基于机器视觉的水稻种子精选技术

以面积和宽长比作为稻种类型的特征参数,建立了稻种类型数据库;以等价矩形长、宽的差值最小为标准,进行了未知稻种类型的判断;以扫描线上黑白像素的变化次数和扫描线数来判断稻种的破裂;以不同阈值提取的稻种面积差来判断稻种是否霉变.选取丰源优299等10种稻种进行实验,分别进行了种子类型判断、工位有无种子判断、几何参数判断以及发霉与破损情况判断,检测正确率分别为100%、91.4%、88.9%和76.8%.     

基于机器视觉的定向播种用玉米种粒精选装置研究

根据玉米定向播种对种粒的要求,设计了一种基于机器视觉的玉米种粒实时精选装置。阐述了装置的组成和工作原理,设计了不合格种粒吹除装置及吹除方案,提出了种粒图像动态检测方法,根据种粒图像RGB颜色特征,提取出种粒区域及其各颜色区域,结合种粒形态特征建立了周长、面积等20个检测指标,并通过测试统计确定了其合格范围,最终据此分析和完成了尖端露黑色胚部、小型、圆形、虫蚀破损、霉变等不符合定向播种种粒的判断。依据种粒粘连处两分界点沿轮廓线较近一侧的距离与两分界点间直线距离之比,大于单一种粒轮廓线上任意两点的对应值,来判断种粒粘连性。试验表明,合格性检测准确率为96%,粘连性判断准确率为99%,不合格种粒有效吹除率为98%。     

基于机器视觉的水稻种子质量在线检测机

作为水稻种子质量的一个重要指标,水稻种子纯度的检测对打击假冒品种和维护农民利益具有现实意义.为此,简要回顾了基于机器视觉的水稻种子质量检测的研究现状;针对检测中需要快速、无损和准确的要求,研制了基于机器视觉的水稻种子质量在线检测装置,其主要由落料机构、传动装置、光照箱和水稻种子排料机构组成.试验表明,该装置能实现水稻种子在线识别.     

基于机器视觉的白菜种子精选方法研究

针对白菜种子,以北京小杂55号为研究对象,使用机器视觉技术获取种子10个颜色特征和6个形状特征,再通过单粒种子萌发试验确定种子活力,并使用曼-惠特尼U检验分析种子活力与图像特征的相关性。将显著相关图像特征与种子发芽实验结果组成数据集,结合偏最小二乘判别分析法建立分类模型,并通过MatLab软件进行了仿真分析。结果表明:白菜种子的R分量均值、R分量标准差、G分量均值、G分量标准差、B分量标准差、H分量均值、H分量标准差、S分量均值、S分量标准差和圆形度P与白菜种子活力显著相关。结合这些特征,使用偏最小二乘判别分析法建立分类模型,进行种子精选,可以将该批白菜种子发芽率由原始50.67%提升至69.43%。由此表明,可通过机器视觉技术对白菜种子进行精选,从而提高种子的活力。     

基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵。室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2mm和22.8mm,可以满足除草剂精确喷施的要求。     

基于机器视觉技术检测裂纹玉米种子

种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。     

基于双目视觉的树木图像测距方法

研究了双目视觉技术在智能对靶喷雾中的应用;试验中运用平行光轴的摄像机采集图像,通过寻找树木图像中特征点的方式将两幅图像进行匹配,解决相似性问题;再计算出目标树木到摄像头的距离及其误差,试验的平均偏差率在8%以内;运用该方法能达到智能喷雾中控制施药量的目的,提高精确智能对靶施药效率。     

基于机器视觉技术的畸形秀珍菇识别

提出了一种基于计算机图像处理技术的畸形秀珍菇识别方法。研究根据正常和畸形秀珍菇的形状特征,通过统计性分析,提取了分形维数、相对位移、菌盖圆形度、菌盖形状因子、菌盖凸性率、菌盖偏心率、菌柄弯曲度等7个特征参数。通过逐步回归筛选出分形维数、相对位移、菌盖偏心率、菌柄弯曲度等4个特征变量,并将这4个特征变量作为输入向量,采用支持向量机模式识别方法建立畸形秀珍菇判别模型,模型的独立样本预测集实测值识别率达96.67%。研究表明,利用机器视觉技术能很好地识别畸形秀珍菇,研究方法和结果为实现秀珍菇的在线分选提供技术支     

基于机器视觉的牛奶盒吸管自动检测技术

为了取代伊利纯牛奶生产线上人工对吸管有无的检测,设计了一种基于机器视觉对吸管有无的自动检测方法.该检测方法的算法的核心是使用模板匹配算法定位到待检测图像上吸管出现的位置区域,对该区域抠图后的图像进行二值化处理,再使用一系列的区域处理算法,进而来提取到吸管区域.通过判断是否提取到吸管区域,来评判奶盒面是否存在吸管,如果有...     

基于机器视觉的农业机械无人驾驶系统

为实现农业机械的无人驾驶,研究基于机器视觉的农业机械运动控制具有重要的意义.为此,介绍了基于机器视觉的农业机械无人驾驶的工作原理和实现方法,通过对视频图像的处理,识别出农业作业环境路径特征的位置和方向,采用模糊控制方法实现了农业机械的运动控制.试验证明了基于机器视觉的农业机械无人驾驶系统的可行性及控制算法的可靠性,对未来视觉伺服研究的方向进行了总结.     

基于机器视觉的苹果分级中特征参量选择方法

为提高基于数字图像的苹果分级的准确性,常提取多特征信息。然而,使用多特征信息分级时会存在信息冗余等问题。为此,运用主成分分析(PCA)来融合特征参量,并借助WilksΛ统计量选择对分级有显著作用的主成分;然后依据各特征参量对所选择主成分的贡献率筛选特征参量。Fisher判别分析(FDA)结果表明:使用所选择的特征参量进行苹果分级,分级效果明显优于特征选择前,分级正确率和交叉验证正确率分别提高了2.0%和1.5%。     

基于机器视觉的鸡蛋体积与表面积计算方法

鸡蛋体积与表面积传统手工检测方法速度慢、效率低,不能满足实际生产的需求.利用机器视觉技术,假设理想鸡蛋图像关于纵径对称,提出像素体积和Vp与像素表面积和Sp,给出在数字图像中的计算方法;最后建立了鸡蛋体积V、表面积S与Vp、Sp之间的关系模型.试验验证表明:鸡蛋体积预测模型相关系数为0.965,实测误差±1 cm3内准确率达92%;鸡蛋表面积预测模型相关系数为0.971,实测误差±1 cm2内准确率达88%.     

基于机器视觉的农业车辆路径跟踪

简述了一种基于机器视觉的农业车辆自动导航系统.提出了直线检测算法,显著降低了内存需求和时间消耗;以横向偏差和航向偏差作为输入量,构建了二维模糊决策器,对期望前轮转角进行决策;构建了基于PID的转向控制器,实现前轮转向控制,并采用简化的两轮车运动学模型进行了仿真.仿真和实验结果表明,该导航系统可以有效地实现直线路径跟踪.当车速为0.3m/s时,最大跟踪横向偏差不超过5cm,平均偏差不超过2cm;当车速为0.6m/s时,最大跟踪横向偏差不超过8cm,平均偏差不超过4cm.     

基于机器视觉的水下河蟹识别方法

为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86. 42%,对水下河蟹识别的准确率为96. 65%,召回率为91. 30%。实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10. 67 f/s,优于其他算法,具有较高的实时性和应用价值。     

基于机器视觉的哈密瓜大小分级研究

采用机器视觉技术对新疆哈密瓜进行自动大小分级。线阵相机在线采集哈密瓜样本RGB图像,通过对哈密瓜RGB图像进行灰度化、中值滤波、二值化、去除果梗、特征提取等一系列处理,获得哈密瓜二值化图像。利用椭圆拟合算法对二值化图像进行椭圆特征提取,基于椭圆长轴和椭圆率建立了哈密瓜大小分级标准,并以固定阈值建立分级模型。通过哈密瓜分级机系统进行大小分级,分级准确率达90.29%。     

基于机器视觉的柚子尺寸检测系统的研究

介绍了一种基于机器视觉技术的柚子外形尺寸检测系统。利用 CMOS 摄像头采集柚子正立图像;通过灰度转化、去噪、二值化等预处理获取检测目标图像。通过扫描法确定目标图像的上、下、左、右4个边界点,计算柚子的纵径与横径初测值;借鉴已有的机器视觉球状物体检测误差理论进行修正,获得最终检测结果。试验结果表明,该系统检测精度高且速度快。     

基于机器视觉的母猪分娩检测方法研究

检测母猪分娩需对分娩限位栏内的仔猪进行目标识别,分析了母猪分娩视频图像特征,提出首先利用半圆匹配算法进行母猪目标分割,排除母猪运动干扰,基于改进的单高斯模型的背景减除法进行运动目标检测,根据运动区域的颜色和面积特征,对仔猪进行目标识别。试验表明:基于半圆匹配算法的母猪目标识别方法能够有效分割出母猪目标,基于改进单高斯模型的运动目标检测方法,对面积较大、运动缓慢的仔猪目标检测较为完整,适用于母猪分娩检测场景。     

基于机器视觉的关节机器人的研究

果蔬采摘机器人的研发在一些作业领域已十分迫切,而机器视觉技术和关节型机器人机构在果蔬采摘领域又有着很大的应用价值.为此,从机械结构、视觉系统和运动控制方法3个方面对基于机器视觉的关节机器人进行了研究.实验证明,当目标距离在5~20cm范围,该机器人末端定位误差小于1cm.