X射线图像在农畜产品内部品质无损检测中的应用

内部品质检测一直是农畜产品品质无损检测的难点之一，X射线图像检测是解决这个难点的较好方法。为此，分别概述了X射线产生原理、X射线图像无损检测系统及X射线图像在苹果、梨、鸡肉和其它农畜产品的内部品质检测中的研究现状等几个问题。并对今后的研究提出了建议。     

基于X-ray和RGB图像融合的实蝇侵染柑橘无损检测

实蝇侵染柑橘流入市场会造成巨大的经济损失,因此需要在商品化处理阶段对其全面筛除。针对柑橘在实蝇侵染早期没有明显外部特征,人工抽样检测效率低、筛除难的问题,探索了在生产线上同时搭载农业X光机与RGB相机进行无损检测的可行性,提出了基于X-ray(X光)和RGB图像的多模态数据融合方法,建立了CNN-LSTM检测模型,实现了实蝇侵染柑橘高精度无损检测。模拟了柑橘在生产线上滚动并被拍摄6幅X-ray和RGB序列图像的过程,构建了实蝇侵染柑橘的多源数据集,融合了不同模态的实蝇侵染特征信息,提升了实蝇侵染柑橘检测模型的检测能力,并对比了ResNet18-LSTM、GoogleNet-LSTM、SqueezeNet-LSTM、MobileNetV2-LSTM轻量化检测模型,验证了多模态数据融合方法的有效性。研究结果表明,提出的多模态数据融合实蝇侵染柑橘方法比单模态检测方法检测性能更加优异,其中ResNet18-LSTM检测准确率最高,多模态的图像融合和特征融合方法检测准确率分别达到97.3%和95.7%,单模态X-ray和RGB检测方法准确率分别为93.2%和89.3%。本研究可为实蝇侵染柑橘在线...     

激光及X射线肉图像同步采集系统设计及实验

提出了一种不规则肉碎骨图像检测方法,设计了一种基于激光三角法以及软X射线技术的肉碎骨图像采集的在线检测系统。该系统由X射线图像采集部分、激光图像采集部分、机械传输部分、PLC控制系统部分和图像处理系统组成。采用小型单元式PLC作为控制核心,检测肉位置和触发激光及X射线采集图像,肉图像采集软件在Visual C#2008环境下结合环境下结合HALCON函数库实现,系统调试运行正常,可实时同步采集肉动态激光图像及X射线图像。利用肉激光图像和X射线图像进行图像融合实验。结果表明,小波算法速度快,融合后的图像失真少,更加接近于原X射线图像,更有利于肉图像碎骨信息的提取。     

高光谱成像技术无损检测水果缺陷的研究进展

水果缺陷无损检测是水果分级的重要依据。随着图像技术与光谱信息的发展、高光谱成像系统硬件成本的下降和性能的提升,高光谱成像技术在水果缺陷无损检测方面获得了越来越多的应用。为了能充分利用最新研究成果,从高光谱成像技术在水果的缺陷无损检测方面,综述了水果损伤、病害、虫害等缺陷无损检测的研究进展,并对其发展方向进行了展望。     

基于高光谱成像技术的柑橘缺陷无损检测

应用高光谱成像技术无损检测柑橘的缺陷。选取蒂腐、黑斑、褐腐、结痂缺陷果和正常果各30个,提取并分析了5类果皮感兴趣区域光谱曲线并结合主成分分析法确定2个最佳波长(615nm和680nm),然后基于特征波长作主成分分析,选取第2主成分作为分类识别图像,提出采用特征波长主成分分析法与波段比算法相结合的方法,识别率达到94%。试验结果表明,高光谱成像技术可以有效地对带有蒂腐、黑斑、褐腐、结痂缺陷的柑橘进行分类识别。     

基于不规则成像机器视觉的棉花白色异纤检测算法

基于不规则成像机器视觉系统,提出一种棉花白色异性纤维检测的图像分割算法:采用Gabor算子提取多个方向的特征向量,融合成特征图,由此增大背景与目标之间的对比度;然后基于特征图的统计规律进行二值分割,最后应用形态特征分离目标与背景.实验结果表明,该算法抗噪能力强、能检出白色异性纤维.     

基于图像处理技术的水稻株型参数测量算法

模型模拟法是简便可行的作物生物量无损检测方法之一。其中,作物株高、植株投影面积等株型参数的无损测量对该方法的应用具有重要意义。为此,以水稻为研究对象,以植株图像的株高和投影面积等参数为测定指标,研究了基于图像处理技术的无损测量方法。在自然条件下获取水稻植株图像,利用超绿色法对彩色图像进行灰度转换,采用中值滤波方法对图像进行降噪处理,应用最大类间方差法实现了植株特征像素的提取。该算法为快速、无损测量作物的图像株型参数提供了有效手段,为作物生物量的无损检测奠定了理论基础。     

基于反投影坐标快速算法的木材CT检测系统研究

针对木材内部结构复杂、不同树种间密度差异大的特点,提出了一种反投影坐标快速算法,基于此算法构建一套木材无损检测CT成像系统。该系统由X射线发射器、等距平板检测器、旋转载物平台和计算机数据采集成像软件构成。以集成材和小径级原木为试验对象,验证反投影坐标快速算法的可行性。首先采集并修正投影数据;其次根据射线源到旋转中心的距离计算出投影坐标值;最后设置滤波函数并与投影数据作卷积运算,重建木材断层图像。结果表明:应用反投影坐标快速算法,使CT系统图像重建工作平均用时缩短至1 s以内,断层图像分辨率达0.052 mm~2,可显示木材内部裂纹、孔洞等缺陷及节子、年轮、早晚材变化等构造特征,验证了该算法应用于木材无损检测成像系统的有效性。     

农产品无损检测中高光谱成像技术的应用研究

高光谱成像技术集成了计算机成像技术和光谱技术的优势,能够在连续空间内同时获得被测物的光谱信息和图像信息,可对农产品内外部品质进行可视化研究.尽管高光谱成像技术起源于高空遥感,但近几年仍以高效快速的检测分析方法出现在农产品无损检测领域,成为该领域重要研究方向.为此,对高光谱成像技术的原理特点以及其成像技术在农产品无损检测中应用的最新研究进展进行了综述,分析总结了国内外高光谱成像技术在农产品品质无损检测发展中存在的问题以及应用前景,以期该技术在我国农产品品质无损检测领域中发挥更大的作用.     

基于高光谱成像的柑橘黄龙病无损检测

采用高光谱成像技术,结合最小二乘支持向量机(LS-SVM)和偏最小二乘判别分析(PLS-DA)2种方法,探索柑橘黄龙病快速无损检测的可行性。在380~1 080 nm光谱范围内,采集正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5种柑橘叶片的高光谱图像。采用方差分析方法,分析了正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5种叶片的叶绿素、淀粉和可溶性糖含量间的差异,表明3指标可作为判别黄龙病的指示性指标。采用偏最小二乘法,建立了叶绿素、可溶性糖及淀粉3指标含量的定量分析数学模型,模型预测均方根误差分别为7.46、5.51、5.88,提供了柑橘黄龙病高光谱成像快速检测依据。提取高光谱图像感兴趣区域的平均光谱,通过分析正常、轻度黄龙病、中度黄龙病、重度黄龙病和缺素5种叶片的代表性光谱,在750 nm处吸光度存在差异。采用2阶导数处理样品光谱,消除了450~650 nm和800~1 000 nm波段的基线漂移,放大了有效光谱信息。采用主成分分析(PCA)和连续投影算法(SPA)筛选柑橘黄龙病LS-SVM定性判别模型的输入变量,建立了LS-SVM定性判别模型,同时与PLS-DA进行对比。采用未参与建模的预测集样品评价模型性能,结果表明PLS-DA模型判别柑橘黄龙病的准确率更高,模型误判率为5.6%。实验结果表明,高光谱成像技术结合偏最小二乘判别分析方法可实现柑橘黄龙病快速无损检测与黄龙病病情等级判别。     

基于为害状色相多重分形的椪柑病虫害图像识别

为自动识别椪柑病虫害,研究了以椪柑病虫害为害状多重分形谱特性参数为输入变量的小波神经网络病虫害识别方法。利用改进型分水岭算法提取椪柑病虫害为害状边界,对非连续的边界进行边界跟踪,将过分割区域进行区域合并,标记为害状边界,提取标记区域,生成病虫害为害状目标图像;对病虫害为害状目标图像0°~120°这一主要色相区域4等分,产生4幅色相二值图像;对二值图像进行多重分形分析,计算其标度不变区多重分形谱的高度及宽度;以此高度及宽度作为小波神经网络的输入,进行椪柑病虫害识别,5种病虫害的平均识别正确率为87%。试验结果表明:椪柑病虫害为害状的4对多重分形谱高度及宽度值较充分地反映了椪柑病虫害色相累计信息、分布信息及区间形状的典型特征,能用此方法进行椪柑病虫害机器识别。     

数字图像分析的椪柑可溶性固形物含量检测

为了探索建立基于数字图像处理技术的柑桔果实品质非损伤探测技术,采用多光谱照相机MS3100获取不同成熟度椪柑果实样品的数码图像R,G,B通道颜色信息,结合实验室果实可溶性固形物含量(SSC,Solublesolids content)化学分析值,进行了椪柑果实SSC与颜色信息相关性分析和检测模型研究。结果表明,椪柑果实图像的5个颜色参数R,G-R,B-R,G/R和(G-R)/(G+R)与果实SSC值之间具有较好的相关性,校正模型相关系数均在0.83以上;模型验证结果表明,B-R值与果实SSC值所建立的模型预测效果最佳,决定系数为R2=0.651,是椪柑果实SSC检测的最佳图像颜色参数,一元二次方程SSC=-0.0001(B-R)2-0.0219(B-R)+9.601为其最优检测模型;神经网络模型可以容纳更多的相关波段参与柑桔SSC含量的估算,实测值与预测值的相关系数高于其他模型,而均方根误差(RMSE,Root mean square error)低于其他模型,表明利用计算机图像技术进行柑桔果实SSC的检测是可行的。     

变化光照下树上柑橘目标检测与遮挡轮廓恢复技术

遮挡是自然场景中普遍存在的问题,为在变化光照条件下正确检测出自然环境中的树上成熟水果目标,从而为全天候的机械采摘提供运动参数,研究了基于彩色信息和目标轮廓整合的树上遮挡柑橘检测方法。在对自然光照条件下的可见光彩色图像进行颜色特征分析的基础上,建立了利用R-B色差图融合归一化RGB颜色空间的方法,对树上水果目标区域进行了初分割。然后提取R-B色差图的主边缘构造边缘片段集,根据边缘片段长度、弯曲程度以及凹凸性来选择有效边缘片段集,对每个有效边缘片段进行拟合,最后根据水果形状知识选择出有效拟合目标椭圆。根据对不同光照条件和遮挡程度的场景处理的结果表明,所提算法能有效恢复出树上存在遮挡的水果目标,最后遮挡轮廓恢复结果的相对误差为5.34%。     

基于色调分形维数的柑橘糖度和有效酸度检

研究了宫川温州蜜柑糖度及有效酸度的机器视觉检测技术及影响检测精度的因素.对机器视觉系统采集的柑橘图像进行图像裁切、亮度法去图像背景和RGB空间至HSI空间的转换,将柑橘色调范围分割为0°～20°、20°～40°、40°～60°、60°～80°、80°～100°和100°～120°共6个区域,提取各区域色调分形维数,以此作为BP神经网络输入,无损检测宫川温州蜜柑糖度及有效酸度.167个测试样本的检测结果表明:在±1.5°Brix精度范围内糖度正确识别率为66.6175%,在±0.5精度范围内有效酸度正确识别率为73.9275%.宫川温州蜜柑糖度及有效酸度与果皮色调分形维数之间具有相关性,可用机器视觉检测其糖度及有效酸度.     

广西水果产业增长模式、发展趋势及对策建议——以柑橘产业发展为例

从种植面积、产量和产值等方面阐述广西柑橘类水果产业发展现状和特点，通过LMDI分解法对其产值增加的主要贡献因素进行分析，并提出相应政策建议，以期推进广西柑橘类水果产业发展。      

枝上柑橘果实深度球截线识别方法

针对柑橘果、叶、枝对象具有球体、片体和细柱体不同的三维几何特征,提出一种识别柑橘果实的深度球截线方法。首先提出了球形果实特征提取的深度球截线方法的基本原理和关键参数,进而分别针对枝上果、叶孤立和贴碰区域提出了孤立果实的特征提取算法和贴碰果实的特征提取算法,得到了复杂枝环境下的深度数据处理与果实识别策略,并综合根据Intel Real Sense F200型深度传感器参数、柑橘果实尺寸、近景探测范围、数据预处理与特征提取需要完成了深度球截线方法的参数确定。大量室内试验结果表明,深度球截线方法对孤立果实提取的平均成功率为97.8%,贴碰区域内果实提取的平均成功率为76%,而复杂枝环境的果实提取综合成功率为63.8%。该深度球截线的识别方法仅利用有限的深度数据点,在保证原始数据精度的同时降低了运算量和果实特征提取复杂性,能有效应对果叶遮挡问题,实现对贴碰果叶的有效区分,对柑橘果实具有良好的适应性,为采摘机器人在复杂环境下的果实识别与定位提供了新的技术思路。     

基于语义分割模型和遥感的柑橘园空间信息提取

为应用高分辨率遥感影像和卷积神经网络模型快速提取柑橘园空间信息,选择四川省柑橘重点产区蒲江县为研究区,以高分辨率Google earth图像为数据源,构建3类不同树龄的柑橘园样本数据集,训练U-net和DeepLabv3+语义分割模型,提取柑橘园空间信息。通过验证,具有不同神经网络结构的U-net和DeepLabv3+模型提取柑橘园信息总体精度分别为88.30%和86.79%,Kappa系数为0.75和0.72,二者精度相当;通过分析小地块的果园遥感识别精度,测试区最小识别图斑面积约为120 m²,大于该面积的果园遥感面积平均精度在85%以上。该研究可为经营者、农业部门使用高分辨率遥感影像和开源的深度学习分类工具快速获取果园空间信息提供参考。     

基于图像处理的柑橘测产方法

利用机器视觉技术可以快速、无损预测柑橘产量.采集了10幅生长中的柑橘果树照片,同时测量了每棵果树的柑橘产量.基于RGB颜色模型,对柑橘图像进行分割,柑橘与背景的分割条件为(R-B>100)且(R>G).通过提取柑橘个数、柑橘总周长、柑橘总面积3个特征参数,分析了特征参数和柑橘单株产量之间的关系.实验证明,经过图像分析后得出的柑橘数与柑橘单株产量之间的相关系数最高,达到0.97,说明了利用图像分析方法预测柑橘产量具有良好的应用前景.