基于机器视觉的大米外观品质检测装置

设计了一套基于机器视觉的大米外观品质参数检测装置,实现了对垩白度、垩白粒率、黄粒米和粒型参数的检测。该系统基于嵌入式计算机系统,应用改进的流域分割算法实现了粘连籽粒图像的分割,应用BP神经网络实现了垩白米的检测,应用色度实现了黄粒米的检测,应用极坐标下的长短轴快速检测算法实现了粒型的检测。试验结果表明,该装置对垩白粒率的检测精度为±2%,垩白度的检测精度为±1%;对黄粒米的检测精度为±5%;粒型的检测精度为±4%。     

基于机器视觉的荔枝品质快速自动检测

荔枝的产后品质检测是进入市场前的一个重要工序,对提高荔枝商品化的处理水平、增强其市场竞争力以及提高其附加价值具有重要的意义.基于机器视觉的检测方法能在无损伤的前提下,快速准确的进行检测,具有良好的可靠性.为此,基于机器视觉技术,提出了一种荔枝品质快速自动检测的方法.利用深度学习中的SSD算法结合多视窗检测方法,对视觉获...     

基于机器视觉的石榴品质自动分级方法

采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题,提出一种基于机器视觉的石榴品质分级方法。首先,采用机器视觉系统采集石榴样本图像,进行去噪处理与获取掩模图像;其次,提取去噪图像的红、绿、蓝分量,用蓝色分量减去红、绿色分量得到色差图像,并对色差图像进行阈值分割;然后,对分割图像采用数学形态学处理获得连通的疑似缺陷区域的边界,提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域;最后,将缺陷面积与总面积之比和缺陷数目作为划分等级的依据,对石榴品质等级进行划分。试验结果表明：本方法总体分级准确率达到92.9%,能够高效、准确地识别石榴表面缺陷并进行品质分级,为实现自动分级的产业化提供思路。     

机器视觉技术在稻米品质检测中的应用进展

机器视觉技术在食品、农产品的检测、分级中具有广阔的应用前景。为此,综述了机器视觉技术在稻米品种、胚芽、爆腰、黄粒米等方面进行检测的研究动态,并指出了机器视觉技术在稻米品质检测中存在的不足,为进一步应用机器视觉技术提供参考。     

基于机器视觉的大米外特性评价

目前,我国稻米品质评价方法尚处于依靠肉眼观测阶段,如何按照国家实施的评价标准,通过外观品质的指标参数对不同品种稻米划分等级成为新的研究课题.为此,采用机器视觉的方法对大米的外观品质进行研究,在参照国家稻米外特性评价标准基础上,将各品种稻米划分等级,最后利用神经网络建立检测模型,从而为预测未知米样奠定了基础.     

基于机器视觉的荔枝果实采摘时品质检测技术

为了在荔枝采摘时实时判断果实的品质状态,通过分析自然环境中荔枝不同生长期的图像,对荔枝果实未成熟、成熟、成熟后外表腐烂变质的3种情况进行了图像数据分析。选取了YCbCr颜色模型,利用探索性分析法对荔枝不同部位、不同光照、不同生长期的荔枝图像的Cr分量进行了数据分析与统计,确定了辨识荔枝果实未成熟与成熟的Cr分量的阈值范围;对于成熟的荔枝,采用边缘提取与Hough圆拟合方法对其Cr分量图进行处理,标记出图像的荔枝果实,然后利用纹理统计法、颜色特征与果实不同部分面积比值相结合的方法进行果实变质的判断,最终实现了未成熟、成熟以及腐烂变质的荔枝果实的视觉智能判断,建立了荔枝果实品质辨识的智能系统。试验结果表明,辨识荔枝品质状态的正确率达93%。     

基于机器视觉的白菜种子精选方法研究

针对白菜种子,以北京小杂55号为研究对象,使用机器视觉技术获取种子10个颜色特征和6个形状特征,再通过单粒种子萌发试验确定种子活力,并使用曼-惠特尼U检验分析种子活力与图像特征的相关性。将显著相关图像特征与种子发芽实验结果组成数据集,结合偏最小二乘判别分析法建立分类模型,并通过MatLab软件进行了仿真分析。结果表明:白菜种子的R分量均值、R分量标准差、G分量均值、G分量标准差、B分量标准差、H分量均值、H分量标准差、S分量均值、S分量标准差和圆形度P与白菜种子活力显著相关。结合这些特征,使用偏最小二乘判别分析法建立分类模型,进行种子精选,可以将该批白菜种子发芽率由原始50.67%提升至69.43%。由此表明,可通过机器视觉技术对白菜种子进行精选,从而提高种子的活力。     

机器视觉技术在谷物外观品质检测研究现状的分析

随着图像处理技术的专业化与计算机硬件成本的下降和计算机速度的提高,机器视觉技术在农产品品质自动检测领域应用已经越来越广泛。为了能充分利用国内外的最新研究成果,从小麦、水稻和玉米3种谷物综述了国内外在利用机器视觉技术进行外观品质检测的研究现状,同时,指出当今国内外研究中存在的问题和对今后研究的进一步展望。     

黄花梨品质检测机器视觉系统

以黄花梨为研究对象,比较了不同强度光源、不同背景对采集到的图像的影响,研制了一套适用于黄花梨及其他水果品质检测的机器视觉系统。试验结果表明,在白色背景、普通光源照明下,可以获得清晰度较高的图像,为进一步研究黄花梨的尺寸、形状和表面缺陷等的检测创造了条件。     

中国柑橘外部品质机器视觉检测分级技术研究现状与展望

柑橘外部品质是影响消费者采购和决定市场价值的重要因素之一。柑橘颜色、大小、形状和缺陷等外部品质指标的人工检测与分级费时、费力并且主观性强。因检测结果客观性好、自动化程度高,传统机器视觉技术和高光谱视觉技术成为果蔬外部品质检测技术与装备研究的热点。综述了我国机器视觉技术和高光谱视觉技术在柑橘外部品质检测技术与装备的研究现状、面临的挑战和未来发展的方向。      

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。     

动态喷洒系统计算机视觉的研究与设计

传统农业中覆盖式喷洒除草剂,不但浪费除草剂和人力资源,而且污染环境,因此采用计算机视觉技术把杂草从农作物和土壤的背景中识别出来,定量与定位地喷洒化学制剂就显得极为重要.动态杂草识别与喷洒系统不但与识别算法有关,还与摄像头的安装高度、安装角度以及喷头的距离有很大的关系.为了达到精确喷洒的目的,对系统的计算机视觉部分进行了深入的研究和设计,通过大量试验进行验证,为动态杂草识别与喷洒系统的精确喷洒做好了充分的准备.     

多功能排种器性能试验台的设计与试验

设计了多功能排种器性能试验台,采用胶带运动、排种器固定不动的相对运动形式,模拟播种机田间运动,通过计算机视觉系统对胶带上的种子进行拍摄,并实时检测出精密排种器粒距、条播排种器单位长度内粒数等参数,从而计算出合格指数、漏播指数、重播指数以及均匀性等排种器性能指标。稳定性试验表明:粒距检测的最大偏差为0.78mm,粒数检测的最大相对误差为0.7%。     

计算机视觉在水稻大面积制种中的应用研究

水稻是我国最主要的粮食作物,在农业经济中占有重要的地位。水稻种植环境多样,高产稳产在很大程度上依赖于优良品种。制种是杂交稻生产的关键环节,种子质量对产量有着决定性的影响。随着科学技术的发展,无人机、物联网和计算机视觉等新技术在农业中得到了应用,推动了农业现代化进程。为此,将计算机视觉用于水稻大面积制种,实现对田间的空行和杂草杂株的识别,以及对父母本抽穗期的监测。试验表明:计算机视觉能够有效识别水稻空行,对杂株杂草的识别较为准确,没有出现误检的情况。计算机视觉监测的父母本抽穗期与实际接近,最大差异仅为1天,可以提高杂交种产量和纯度,推动水稻制种技术的发展。     

排种器试验台检测系统的设计与试验

基于计算机视觉和自动控制技术,设计了排种器试验台检测系统.该系统适用于各种排种器的精播、穴播及条播性能的试验和检定,并可生成丰富翔实的试验数据报表.为此,论述了检测系统的设计与构成,对排种图像采集处理的总体流程、图像的拼接、阈值分割和种子边缘提取等内容一一做了叙述,并讨论了数据的综合处理、各种统计和评价的依据等.同时,为了检验该系统的可靠性和准确性,在JPS-12排种器试验台上进行了多种速度下的玉米精播性能检测试验.     

玉米定向精播种粒品质动态检测方法研究—基于计算机姿态识别

首先介绍了基于视觉的目标对象检测算法,然后介绍了计算机姿态识别与传感器检测技术,并确定了玉米定向精播种粒品质动态检测方法,进行了实际的测试试验.测试结果表明:基于计算机姿态识别的玉米定向精播种粒品质动态检测准确率在95％以上,精准度较高,符合设计需求,能够实现对玉米定向的精准播种,对玉米种粒的无人化播种具有重要的现实意...     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

蔬菜种子除芒机结构的设计与分析

简述了我国蔬菜除芒机械现状,提出了种子除芒机的设计原理,设计了5CM-135型蔬菜种子除芒机。同时,重点对该机械的主要部件进行了设计计算,确定了影响性能的主要结构,探索了新的工作原理和新的结构设计。通过田间试验验证了机械的性能良好,达到了技术标准。该机械工作可靠、生产率高,为进一步研究除芒机理与机具提供了依据。     

农作物种子质量鉴别方法研究

优质农作物种子对于夺取农业丰收来说至关重要,农民有必要掌握一些种子质量鉴别方法。介绍大田种子和蔬菜种子的一些简单、易操作的鉴别方法,并针对凌源市设施蔬菜生产需要介绍常用设施蔬菜种子的质量鉴别方法,以期为农民在选购种子时提供依据,避免购买到假劣种子造成经济损失。     

基于梯度分布不均匀性的干瘪红枣识别

为了从混合的饱满红枣和干瘪红枣中识别出干瘪红枣,首先分析了颜色空间模型的特性,选择灰度图、RGB颜色空间模型的R分量、L*a*b*颜色空间模型的a*分量,并使用不同的梯度算子作为对比;然后通过形态学运算、逻辑运算去除异常梯度,进行梯度归一化变换;最后采用归一化的梯度直方图作为红枣表面的纹理特征表示方法,并计算其梯度分布不均匀性作为判别准则。利用12通道红枣分选机采集240幅饱满与202幅干瘪红枣图像作为样本图像。实验结果表明,采用简单梯度算子对L*a*b*模型的a*分量提取纹理信息效果最好,误判率为0.83%,正确识别率高达99.01%。