基于机器视觉的苹果品质在线分级检测

目前苹果分级自动化程度较低,为了实现苹果品质自动、快速、准确分级设计了一套苹果智能在线检测分级系统。以寒富苹果为测试对象,采用机器视觉技术对苹果分级进行研究。采用阈值分割的方法分割苹果正面图像,逐像素遍历法提取苹果外部轮廓,通过计算其各点到重心的距离提取苹果大小特征,同时计算苹果横径与纵径比提取果形特征。采用支持向量机方法分割侧面苹果图像,计算苹果红色像素占苹果像素的比例提取颜色特征,利用Fisher统计识别的方法提取苹果缺陷。实现了整个分级系统的硬件搭建以及软件的功能,利用该系统对400个苹果样本进行了分级试验,结果表明该系统分级的苹果总体正确率达到95%。设计的基于机器视觉的苹果智能在线检测分级系统克服了传统分级方法的不足,加快了苹果品质分级自动化速度,对水果品质分级等领域有重要研究意义。     

基于支持向量机的苹果颜色分级

为了克服苹果颜色分级中存在的误差大等缺点,提出了一种新颖的智能分级方法.设计了基于支持向量机的苹果颜色分级系统,即利用计算机视觉技术获取苹果表面颜色的色度作为颜色特征;依据支持向量机理论,选取径向基函数作为核函数,采用"一对多"的方法构造多类分类机;将苹果的色度特征作为分类机的输入样本,对苹果进行分级.对大量样本进行分级仿真试验,结果表明,该方法分级正确率很高.将支持向量机应用于苹果颜色分级切实可行且效果显著.     

基于改进二进制粒子群算法的苹果多特征提取分级研究

为了提升对苹果分级的准确性,采用改进二进制粒子群算法对苹果多特征进行提取分级研究。首先建立苹果多特征提取量,包括大小、颜色、缺陷、形状特征;然后基于辅助搜索空间的二进制粒子群更新,对粒子位置增加状态翻转因子,根据收敛情况动态地获得单向翻转角度;接着通过Sigmoid函数、高斯函数对苹果多特征进行分级建模,确定了分段函数的参数值;最后给出了苹果分级的算法流程。实验仿真显示,该算法对苹果多特征提取分级的结果较其他算法更准确,且运行时间较少。     

基于K-means聚类和改进MLP的苹果分级研究

为准确实现多特征融合的苹果分级,提出了一种基于K-means聚类和改进MLP的苹果分级方法。该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权以及改进的MLP分级网络训练。首先借助均值滤波算法和直方图均衡化操作改善苹果图像质量;接着借助K-means聚类算法进行背景分割;在果体与背景分割的基础上,依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;然后借助皮尔逊相关性分析和人工挑选偏好权重对特征数据集综合加权,模拟人工分级场景;最后将特征数据送入改进的MLP神经网络中完成苹果的分级定等。通过对400个定好等级的苹果进行分级测试,准确率达到94.25%,验证了分级方法的可行性与准确性。该方法与现行的苹果分级标准相结合,具备时效性强、检测指标完备等分级优势。     

基于机器视觉的苹果重量检测研究

苹果的采后分级能够提高其经济价值和市场竞争力,为了实现基于重量的无接触苹果智能分级,提出了基于机器视觉的苹果重量检测方法.首先,采集苹果图像进行预处理,得到平滑无噪声的苹果二值图像.然后,用最小外接矩形方法获得苹果的横径和纵径等主要几何外形特征,建立以苹果外形几何特征为参数的重量检测回归模型.结果表明,苹果重量检测值相对误差低于2％,最大绝对误差不超过4 g,检测准确性较高.采用非接触式的检测可以克服传统机械式接触对苹果造成的损害,能保证分级后苹果的质量,满足苹果分级生产要求.     

基于自动定向的苹果品质智能分级生产线设计

设计了一种基于自动定向原理的用于苹果品质动态、实时检测的智能化分级生产线,由苹果输送系统、自动定向小车、计算机视觉识别控制系统和分级执行装置组成。其中,苹果输送系统将苹果按分级节拍输送到自动定向小车上,由自动定向小车将苹果果梗花萼轴线定向到垂直于水平面的位置,位于圆周分布的3个摄像头一次性采集苹果表面信息,通过计算机识别控制系统进行智能识别,根据国家标准判断每个苹果的等级,并确定苹果的位置信息,通过计算机识别控制系统发出指令传输给分级控制装置,完成苹果的分级。     

基于K-means与KNN的多特征苹果在线分级

【目的】准确获取红富士苹果的分级指标，为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法，预处理实验所需的苹果图像；使用K-means聚类算法、OTSU最大类间方差法，将苹果灰度图转换为二值图；利用二值图与苹果原图的异或运算，提取苹果轮廓；采用苹果的二值图计算苹果的果实区域大小；使用颜色空间转换RGB-HSV中H通道划分果实红色区域；通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积；构建最小外接矩形计算苹果的果径及果形；利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法，在优于传统图像阈值分割效果的基础上，特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。     

基于机器学习的免套袋苹果缺陷分级

为提高免套袋苹果分级效率,最小化果梗与花萼对缺陷区分的影响,提出了一种基于机器学习的免套袋苹果缺陷分级方法,该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像,利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV(Hue saturation value,色调、饱和度、明度)颜色空间的特征提取疑似缺陷区域,用种子填充法按序标记疑似缺陷区域,并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM(Support vector machine,支持向量机)模型,进行果梗、花萼与缺陷的区分,计算当前图像的缺陷数量与面积,再计算苹果3个不同侧面图像的总缺陷数量与面积,实现免套袋苹果缺陷分级。结果显示,正常区域、果梗区域、花萼区域在SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%,满足苹果分级的实际生产需求。     

苹果在线分级系统设计与试验

【目的】根据苹果采摘机器人结构和作业特点设计与其配套的在线分级系统,满足实时分级需求。【方法】通过预分级机构剔除果径在等级外的苹果,减少视觉分级的无用功;利用力传感器获取苹果质量信息并确定质量等级;通过机器视觉技术实现苹果大小和腐烂面积的检测;借助Matlab和VS2008开发图像处理算法和界面控制程序;构建基于CAN总线的分布式控制网络。对苹果进行综合分级试验。【结果】苹果实际直径与检测直径的决定系数为0.990 3,实际质量与检测质量的决定系数为0.999 6,实际腐烂面积与检测腐烂面积的决定系数为0.985 5,综合分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。【结论】该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。     

基于L-M神经网络的苹果形状快速分级

为了实现苹果形状的有效分级,提出了一种快速的智能分级方法,即将苹果边缘曲线的傅立叶描述子作为果实形状特征,采用先进的Levenberg-Marquardt算法训练神经网络结构,最后用训练好的神经网络进行苹果形状分级.实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达90%以上.     

基于LMBP神经网络的农用车传动系齿轮故障诊断研究

针对农用车传动系齿轮故障多,不适合拆卸检查等实际情况,提出用LMBP神经网络来进行该系统的故障诊断。介绍了LMBP神经网络的结构、算法。通过对传动系振动信号特点的分析,归纳出峰值、有效值等作为输入特征向量的典型网络训练和故障诊断样本。应用Matlab人工神经网络工具箱进行了网络的构建、训练和仿真。分析结果表明,LMBP神经网络训练速度快,能较准确地诊断出农用车传动系齿轮的各种故障。     

基于L-M神经网络的储粮害虫分类识别

基于图像处理的储粮害虫检测过程中,需要解决多种害虫多特征、混合度大的综合分类问题.本文提出采用基于L-M算法的多层前馈神经网络对害虫进行分类识别.实验表明,该神经网络和害虫分类识别系统拟和程度很高,并且采用的L-M算法,在网络训练速度及识别精度方面,都优于传统的BP算法.因此基于L-M算法的神经网络在害虫的在线识别方面有应用价值.     

基于神经网络的高校管理信息化水平评价模型研究

本研究采用频度分析法和领域专家意见相结合,借鉴企业信息化指标的研究结果构建了吉林省高校信息化指标体系;采用了T-S模糊神经网络方法,利用Matlab软件分析,建立高校管理信息化水平评价模型。专家打分200组问卷调查,其中160组结果作为训练样本,40组数据作为测试样本。根据训练好的模型对样本进行测试,训练数据平均误差0.0027,测试数据平均误差0.102。本文研究的T-S模糊神经网络模型应用于预测高校管理信息化评价中可以消除一定的主观因素,得到相对客观的评价结果。     

基于人工神经网络的农用地分等研究 Ⅱ.前置数据优化处理

对基于BP 人工神经网络的农用地分等中出现的原始数据标准化和训练样本的类型典型性问题,提出用数据分类标准化和模糊系统聚类分析建立训练样本集的方法解决.实证研究表明,这两种方法结合应用能充分发挥BP ANN分类器的功效,并获得高精度的结果.     

基于Caffe卷积神经网络的大豆病害检测系统

以常见的大豆病害图片为样本,研究分析了大豆的叶斑病、花叶病、霜霉病和灰斑病,并利用卷积神经网络技术设计了针对大豆的病害检测系统。通过对病害图片的二值化和轮廓分割等预处理来获得神经网络模型的训练集,并在此基础上对模型进行了多方面的优化,利用Caffe框架对优化后的网络模型进行了识别率等方面的实验验证。此外,为提高模型使用的便捷性,本实验使用了Qt软件为该系统设计了人机交互界面,从而进一步实现了数据可视化。     

基于正交基函数对向传播过程神经网络的语音识别方法

针对特定人孤立词识别任务,传统的语音识别系统中构造的神经网络模型主要采用BP神经网络和径向基函数网络,为了解决这两种神经网络构造下的语音识别系统对训练样本需求量较大和识别率较低问题,提出了一种基于正交基函数展开的混合学习算法,并应用于语音识别中,同时与传统的BP神经网络、径向基函数网络进行了比较.仿真结果表明,采用对向...     

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。     

BP神经网络方法在城市土地生态安全评价中的应用——以武汉市为例

以武汉市为例,选取21个指标构建土地生态安全评价指标体系,选用BP神经网络方法,通过输入指标数据对网络进行训练,评定出武汉市土地生态安全等级。结果表明2,008、2009年武汉市土地生态安全为一般安全等级,2010年为较为安全等级。BP神经网络是一种切实可行的高信度的生态安全评价方法。     

基于BP网络的查新工作人员服务质量评价研究

将BP神经网络理论应用于查新人员服务质量评价领域,采用定量、定性相结合的方法。建立查新员服务质量评价体系及其影响因素之间的非线性关系。通过采集数据对模型进行训练和测试,表明采用该方法所建立的评价模型是有效的。为考核评估查新员工作状况,促进查新队伍健康良性发展提供积极方案。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.