基于计算机视觉信息处理技术的苹果自动分级研究

随着社会经济的快速发展和人们消费水平不断的提高,消费者在购买苹果时对其品质的要求也越来越高。在传统农产品加工作业中,导致分级精度低和劳动生产率低。利用计算机视觉信息处理技术,依据主特征参量对苹果进行自动分级,相较于传统的苹果等级人工分离方法,不仅提高了苹果等级分离的正确率,且极大地节约了劳动力。     

计算机视觉苹果分级系统

回顾了计算机视觉技术在苹果品质检测和分级中应用的进展,提出了计算机视觉苹果高速分级的系统模型。计算机视觉苹果分级系统可以对苹果的外部缺陷、色泽、尺寸和形状进行全面的检测,在此基础上,可对苹果进行高速和精确的分级。     

基于计算机视觉的苹果自动分级系统硬件开发

介绍了一种基于计算机视觉的新型苹果实时分级试验系统的硬件组成,该系统主要由输送机构、视觉系统及均匀照明室３部分组成。输送机构可把苹果４个表面快速呈现给视觉检测系统;视觉系统可同时采集苹果在可见光和近红外光谱范围内的图像信息并送至计算机内存进行处理;照明系统为ＣＣＤ摄像机的视区提供均匀、恒定的光照。初步试验表明了该系统的可行性,其辅助机构的实时分级算法有待于进一步研究。     

基于机器视觉的苹果大小自动分级方法

介绍了采用机器视觉的苹果大小自动分级方法,利用CCD摄像机获取苹果的样本图像,应用MATLAB软件编程实现了对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理,参照苹果分级的国家标准完成了苹果自动分级.试验表明,此方法分级精度高,且速度快.     

计算机视觉在种子品质检测和分级中的应用

计算机视觉技术在农业领域中的应用已经越来越广泛,种子资源的品质检测和分级中的应用是其中的一项重要课题.为此,介绍了计算机视觉系统的基本处理过程和信息的分类识别算法,分别讨论了计算机视觉在种子的形状、颜色、纹理检测方面的实际应用情况.最后,指出了计算机视觉应用于种子资源检测中存在的问题.     

苹果自动分级中计算机视觉信息处理技术的研究

在VC 开发环境下系统对苹果自动分级中计算机视觉信息进行处理,提出了一种苹果分级的R通道方法,对苹果视觉信息进行区域标记。实验结果显示,该方法可满足实际应用的要求。     

山竹的计算机视觉分级方法

提出了一种基于计算机视觉技术的山竹大小和颜色分级方法.针对以蓝色滚子为背景的山竹图像,在RGB色彩空间使用双阈值对图像进行初步分割;然后通过形态学运算、轮廓跟踪、区域填充提取出整个山竹目标;最后由颜色因子2G-R-B和G识别出果柄、果蒂和果皮.由果柄、果蒂区域形心和果皮区域形心位置判断水果的姿态,提取水果的最大横径作为大小分级指标;在HIS颜色空间以果皮区域的饱和度S和色调H的差值作为颜色分级指标.选取200个山竹进行分级试验,试验结果表明:果径检测精度为±1.8 mm,颜色分级串级果最大比例为10.2%.     

计算机视觉技术在农业中的应用

计算机视觉技术是模式识别与人工智能的一个重要领域,其应用已扩展到农业领域的诸多方面。为此,介绍了计算机视觉的概念及其系统组成;概述了计算机视觉技术在农业中的应用状况;并指出了计算机视觉技术应用于农业所存在的问题及其发展前景。     

计算机视觉技术在玉米种子自动检测中的应用

玉米种子的品质关系到后期玉米种植收获的好坏,也是玉米收获后的重要加工环节,一般在收获的玉米中挑选出品质优良的作为种子。利用计算机视觉对玉米种子品质进行挑选,具有效率高、准确度高的优势,可代替传统的人工作业,节省了大量劳动力。计算机视觉技术是通过对玉米种子采集的图像进行格式转换、图像变换、图像直方图信息统计、图像增强、图像分割及形态学处理等一系列图像预处理技术,并提取有效图像进行分析验算。计算机视觉技术对玉米种子品质的研究主要表现在玉米种子的品种、纯度、活力、裂纹等方面的检测,本文对玉米种子的检测智能化进行了阐述,为后期研究提供参考。     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.     

计算机视觉技术在苹果叶片营养诊断上的应用

植物营养诊断方法很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具.随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,其在农产品诊断领域应用计算机视觉已变得越来越具有吸引力.苹果叶片营养状态诊断是进行合理施肥的前提,因此具有非常重要的意义.     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统.工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得...     

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法(多卷积神经网络融合DXNet模型).首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15 000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络...     

基于机器视觉的大豆叶部蚜虫自动计数系统的研究

目前蚜虫种群动态调查大都采用人工计数方式,工作量巨大且准确性难以保障.为此,利用机器视觉技术对蚜虫进行自动计数,采用HSI颜色系统对图像进行处理,将蚜虫从大豆叶片中分离出来,同时给出计数算法.结果表明,该方法计数结果准确、速度快,是实现蚜虫计数的一种行之有效的方法.