共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
汪小玲 《西南大学学报(自然科学版)》2016,38(8):35-39
若两个图G和H的匹配多项式相等,则称图G和H匹配等价.用δ(G)表示图G的所有不同构的匹配等价图的个数.计算了δ(sK_1∪t_1C_6∪t_2C_(15)). 相似文献
4.
5.
6.
基于计算机视觉的立木枝干直径自动测量方法 总被引:1,自引:1,他引:1
立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高. 相似文献
7.
针叶苗木计算机视觉特征提取方法 总被引:7,自引:0,他引:7
为解决基于计算机视觉技术的针叶树种苗木自动分级系统的关键技术问题,提出了一种应用精确定位的苗木图像特征标志点提取苗木计算机视觉特征的新方法。该方法通过分析苗木的形态特征。利用苗木图像灰度矩阵和背景分离的灰度矩阵分别得到了5个特征标志点和苗木轴向边缘标志点矩阵。并在标志点的基础上,应用相应的计算方法实现了苗高、地径、根长、冠投影面积、根投影面积等12个苗木视觉特征量的提取,为苗木自动分类器提供了有效的特征输入。实验结果表明,本方法具有计算速度快、易于实现、测量准确等优点。 相似文献
8.
9.
利用多幅多角度的拍摄方法对二维图像进行采集,通过数字化处理得到单株水稻各视角侧面投影及轮廓图像。然后使用基于计算机视觉的三维重建方法,构造单株水稻的可视立体包络,从而得到单株水稻的三维立体像素模型。使用移动立方体算法对单株水稻立体像素模型进行外围表面重建,最后得到单株水稻三维重建模型。 相似文献
10.
为了实现鸭蛋重量的智能检测,提出基于计算机视觉鸭蛋重量检测方法。首先构造鸭蛋图像的灰度—梯度共生矩阵,根据最大熵原理求出最佳灰度和梯度分割阈值,实现二维阈值分割;其次采用数学形态学方法进行分割图像后处理,去除蛋壳表面存在的伪目标,统计鸭蛋区域像素点;最后利用多项式拟合方法建立面积与鸭蛋重量关系。试验表明,检测误差在±2g以内,平均误差为-0.13353 g,检测精度能够满足生产加工需求。 相似文献
11.
12.
计算机视觉技术在工厂化农业中的应用 总被引:13,自引:0,他引:13
近年来我国工厂化农民发展迅速,但自动化程度不高,因此将计算机视觉技术引入设施农业对于提高温室的智能化控制水平具有重要意义。从利用计算机视觉对植物生长监控控制和开发农业生产机器人2个方面综述了国内外的研究进展,根据目前国内外研究现状及存在问题对未来发展方向进行了预测,认为今后的研究方向主要在图像处理硬件的开发、神经网络技术的应用和图像处理新方法的研究等3个方面。 相似文献
13.
14.
朱从容 《浙江水产学院学报》2008,(4):439-443
介绍了计算机视觉技术的概念及其系统组成,综述了计算机视觉技术在鱼种及形状识别、鱼只计数、鱼体尺寸和重量测量、投饵监控和鱼的行为监测中的应用。 相似文献
15.
16.
为了实现计算机视觉对竹块的自动识别与颜色分类,研究了竹块图像的颜色特征、颜色分类方法。首先,将原始图像由RGB空间转换为HSI空间,用OTSU法确定阈值对原图灰度图像分割背景,用radon变换倾斜校正,提取竹块颜色判定有效区域,并计算其HSI的均值和标准偏差,作为特征参数输入BP网络进行训练。结果表明,该方法简捷有效,人工神经网络与人工分级的平均一致度为94.5%。 相似文献
17.
18.
鸡蛋表面积参数已广泛应用于蛋品加工业以及生物学的研究上,但其传统手工检测方法存在着效率低的缺点.基于计算机视觉技术,提出了一种像素面积投影法来计算三维目标的表面积,该方法简单易于实现,且对任意不规则目标表面积的估算都适用.以3种特殊曲面的表面积为例,验证了该估算方法的精确度.通过对鸡蛋建立旋转椭球数学模型采用像素面积投影法进行了计算,并与实验数据对比,二者相对误差小于10%,满足实际工程需求. 相似文献
19.
20.
计算机视觉技术在农产品检测中的应用 总被引:1,自引:0,他引:1
农产品品质检测是保证农产品质量和农产品安全的关键环节,而品质的检测和控制往往是基于成分分析之上.但是,无论是化学分析还是仪器分析,其试样的前处理、实验本身的耗时性以及对物料的破坏性又是许多场合所不允许的.例如,小麦和油菜籽按品质分仓贮运,用标准化学分析方法测定小麦中蛋白质含量需2 h,油菜籽中油脂含量需18 h,赖氨酸含量约需2d[1],机器视觉检测技术是一种非破坏的检测技术,既在不破坏样品的情况下对其进行品质评价的方法,该技术则以它的快速、准确、实时性,弥补了这一缺陷,因而受到许多研究者的青睐.计算机视觉检测技术在国外研究较早,近年来,国外在利用计算机视觉技术对农产品检测上研究好多已达到商品化.而在我国,虽然报道也很多,但到目前仍处于理论探索阶段.本文在这里简单的介绍最近国内外计算机视觉技术在农产品检测中的应用研究,并对目前的发展状态提出见解. 相似文献