嫩度快速、无损检测是可行的。     

基于无人机低空摄像的嫩茶叶特征信息的研究

随着近年计算机技术、图像处理和模式识别等技术的不断发展,利用图像特征对于茶叶特征信息进行检测变得可行。本文采用无人机低空摄影的方式捕捉茶叶图像,实现多高程段拍摄。针对嫩茶叶的特征信息,采用基于形状体征和颜色的图像处理方法,实现嫩茶叶的计算机识别和检测。通过利用自适应阈值分割法提取嫩茶叶的图像进行分割、采用自适应中值滤波方法对图像进行滤波降噪、采用改进的Canny算法和匹配算法实现嫩茶叶关键信息的提取,可以有效地识别嫩茶叶。     

基于分形维和图像特征的牛肉大理石花纹等级判定模型

采集135个牛胴体眼肌样本,参照中国牛肉质量标准的大理石图版,由3人评定小组评定出每一个样本的大理石花纹等级,再用数码相机采集每一个样本的数字图像。用图像处理技术对每一幅图像进行降噪、分割等处理,提取出牛肉大理石花纹,并计算出牛肉大理石花纹的面积比率、总脂肪颗粒数和大小脂肪颗粒数;然后用变尺度的方法,测定出每个牛肉大理石花纹样本图像的计盒维数和信息维数;以这些参数为基础,分别建立牛肉大理石花纹等级判定的多元线性模型和多元多项式模型。实验结果表明,利用多元线性模型和多元多项式模型判定牛肉大理石花纹等级,预测正确率分别为75%和87.5%。     

图像分割在成熟茄子目标识别中的应

针对在自然光生长条件下采集的茄子图像,采用自动取阈的算法,分别利用图像的灰度信息、基于R、G、B分量线性变换的3个正交彩色特征量和基于HSV彩色空间对图像进行分割.经Matlab仿真对比结果得出:利用Otsu算法对灰度图进行分割,虽然对灰度直方图进行了优化,目标与背景的分割效果较好,但存在局部反光的影响;采用改进的Otsu算法,对彩色特征量(2G-R-B)/4进行分割,可以在一定程度上消除局部反光的影响;同样采用改进的Otsu算法对HSV彩色空间色调分量的分割,则可以克服目标茄子表皮的反光对分割结果的影响,取得了较好效果.以数学形态学降噪方法进一步对利用色调分割后的二值图像进行平滑处理,可大大改善分割效果.     

牛胴体眼肌切面图像的分割方法

在牛肉的计算机自动分级系统中,牛胴体眼肌图像的分割、大理石花纹的提取是利用计算机视觉评定牛肉等级的最基本及重要步骤。在简要介绍各种图像分割方法的基础上,对目前国内外应用于牛胴体眼肌图像的分割技术及各种算法进行了初步分析研究。并在此基础上,对其他学科提出的一些图像分割算法应用于牛胴体眼肌图像分割的潜力和前景进行了论述。     

基于计算机视觉的冷却牛肉新鲜度评价方法

利用计算机视觉技术对冷却牛肉的新鲜度进行了分析研究，应用BP神经网络对牛肉脂肪组织进行了分割，分割正确率可达97％以上。选取图像原始颜色信息作为评价新鲜度的特征值组成特征向量，采用HSI、RGB和CMYK3种彩色模型评价冷却牛肉的新鲜度，其准确率分别为82．1％、78．6％、75．0％。基于计算机视觉技术的冷却牛肉新鲜度评价方法与实验室分析方法相比，评价准确率有明显提高，并且没有繁琐实验过程，是一种更高效的牛肉新鲜度评价方法。     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

基于深度图像的多姿态肉牛体尺自动测量方法

养殖场中肉牛较为活跃,采集得到的图像数据中肉牛姿态多变,肉牛姿态端正帧较少,导致自动测量肉牛体尺困难。针对以上问题,本研究通过分析肉牛骨架特征和肉牛图像边缘轮廓特征,提出一种多姿态肉牛体尺自动测量方法。首先,利用深度相机Azure Kinect DK从正上方采集肉牛俯视深度视频数据,对视频数据进行分帧处理;其次,对原始深度图像进行预处理,将肉牛从复杂的背景中提取出来;再次,利用Zhang-Suen算法提取目标图像肉牛骨架,检测骨架交点和端点,分析肉牛头部特征,并确定头部去除点,去除图像中肉牛头部信息;最后,利用改进的U弦长曲率算法提取肉牛轮廓曲率曲线,根据曲率值确定体尺测点,将体尺测点转换到三维空间中,计算体尺参数。本研究通过分析大量深度图像数据,将图像中肉牛姿态分为左歪、右歪、姿态端正、低头和抬头五类。试验结果表明,本研究提出的基于骨架的多姿态肉牛头部去除方法在5种姿态下的头部去除成功率均高于92%;在23头肉牛不同姿态共46帧深度图像中,利用基于改进U弦长曲率的体尺测点提取方法,测得体直长测量的平均绝对误差为2.73 cm,体高测量的平均绝对误差为2.07 cm,腹宽测量的平均绝对误差为1.47 cm。研究结果可为精确测量多姿态下肉牛体尺提供支撑。     

基于高光谱技术的牛肉含水率无损检测

牛肉含水率的高低不仅直接影响牛肉品质,而且会对消费者造成经济损失。为此,通过实验探究了采用高光谱图像技术对牛肉含水率进行检测的可行性,为检测牛肉品质提供依据。采用82个牛肉后腿样本作为实验材料,按5×4×1cm的规格通过国际烘干法测量其真实含水量,并采集它们的光谱图像;获取样本的光谱信息后,通过ENVI及Mat Lab软件获取感兴趣区域。同时,利用不同的预处理方法,分别建立BP神经网络和偏最小二乘校正模型,通过比对两种模型结果,偏最小二乘校正模型能够更有效预测牛肉含水率,校正集相关系数为0.91,校正标准差为0.121,预测集的相关系数为0.89,预测标准差为0.118。研究结果证实,利用高光谱图像技术可以快速无损检测牛肉含水率。     

不同部位冷却牛肉成熟过程中水分变化研究

为探究宰后不同部位牛肉在成熟过程中的水分变化及其产生原因,以成熟1、2、3、5、7d的冷却牛背最长肌、半膜肌和腰大肌作为研究对象,通过测定贮藏损失率、弛豫峰面积和比例、肌节长度和肌纤维直径,从贮藏损失、横向弛豫特性和肌肉结构特性3方面阐述了3种部位冷却牛肉在成熟过程中保水性、水分分布及细胞组织学的变化。结果表明,在成熟过程中,3种部位冷却牛肉的贮藏损失均呈现显著升高的趋势,腰大肌的保水性显著高于背最长肌和半膜肌（P<0.05）;3种部位牛肉的各弛豫峰面积均显著降低（P<0.05）,且各部位的结合水比例和不易流动水比例间的差异性不大（P>0.05）;半膜肌的肌细胞排列松散,且肌节长度短,腰大肌具有较长的肌节和较小的肌纤维直径。不同部位肌细胞结构的差异导致不同部位牛肉呈现出不同的保水性。     

小波域马铃薯典型虫害图像特征选择与识别

为准确、快速地识别马铃薯典型虫害,提出了一种基于小波域的马铃薯典型虫害特征提取与识别方法。该方法以自然环境下的马铃薯虫害分割图像为对象,提取小波域高斯空间模型的高频协方差阵特征值与低频低阶矩(HELM)的12个不变纹理特征、空间域Hu不变矩的4个形状特征,进行支持向量机(SVM)的虫害分类识别。通过对8类典型虫害的识别,试验结果表明:在SVM识别方法下,本文HELM特征提取方法,相比传统纹理特征提取方法,在特征计算量不增加的同时,平均识别率至少提高了17个百分点;在HELM特征与Hu矩特征下,本文SVM的运行时间为0.481 s,比人工神经网络快了近2 s,平均识别率为97.5%,比人工神经网络、贝叶斯分类器识别率提高了至少6个百分点,有明显的识别优势。     

AVIRIS高光谱数据空-谱特征在植被分类中的对比分析

植被分类是高光谱影像分类中的特定应用问题,光谱特征和空间特征是植被分类中常用的两类特征,比较这两类特征的性能,对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析（PCA）提取光谱特征时,常选择前几个主成分（PCs）作为光谱特征,虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率,针对这一问题本研究提出了一种混合特征提取方法,对高光谱影像在PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的PCs用于后续分类。利用一景AVIRIS高光谱植被影像,从分类精度的角度,首先比较了所提出的混合特征提取方法和原始PCA、独立主成分分析（ICA）及线性判别分析（LDA）3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集1和2上均获得了最高的总体分类正确率,分别为82.7%和86.5%。与原始PCA相比,本研究提出的混合特征提取方法的总体分类正确率,在数据集1和2上分别提高了1.5%和2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中,总体上空间特征获得的分类正确率比光谱特征高,特别是Gabor特征,在两个数据集上均获得了最高的总体分类正确率分别为95.5%和96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空-谱特征方法及其两者有效结合,进一步提高植被分类正确率提供了参考。