果实表面颜色计算机视觉分级技术研究

以计算机视觉自动检测果实表面着色度并进行分级为目的,建立了室内计算机视觉系统获取苹果果实的彩色图像,并将ＲＧＢ值转换成ＨＬＳ值;在分析苹果颜色特性的基础上,确定了用合适色相值下累计着色面积百分比进行颜色分级的方法。分级试验结果表明,用建立的准则和方法,计算机视觉分级与人工分级的一致度在８８％以上。     

基于计算机视觉的牛肉分级技术综述

在中国牛肉分级标准颁布后，牛肉的自动分级就成为一个值得关注的新课题。国外的牛肉自动分级技术已较为成熟，而中国对此研究还处于起步阶段。综述了国内外牛肉自动分级技术的研究进展。中国的研究人员利用计算机视觉技术进行自动分级，需要从生产工艺，信息获取方式，牛肉本身性状的研究等多方面结合。提取牛肉大理石纹作为分级的关键技术之一，不但适合中国的标准，同时也与国外标准相一致。     

用于水果实时分级系统的同步跟踪自动控制装置

研究了一种用于计算机视觉水果自动分级系统的同步跟踪自动控制装置.图像处理结果从计算机并行口输出到移位寄存器,利用接近开关产生的脉冲作为寄存器的移位信号,将处理结果在移位寄存器输出端口的位置与水果的实时位置保持一致,实现对水果的同步跟踪,并利用硬件操作步进电机的脉冲分配和相关动作,从而完成对分级执行机构的正确控制.     

用于水果实时分级系统的同步跟踪自动控制装置

研究了一种用于计算机视觉水果自动分级系统的同步跟踪自动控制装置。图像处理结果从计算机并行口输出到移位寄存器，利用接近开关产生的脉冲作为寄存器的移位信号，将处理结果在移位寄存器输出端口的位置与水果的实时位置保持一致，实现对水果的同步跟踪，并利用硬件操作步进电机的脉冲分配和相关动作，从而完成对分级执行机构的正确控制。     

水果品质智能化实时检测分级生产线的研究

一种用于水果动态、实时检测的水果品质智能化实时检测分级生产线,由水果输送翻转系统、计算机视觉识别系统、分级系统组成。水果输送翻转系统的双锥式滚筒水果输送翻转装置,使水果以一定速度向前输送,并使水果绕水平轴自由转动,保证检测系统能检测到水果整个表面,获得足够的水果图像信息。通过计算机视觉系统的视觉智能识别,综合判断每一水果的等级,并确定每个水果的位置信息,由计算机识别系统的控制模块将指令传输给分级系统,完成水果的分级     

土壤样本分形几何特征的图像分析方法

土壤水分的持留与水分和溶质的运移,在很大程度取决于土壤孔隙的几何性质,而用数字图像处理方法能够较准确地加以识别。本文采用面积法和周长法分别计算了土壤样本图像的孔隙分形维数和多重孔隙轮廓线分形维数,并分析了它们同土壤质地之间的关系。结果表明,土壤孔隙空间在一定尺度范围内才存在明显的分形特征,土壤质地越细(粘粒含量越高)分形维数越大。与周长法相比较,用面积法计算的孔隙分形维数对土壤质地更为敏感。     

土壤粒径分布单重分形与孔隙单重分形

土壤颗粒大小的分布是重要的土壤物理性质,对土壤水、气、热传导特性有着显著的影响。鉴于土壤颗粒分形在分析和描述岩土介质多孔结构的优势,本文通过对5种不同质地的土样进行颗粒分析与水分特征曲线的测试。结果表明:土壤结构定量化表征的方法就是确定土壤结构的分形维数,针对不同地区的土壤,可以通过土壤粒径分布分形维数体现土壤粒径分布的情况,分形维数越大,颗粒粒径越小,细粒含量越高,质地越发呈现不均匀性;且可利用土壤粒径分形维数估算土壤孔隙分形维数。为建立土壤粒径分布模型提供数据支持,同时也为推进土壤结构的研究进展提供了新的方向。     

广元市不同土地利用类型土壤的分形特征

以8个植被类型、2个农地和2个退耕地的土壤颗粒组成数据为基础，运用分形模型计算这12个土地利用类型土壤颗粒的分形维数，研究了土壤颗粒分形维数与土壤性状的关系。结果表明：（1）12个土地利用类型表层土壤颗粒的分形维数介于2．8185～2．9249之间。与退耕地和玉米地相比，各林地土壤颗粒分形维数小；与1990年的2．8633相比，2006年土壤颗粒分形维数（2．8592）减小；各团聚体分形维数规律不明显。（2）决定土壤颗粒分形维数大小的首先是〈o．002mm的含量，其次是0．05～0．25mm和0．0020．02mm的含量；决定团聚体分形维数大小的粒级含量由大到小的顺序是：2～5mm，0．5～1mm和1～2mm，其余粒级含量对分形维数影响较小。（3）土壤颗粒分形维数与团聚体分形维数可作为侵蚀指标，前者与土壤可蚀性因子相关关系显著，后者也可作为渗透蓄水指标。（4）在坡耕地基础上的退耕地比生态退化后的营林地具有更有利于水土保持的土壤分形特征。     

基于DEM的陕北黄土高原典型地貌分形特征研究

应用分形理论与方法,结合陕北黄土高原1∶5万DEM数据,通过河网分形维数和稳定性系数计算,研究了陕北黄土地貌空间分布特征。结果表明:(1)陕北黄土高原不同地貌类型分形结构复杂程度各异,表现出不同大小的水系分维值和稳定性系数,其中,黄土峁状、梁状丘陵沟壑区地貌结构最为复杂,分维值最大,稳定性系数最小。黄土残塬、黄土塬区分维值次之。黄土—风沙过渡区地形结构简单,地势相对平坦,分维值最低,稳定性程度最高。(2)以分形参数作为定量化指标进行黄土地貌特征研究是可行的,DEM数据集是研究过程中的核心和基础。分形值所描述的分形特征与地貌类型、地质结构等有一定的相关性。此外,对分形几何的地学机理还需要进一步分析。     

基于机器视觉的水果尺寸检测误差分析

介绍了当前应用机器视觉进行水果尺寸检测的现状。根据水果成像时水果、摄像机透镜、水果图像三者之间的相互关系，运用几何光学理论分析了尺寸检测中的各种误差及其原因。水果成像时，由于水果表面各点的高度变化，水果图像上各点所代表的实际长度不尽一致，形成标定误差；水果与摄像机透镜光心之间的距离不可能无穷远，成像后，水果图像的边缘点到形心的距离并不能真正代表水果的半径，形成半径误差；水果中心与摄像机光心偏离后，得到的图像存在形状误差。给出了标定误差的计算公式和半径的估算公式。     

基于计算机视觉技术参考物法测量叶片面积

该研究利用计算机视觉技术采用参考物法测量叶片的面积,研制了无需采摘叶片测量其面积的活体采样光箱,并进行了光箱参数的优化,研究了用极值法求得阈值,并对图像进行阈值化,研究了去除图像中残留杂点的方法,最后验证利用计算机视觉技术参考物法测量叶片面积的可行性,且测量精度和效率都很高     

在MATLAB环境中基于计算机视觉技术的大米垩白检测

提出了利用计算机视觉系统代替人眼对垩白等大米质量参数进行自动检测的方法，以适应农业工程中的自动化的要求。为了验证检测方法的可行性，采用了MATLAB软件开发平台来构造基于计算机视觉的大米垩白检测算法。在对不同的大米图像处理的基础上，完成了对大米垩白参数垩白度和垩白粒率的测定。实验结果表明，本算法及程序设计是有效可靠的。     

果实缺陷面积的计算机视觉测定研究

以提高球形果实表面缺陷面积的计算机视觉测定精度为目的，分析了利用投影图像直接测定球形果实表面缺陷存在的问题；提出并建立了从投影图像恢复球形果实表面几何特征的象素点变换法和边界变换法，并通过试验进行验证。结果表明，建立的两种方法可使测定相对误差减小３５％左右。     

农业自动化领域中计算机视觉技术的应用

计算机视觉技术的应用已扩展到农业自动化领域。该文介绍了计算机视觉系统的组成,概述了国内外计算机视觉技术在农业生产自动化中的应用状况,并对计算机视觉技术应用于农业自动化中存在的问题及发展前景做了概括     

用计算机视觉进行黄花梨果梗识别的新方法

梨的果梗是否存在是分级的重要特征之一。通过计算机视觉系统摄取黄花梨图象,应用图象处理技术完成图象与背景的分割。针对使用细化及收缩膨胀算法识别果梗速度较慢,提出了一种快速算法。该法利用梨果梗直径小,选择不同大小的模板,判别图象中是否存在果梗,同时得到果梗头、底部与梨相交点的坐标,依据切线斜率信息,对果梗的完好性进行判断。试验结果表明,该算法可以１００％判断果梗是否存在,判断果梗是否完好的正确率达到９３％,判别速度提高４～６倍。而且该算法具有一定的鲁棒性,对旋转、移位不敏感。     

基于计算机视觉的粒度检测方法研究

利用计算机视觉技术进行超微粉碎物料粒度检测方法的研究。采用非线性变换对图像进行对比度增强处理，利用自动取阈值算法分割目标和背景，设计了识别算法用于去除凝聚颗粒，以得到样本真实粒度和分布。实验证明用显微图像进行粒度检测，测定分布状态直观明了，检测结果稳定，可测量0.1～150 μm颗粒粒径。     

计算机视觉技术在玉米生产管理中的应用

计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。     

基于计算机视觉的油菜叶面积计算方法研究

介绍了利用计算机视觉技术测量油菜叶面积的原理和方法,并以纸重法为标准对比分析了传统直尺法与此方法在油菜三种类型叶片叶面积测量中的优劣性。结果表明,计算机视觉法在精度上明显高于直尺法,尤其在无柄叶测量中此方法的测量平均相对误差为3.09%,低于直尺法的10.49%,进一步根据标准测量值对直尺法测量无柄叶时的系数进行校正,发现系数选择0.75更为合适。