留胚大米加工工艺与质构特性

通过质构仪对南方籼米稻米进行质构特性研究,探索留胚大米生产过程中的碾米出口压力对留胚率、蛋白质和质构参数的影响。研究结果表明,留胚大米的留胚率随着碾米出口压力的增加而下降,留胚大米的质构参数随着加工时碾米出口压力的增加,呈现先降后升的趋势。研究结果对留胚大米的生产工艺控制具有一定的参考价值。      

影响胚芽精米机留胚率的因素分析

本文在介绍了胚芽精米机工作原理的基础上,就碾米过程中影响留胚率的因素进行了探讨,分析了设计过程中影响留胚率的主要参数和精米机操作过程中影响留胚率的工艺参数.     

基于机算机视觉的杨梅自动检测分级

我国是杨梅的发源地和主产区,地理环境差异大,形成了多样的品种和品质。杨梅以鲜果形式进行销售和食用,销售期很短,因此快速高效的分级具有重要意义。人工分级的劳动强度大、效率低且分级质量不稳定,这些问题在杨梅上体现得更为明显。计算机视觉技术是水果分级研究中的热点,目前已经安装在杨梅采摘机器人上,用于自然环境下的果实识别。本文设计了基于计算机视觉的杨梅自动检测分级系统,经过计算机视觉软件的预处理、灰度化和图像分割后提取杨梅轮廓;然后检测鲜果果径、圆形度和颜色深度,根据相应的等级标准进行分级。系统分级的准确达到92.7%,对大小和果形均具有较高的识别准确率;单幅图片处理耗时0.45s,能够满足实时检测分级的要求。这个系统与合适的分级执行装置结合使用可以达到高效无损的分级效果,为我国杨梅产业可持续发展提供技术支撑。     

粘连大米的碎米率检测技术研究

碎米率是衡量大米的外观品质的一个重要指标。在使用机器视觉技术自动检测碎米率的过程中,大米籽粒粘连的情况常常不可避免。为了分割出单颗大米,提出了一种改进的、基于形态学重建处理的标记分水岭算法,可在分割出的单粒大米的基础上,确定大米的数量,并利用外接矩形来确定米粒的长度,从而检测出碎米率。实验结果表明,在大米粘连程度及含有的碎米量不同的情况下,此方法都具有比较高的检测精度。     

计算机视觉在香芋病害检测中的应用研究

针对传统的人工识别香芋病害的局限性、主观性的特点,基于计算机视觉技术设计了香芋病害识别系统,由病害图像采集装置、图像处理系统、形态特征提取系统和缺陷目标检测系统组成。通过提取香芋叶片的颜色特征和纹理特征,建立香芋病害数据库,并利用支持向量机(SVM)的方法对香芋病害识别。试验结果表明:基于计算机视觉的香芋病害检测系统能够准确识别香芋的病害类别,满足使用要求,能够为后续的香芋病害防治工作提供准确信息。     

《中华人民共和国国家标准(大米)》(GB 1354-2009)中对加工精度和糠粉要求的利弊探讨

文章通过实验,对国标一级大米和自制留胚、留糠粉米中蛋白质的含量进行测定,就《中华人民共和国国家标准(大米)》(GB 1354-2009)中对加工精度以及糠粉的规定是否合理进行探讨,得出留胚、留糠米的营养价值要高于国标一级大米。     

毛叶枣的计算机视觉分级技术研究

根据农业部发布的农业行业标准NY/T 484-2002,基于M Vision Assistant系列软件对毛叶枣提出了一种自动分级方法.以黑色传送带为背景,采用CCD摄像机在毛叶枣样本的滚动中采集图像,通过对图像进行初步分割、灰度化、平滑去噪、增强、边缘检测、二值化等处理得出样本果实大小、表面缺陷大小以及果梗识别,进而借助机械手完成对毛叶枣品质的自动分级,识别结果与人工挑选结果吻合率分别达到:优等品吻合92.43%,一等品吻合96.34%,二等品吻合95.60%,残次品吻合95.95%.     

浸泡玉米脱胚的试验研究

利用锤片式破碎机对浸泡处理后的湿玉米进行脱胚试验。以胚芽分离率和完整率作为指标,对试验数据进行了回归分析,找出了胚芽分离率和完整率的主要影响因素。并以这些因素作为自变量,分别对单指标和加权综合指标进行优化。其结果可直接应用到玉米淀粉加工中。     

农作物病害检测中光谱和图像处理技术现状及展望

精准农药喷洒作业是精细农业中要解决的重要问题之一,喷雾对象的识别和定位是精准农药喷洒作业的核心技术之一。机器视觉与光谱检测是目前最主要的两种自动检测方法。为此,针对国内外在病害检测识别领域研究现状,全面、系统地阐述基于图像处理技术的机器视觉检测法与光谱检测法在病害识别中的研究现状,分析其在病害识别上存在的优缺点。同时,指出今后病害检测的研究方向,使检测系统更具有良好的分割准确性、鲁棒性和实时性,以期实现非结构环境下的病虫害自动检测。     

基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

计算机视觉系统下缺素番茄叶片彩色图像研究

基于计算机视觉系统分析研究缺素番茄叶片的色彩图像,可以准确提取出缺素番茄叶片色彩图像的特征。对当前缺素番茄叶片色彩图像特征提取中,可以运用计算机视觉,优化设计图像处理软件,依据番茄叶片颜色特征来完成缺素番茄叶片的识别。实验表明:基于计算机视觉系统,优化设计缺素番茄叶片色彩图像特征提取软件,可提升缺素番茄叶片色彩图像分析精度(提升32.0%),准确判断提取缺素番茄叶片图像的特征。基于计算机视觉系统,进行缺素番茄叶片的色彩图像特征提取,有效提高了缺素番茄叶片色彩图像分析精度,可在实践中推广应用该技术。     

水稻氮素机器视觉诊断最佳叶位和位点的选择研

选用扫描仪获取水稻叶片的数字图像,通过比较第1和第3完全展开叶 (L1和L2) 颜色参量的空间分布,研究基于机器视觉技术的水稻氮素诊断的最佳叶位和位点选择.结果表明基于机器视觉的水稻氮素营养诊断是有理论依据的,能反映出叶片的营养状况; 选择B、b、b/(r+g)、b/r、b/g作为最优颜色特征参量;比较颜色特征参量对应的变异系数CV,得到低氮处理的CV明显高于正常氮素水平,同时CV随着叶位的增加而减小;不同位点的CV其叶尖和叶基的变化幅度较为接近,不同位点间差异不显著.初步研究选择第3完全展开叶作为水稻无损氮素诊断的最佳叶位.     

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。     

基于计算机视觉的稻谷品种数据库检索技术

利用计算机视觉技术提取稻谷的主要外形特征,初步建立了稻谷品种数据库。研究了稻谷品种数据库的检索技术,提出了将BP神经网络与相似度检索相结合的检索方法。实验结果表明,该方法可有效提高检索效率。     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

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。     

计算机视觉和人工神经网络技术在花生仁外观检测中的应用

本文运用计算机视觉和人工神经网络技术对花生仁检测进行了研究。通过MATLAB对花生仁图象进行数字处理,获取相关数据和参数,建立了破损花生仁与其颜色参数之间的数学关系,并通过此关系自动识别完好与破损花生仁,探索了农产品现代检测方法和手段。     

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.     

基于计算机视觉数据对大棚作物生长趋势的挖掘

设施农业具有可控的环境条件,可以通过工程技术手段实现作物的高效生产。大棚是设施农业的重要形式,能够显著提高作物的抗灾减灾和反季节生产能力。大棚作物的生长状况反映出大棚生产管理的效果,并作为农艺操作和产量预测的依据。为此,开发了通过计算机视觉分析大棚作物的植株颜色和发育阶段等生长信息的方法,利用专家系统挖掘视觉分析数据,评判作物的生长状况,预测后续生长趋势和最终产量。大棚黄瓜的试验结果表明:基于计算机视觉的数据挖掘可以准确评判黄瓜的生长状况,较为准确地预测成熟时期和最终产量,提高了大棚生产的智能化水平。