标准烟叶数据库的图像检索

提出把图像的形状特征、颜色特征和纹理特征相结合的方法进行基于内容的图像检索。通过对人的视觉检索过程的研究，提出把数据库中的图像依次分别按形状特征、颜色特征和纹理特征分级聚类的方法，既符合人的视堂特点又大大提高了检索效率。     

基于视觉识别技术稻谷品质分析装置与试验研究

随着人们对稻谷品质要求越来越高,检测品质识别技术在农业中得到多方面使用。为此,针对检测稻谷品质精度和质量的设备单一、人工干预较多等问题,设计了一种基于视觉识别技术的稻谷品质分析装置,并分别介绍了装置的工作原理和重要部件。同时,利用MatLab软件建立相应函数和Canny边缘检测算法模型,并对稻谷数目精准检测和烘干后产生爆腰粒的识别及在线称重,结果表明:提高稻谷品质装置的自动化检测水平和工作效率,对其提升稻谷爆腰率检测及高效识别数目有重要的研究意义。     

智能检索及跨库检索技术在数据库建设中的运用

本文分别对智能检索技术和跨库检索技术在数据库建设当中的应用进行了分析,并将其与传统的数据检索库建设以及相关技术结合阐述,希望能够为有关行业未来的优化和数据库建设提供参考.     

基于特征融合和SVM的稻谷品种识别

为快速有效地识别稻谷品种,提出一种基于特征融合和SVM的稻谷品种识别方法。采集华南双季稻区4种不同的籼稻品种(象牙香占、江航丝苗、小农占和五优234),采用图像处理的方法对稻谷图像进行灰度化、二值化和形态学处理等预处理操作,提取稻谷图像的形状特征和颜色特征,建立单特征模型和融合特征模型,构建SVM分类器,进行稻谷品种识别试验,并进行模型选择和讨论。结果表明,两两品种差异性显著的6个形状特征参数为:面积、长轴长、短轴长、离心率、周长和形状因子;形状特征模型对于不规则形状和大小的谷粒品种具备较好的识别能力;与BP神经网络识别模型相比,SVM模型的识别率更高、时间更短。基于特征融合和SVM的稻谷品种识别获得较高的准确率99.50%和较短的识别时间0.165 s,可满足稻谷在线识别与质量检测的精度和实时性要求。     

稻谷固定床深层干燥的计算机模拟

针对稻谷固定床深层间歇干燥过程中的加热和缓苏两个阶段建立了数学模型，用C语言编制了相应的运算程序。用该模型计算了不同干燥介质温度和湿度、不同粮食初始含水率和温度条件下，不同层厚处稻谷的含水率和温度，计算结果与试验结果基本相符。     

稻谷吸附与解吸等温线的计算机模拟

稻谷平衡含水量与水分活度的关系是稻谷干燥和贮藏过程中的重要参数。本文根据文献［２］的模型,初步开发出稻谷吸附与解吸等温线拟合软件。软件建立了吸附与解吸实验数据库,通过数学模型拟合出吸附与解吸等温线,同时计算出相关参数。     

基于计算机视觉的萝卜幼苗自动识别技术

为实现萝卜幼苗间苗作业的自动化，提出并探讨了适于萝卜幼苗自动间苗的播种方式，通过对萝卜幼苗彩色图像的分析，提出了由突出绿色方法和亮度组合的灰度化方法、最大方差自动取阈法及快速区域标记等构成的自动识别算法。对从田地中拍摄的250幅萝卜幼苗图像的识别处理结果表明，该算法能够识别出图像中的各株萝卜幼苗。     

一种基于机器视觉的稻谷种子轮廓提取方法

0引言 我国水稻种植面积广阔,稻谷品种繁多.稻谷种子质量直接影响着粮食产量,因此,识别种子的品质,即种子真实性和品种纯度的确定显得尤为重要.目前,稻谷品种的鉴定识别方法主要有2种:化学方法和田间小区种植方法.其中,利用化学方法识别稻谷品种成本较高,而田间小区种植法实验周期又太长,它们都只在科研院所进行小批量的稻谷品种识别中适用.     

计算机视觉技术在农业机械中的应用

分析了计算机视觉技术的特点，概述了其发展过程；回顾和综述了计算机视觉技术在自动检测机械、智能收获机械、农业智能加工机械、智能田间作业机械等方面的应用；提出了计算机视觉技术在农业机械应用研究中需要重点解决的几个问题。     

基于计算机视觉技术的向日葵种子分选系统设计

针对世界四大主要油料作物之一的向日葵种子的分选问题,结合近红外技术和计算机视觉技术,进行了根据向日葵种子内部含油率高低不同的自动分选系统设计开发。依据不同含油率种子在近红外光下的成像特征,将向日葵种子区分为两个级别。该系统由Labview计算机视觉系统、红外光发生器、图像采集卡、黑白照相机、40 W的环形灯、白色的照相纸及X射线图像处理工作站组成。运用所设计样机进行向日葵种子分选试验,结果表明:与化学分析方法相比较,本系统设计含油率分选准确,从而为满足不同市场需求的向日葵种子分选提供一种方便、快捷的方法,提高了向日葵种子的市场价格经济效益。     

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%。     

计算机视觉在大米胚芽识别中的应用

提出了有计算机视觉系统代替人眼对大米胚芽进行自动识别的方法。通过对胚芽米的颜色特性和彩色图像的分析研究,首次提出以饱和度Ｓ作为特征参数进行胚芽和胚乳的识别,从而实现了对大米留胚率的自动检测。以建立和识别指标和方法用计算机视觉系统进行胚芽识别,结果与人工检测吻合率达８８％以上。留胚率的自动检测结果与人工检测结果高度吻合。     

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.     

利用计算机视觉定量描述茶叶色泽

选择ＨＩＳ颜色系统描述茶叶颜色,并对颜色描述系统模型进行了改进,使之能更好地模拟理想颜色模型。在此基础上对自然存储条件下不同年份生产的龙井茶的茶叶色泽和汤色进行定量测量,测量结果：利用计算机视觉能定量地茶叶色泽随储藏时间的变化。     

自然场景下成熟水果的计算机视觉识别

研究在自然场景下成熟水果的识别技术。比较HSI颜色空间转换的几种方法：球体法、柱体法和双锥体法等。球形：HSI颜色转换系统在本研究中产生较少的奇异数据,被采用。将图像的RGB值转换成色调、饱和度和亮度值,并将色调和饱和度结合产生融合图像,以消除地表、天空等背景的影响。利用Otsu算法自动获取分割阈值,提取目标区域。将提取的区域形态特征进一步分割图像,去除与颜色类似的枯叶和其他背景,提取成熟水果区域,分割效果显著。     

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机械中的应用

分析了计算机视觉技术的特点,概述了其发展过程;回顾和综述了计算机视觉技术在自动检测机械、智能收获机械、农业智能加工机械、智能田间作业机械等方面的应用;提出了计算机视觉技术在农业机械应用研究中需要重点解决的几个问题.     

计算机视觉技术在番茄收获中的应用

运用双目立体视觉技术对红色番茄进行定位,图像进行灰度变换后,对图像的二维直方图进行腐蚀,膨胀以后除小团块,提取背景区边缘,然后用拟合曲线实现彩色图像的分割,将番茄从背景中分离出来,对目标进行标定后,用面积匹配实现共轭图像中目标的配准,运用体视成像原理,从两幅二维图像中恢复目标的三维坐标,从实验数据可知,当目标与摄像机的距离为300－400mm时,深度误差可控制在3％－4％。