水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景,研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法,建立了图像中的点与被测物体上的点之间的定量关系;提出了利用物体的边界信息求出物体的形心坐标的新方法。结果是：所测水果最大横径与实际最大横径的相关系数为0.96;采用像素点变换法,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想;提出了一种新的面积修正方法,进一步提高了面积检测的精度,从而为研究开发机器视觉水果品质检测系统打下了基础。     

水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景 ,作者研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法 ,建立了图像中的点与被测物体中的点之间的定量关系 ;提出了仅需利用物体的边界信息求出物体的形心坐标的新方法 ;所测水果最大横径与实际最大横径的相关系数为 0 .96;采用像素点变换法 ,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想 ;提出了一种新的面积修正方法 ,进一步提高了面积检测的精度 ,从而为进一步研究开发机器视觉水果品质检测系统打下了基础 .     

基于智能手机方位传感器的叶面积测量校正

针对使用智能手机野外测量叶面积时很难保证主光轴与叶平面垂直导致测量精度下降的问题,采用针孔相机模型和数字图像处理技术相结合的方法,对叶片平面和手机平面存在夹角时的叶面积测量建立误差校正模型并进行研究。1)以10片不同大小的椭圆形模拟叶片对开发的android App进行仿真测试,结果显示,叶面积测量值与理论值之间的决策系数高于97%,并且随着叶片与手机平面夹角的增大而减小,校正后的相对误差为-6%~8%,未校正的高达41.4%。2)以向日葵、番茄、辣椒和茄子等植物叶片对误差校正公式进行验证,结果显示,当夹角15°,拍照高度为30~65cm时,叶面积测量的相对误差为-6%~6%,未校正的为-27.5%~25%。     

计算机视觉摄影测量的数学模型

计算机视觉摄影测量模型是通过计算机视觉进行事故现场测量系统设计的基础,根据摄像机成像基本关系,建立了描述空间点及其二维成像间的摄影测量数据模型考虑了成像系统的对称性镜头畸变误差,建立了线性摄测数学模型,通过试验分析了模型的理论精度和标定精度。     

鸭蛋大小等级模型研究

应用机器视觉 ,研究出鸭蛋大小自动分级模型。鸭蛋的面积尺寸是鸭蛋大小分级的重要依据 ,鸭蛋的重量与所成像的像素面积成正比。鸭蛋大小等级模型具有显著性和可靠性 ,鸭蛋大小的检测误差在± 3g之间 ,能够满足生产的需要     

基于可见光波段成像的水果品质检测方法研究进展

水果的外观特征是水果品质鉴定和分级的关键依据.近年来,机器视觉技术在水果品质检测领域得到广泛应用.根据应用现状,文章对基于可见光波段成像的机器视觉技术在水果大小形状、颜色、虫害及缺陷检测等方面的应用研究进展进行了综述,并对一些较新的先进算法在该领域的应用情况和发展趋势进行了介绍.     

水果输送翻转及卸果装置的设计

针对目前水果智能化分级系统功能单一化且对水果产生较大损伤等问题,通过运用电子技术、计算机技术和图像处理、模式识别技术,设计了一种能适于高速分级,且集称重与机器视觉双重功能于一身,并能实现水果平稳输送翻转及卸果的装置。试验结果表明,该装置能很好地满足水果快速分级及平稳输送翻转的要求,对提升智能化水果分级系统功能具有重要作用。     

鸭梨品质检测计算机视觉系统研究

本系统在虚拟仪器的基础上,对鸭梨进行了利用机器视觉技术检测外部品质的试验研究.本系统可以对鸭梨的果面缺陷、颜色、尺寸和形状进行全面的检测.在此基础上,可对鸭梨进行精确的分级.     

基于计算机视觉的立木枝干直径自动测量方法

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.      

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究

对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究.在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理.提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76％ Brix,相对分析误差为2.44.在分级研究中,选择712 nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5％.结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究.     

1种提高布氏硬度测量精度的方法

针对目前布氏硬度测量中常用读数显微镜测量压痕直径的方式精度不高的问题,根据布氏硬度计算公式,使用自制带有改装测头的百分表直接测量压痕深度的方法来测量试样的布氏硬度.结果表明：该方法测得的硬度平均误差为1.98%,比用读数显微镜测压痕直径的误差减小1.32%.     

水果机器视觉质量综合分选机的设计研究

人们在选择水果的时候,往往会根据水果的外观(如颜色、大小等)来对水果的质量进行评判,但是这种评定方法没有理论依据。为了满足人们对水果外观品质与质量综合分选的实际需求,相关技术人员设计了一种水果机器视觉质量综合分选机,以实现对水果的全面综合检测,自动对水果进行分级选择。基于此,本文对水果机器视觉质量综合分选机的设计进行介绍,加深人们对分选机的认识。     

单目机器视觉测量精度可靠性建模与分析

为定量研究单目机器视觉测量机械零件长度、角度、直线度和平行度的精度问题,提出一种机器视觉精度可靠性建模与分析方法。该模型综合考虑外界光照、随机噪声、待测物体与观测台夹角、相机畸变和边缘检测算法对单目机器视觉测量精度的影响,采用蒙特卡洛法并结合常用的边缘检测算法模拟不同工况下单目机器视觉测量机械零件长度、角度、直线度和平行度。将实验结果与模拟结果比较得到：长度误差、角度误差、直线度公差和平行度公差分别相差0.22μm、0.007 3°、0.002 2 mm和0.031 9 mm,验证了该方法的有效性。     

水果尺寸在线测量的智能柔性手爪设计

针对目前水果自动化分级中手爪普遍缺少抓取力和水果尺寸信息而感知能力不足的问题,设计一种具有抓取力和水果尺寸原位动态检测功能的柔性手爪。首先,设计一种基于单气道多腔体结构的智能柔性三指手爪,其中一根手指通过悬臂梁力传感器竖直安装于手掌上用于检测力触觉,一根手指内嵌柔性弯曲度传感器用于检测手指的弯曲度,另一根手指直接固装于手掌上;设计力觉传感器和弯曲度传感器调理电路,并分别进行标定。其次,提出基于力觉传感器和弯曲度传感器融合的水果尺寸原位测量方法,推导基于手指弯曲度的水果尺寸测量公式,并通过有限元分析和试验进行验证。有限元仿真结果表明,基于手指弯曲度的水果直径测量误差小于5%;通过分别对不同直径(15 mm、25 mm、35 mm、45 mm)的3D打印圆柱和水果(杏子、冬枣、红提和龙眼等)进行抓取试验,表明力觉信号第一次突变时刻(手指刚接触到圆柱时)的手指弯曲度可用于被抓物直径的精确测量,误差小于5%。基于柔性手爪的力觉传感器和弯曲度传感器信息融合进行水果尺寸的在线快速测量是可行的。     

基于小波描述子的水果果形分类

水果果形是水果分级的重要指标之一,该文提出了一种基于小波描述子的水果果形分类方法.通过提取水果轮廓计算出半径序列,并进行归一化处理,对归一化后的半径序列进行小波变换提取小波描述子;分别截取小波描述子12、20、36和67个系数点对水果边界进行重建.结果表明:用36个系数点就可较好地重建果形,匹配率为98.64%,用67个系数点可达相当高的精度,为99.96%;选取36个系数点作为果形特征,并运用核主成分分析(KPCA)提取分类所需的7个主要特征输入径向基函数(radial basis function,RBF)神经网络进行分类,发现该方法分级准确率可达90%,效果优于傅里叶描述子,是一种有效地描述水果果形的方法.     

苹果在线分级系统设计与试验

【目的】根据苹果采摘机器人结构和作业特点设计与其配套的在线分级系统,满足实时分级需求。【方法】通过预分级机构剔除果径在等级外的苹果,减少视觉分级的无用功;利用力传感器获取苹果质量信息并确定质量等级;通过机器视觉技术实现苹果大小和腐烂面积的检测;借助Matlab和VS2008开发图像处理算法和界面控制程序;构建基于CAN总线的分布式控制网络。对苹果进行综合分级试验。【结果】苹果实际直径与检测直径的决定系数为0.990 3,实际质量与检测质量的决定系数为0.999 6,实际腐烂面积与检测腐烂面积的决定系数为0.985 5,综合分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。【结论】该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。     

基于ARM的嵌入式水果大小检测与分级系统的实现

实现了一种基于嵌入式ARM处理器的水果大小检测与分级系统。为了降低目前水果检测与分级系统的复杂性和成本,系统利用嵌入式ARM9处理系统代替计算机进行图像数据处理,基于Qt/Embedded软件平台,首先获得水果的侧视图像,图像经预处理,然后利用水果直径检测算法检测出水果直径后,按照直径检测结果实现水果大小分级功能。实验结果表明,该检测系统具有处理速度快,测量分级精度高和成本低等优点,在水果品质检测与分级方面具有较高的实用价值。     

水果品质无损检测研究进展及应用现状

针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求,水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷,无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景,至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势,但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响,并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数,阐述分析了无损检测技术在水果品质分级行业的实际应用现状,讨论了水果品质无损检测领域尚存在的难点,并对下一步研究方向提出建议。     

基于计算机视觉的油菜叶面积计算方法研究

介绍了利用计算机视觉技术测量油菜叶面积的原理和方法,并以纸重法为标准对比分析了传统直尺法与此方法在油菜三种类型叶片叶面积测量中的优劣性。结果表明,计算机视觉法在精度上明显高于直尺法,尤其在无柄叶测量中此方法的测量平均相对误差为3.09%,低于直尺法的10.49%,进一步根据标准测量值对直尺法测量无柄叶时的系数进行校正,发现系数选择0.75更为合适。     

浙江大学研制成功国内首条水果检测分级机

浙江大学科研人员已研制成功我国首水果品质机器视觉实时监测与分级生产,可以把对水果进行分级的工作交给机来完成。据有关人士介绍,浙江大学研制成功这条拥有自主知识产权的水果分级生产每小时能检测和分级3～6吨水果,适用柑橘、胡柚、西红柿和土豆等多种水果及产品。在实现了