基于CT和图像处理的苹果贮藏期预测模型

应用CT技术扫描不同贮藏期的富士苹果,获取含有不同贮藏期信息的CT图像,并对CT图像及图像直方图进行对比分析.结果发现,苹果的CT图像随着贮藏时间的延长呈现增亮的趋势,直方图呈现明显的双峰特性,其中代表果肉区域的右峰随着贮藏时间的延长而呈现右移的趋势.设计了一种简单快速的图像处理算法,计算CT图像的特征点灰度均值,将其与贮藏时间相对照,建立图像平均灰度值与贮藏时间的线性关系.实验验证表明该模型的预测误差较低,平均误差1.08 d.     

基于CT技术的苹果贮藏期内主要成分无损检测

为了探讨富士苹果内部主要成分与其剖面CT值之间线性关系在贮藏期内的变化,使用X射线CT技术,对处于不同贮藏期的苹果进行扫描,获得CT图像及CT值,并测量苹果内部的主要成分含量,建立不同贮藏期CT值与苹果内部主要成分含量的线性模型。经过比较发现,苹果内部pH值及糖度随着贮藏期的增长而增大,而含水率及可滴定酸含量随着贮藏期的增长而降低,同时各成分与CT值的线性相关模型随着贮藏时间的变化也发生了相应变化。将贮藏时间参数引入苹果内主要成分含量的预测模型,并验证其准确性及可行性,结果表明预测模型的平均误差率小于10%,利用以上预测模型进行苹果内部主要成分的无损检测是一种可行的方法。     

基于CT技术的苹果贮藏期内主要成分无损检测

为了探讨富士苹果内部主要成分与其剖面CT值之间线性关系在贮藏期内的变化,使用X射线CT技术,对处于不同贮藏期的苹果进行扫描,获得CT图像及CT值,并测量苹果内部的主要成分含量,建立不同贮藏期CT值与苹果内部主要成分含量的线性模型.经过比较发现,苹果内部pH值及糖度随着贮藏期的增长而增大,而含水率及可滴定酸含量随着贮藏期的增长而降低,同时各成分与CT值的线性相关模型随着贮藏时间的变化也发生了相应变化.将贮藏时间参数引入苹果内主要成分含量的预测模型,并验证其准确性及可行性,结果表明预测模型的平均误差率小于10%,利用以上预测模型进行苹果内部主要成分的无损检测是一种可行的方法.     

机械损伤苹果CT值的试验研究

以陕西产富士苹果为试验材料,利用X射线电子计算机扫描技术,测定了从不同高度下落苹果CT值的变化规律.试验结果表明,受机械损伤的苹果,在相同的扫描层上,苹果的CT值随贮藏时间增加而降低.且苹果受机械损伤程度越高,苹果的CT值越低.随着扫描层位置与撞击点距离的增加,未受损伤苹果的CT值略有下降;而受机械损伤苹果的CT值明显上升.且随着贮藏时间的变化,苹果CT值随受损伤程度的变化规律有所不同.     

基于邻差和的农产品X射线图像分割算法

针对图像阈值分割中二维灰度直方图和模态法的不足,提出了一种基于邻域差值之和与直方图凹面相结合的图像分割算法,并将此方法与二维直方图方法在板栗、苹果和猕猴桃的X射线图像分割中的效果进行了对比试验.试验结果表明,本方法的图像分割误差小于2.1％,最大分割误差仅是二维直方图简便算法分割误差的23.7％,能够更精确地提取果品的图像.     

基于近红外光谱与多品质指标的苹果出库评价模型研究

富士苹果在贮藏期后熟过程中其生理特性发生变化，不适宜的贮藏会影响出库品质和售卖价格。为使贮藏期果实以较好的品质出库销售，开展对贮藏后熟苹果品质模型研究，并在此基础上对苹果出库进行评价和预测。采集了全贮藏期不同时间苹果样本的近红外光谱和品质指标(可溶性固形物含量、硬度和失重率),分析贮藏期间果实漫反射光谱和品质指标变化规律，基于波长1 000～2 400 nm范围内的漫反射光谱结合预处理和特征波长提取方法，建立贮藏期苹果品质的偏最小二乘(PLS)和带有反馈的非线性自回归(NARX)预测模型，根据行业标准确定苹果出库品质判断依据，采用基于熵权的TOPSIS法对果实出库品质进行综合评价，实现PLS对品质得分和NARX对多品质指标的预测。结果表明，在预测SSC含量、硬度和失重率时，最优模型分别为CARS-SPA-PLS、CARS-NARX和SPA-NARX,相关系数分别为0.914、0.796和0.918,均方根误差分别为0.511°Brix、0.475 kg/cm²和0.682%;在预测品质得分时，PLS模型的相关系数与均方根误差分别为0.896和0.043 4,NAR...     

基于颜色因子与图像融合的茶叶嫩芽检测方法

针对采茶机器人的茶叶嫩芽识别问题,提出一种基于颜色因子与图像融合的茶叶嫩芽图像检测算法。首先对RGB彩图进行ExG、ExG-ExR,MExG,COM2灰度化处理,并进行灰度图归一化处理;然后选择合适的通道,利用Haar和DB2小波进行多通道图像分解、滤波、融合。获得融合后的灰度图像直方图,对直方图形状进行分析,根据嫩芽老叶的面积比与像素数目比确定图像分割阈值。试验结果表明,此算法能充分利用嫩芽与老叶的颜色差异,很好地检测出茶叶嫩芽,SD,Dice,ER,NR分别为63.005%,60.09%,101.235%,6.515%,性能优于Otsu。     

基于Hamming网络的苹果颜色分级研究

在基于计算机视觉的水果分选中,颜色是最主要的指标之一。为此,将Hamming神经网络应用于苹果的颜色分级。依据富士苹果的颜色将其分为3个等级,分析了各等级的平均色调累积直方图,据此构建了Hamming神经网络;从直方图上提取色调在0o,10o,20o,30o,40o,50o所对应的频度作为Hamming网络的输入向量;采集了3个等级各10个苹果图像作为训练样本,另外同样30个苹果图像作为测试样本。试验结果表明,Hamming网络颜色分级的准确率不低于96%,识别1个苹果的时间在0.1～0.2ms之间。     

采用区域生长法分割根系CT图像的改进算法

提出了一种基于阈值分析和区域生长相结合的用于植物根系CT序列图像分割的算法。首先通过直方图分析,初步确定根系区域的分割阈值,再利用经过改进的区域生长法分割得到目标区域。实验结果表明,该分割算法计算量小,分割精度高,在提取目标的同时,能够有效地分离介质(背景)像素;而且对于背景复杂、噪声较大、目标像素灰度不均匀的CT图像也能取得较好的分割效果。     

基于CLAHE的苹果树树枝迭代阈值分割方法研究

针对农业采摘机器人自主导航和采摘过程中的障碍物树枝识别问题,为解决迭代阈值分割算法在目标与背景图像灰度差别不明显情况下的分割缺陷,提出了基于对比度受限自适应直方图均衡化基础上的果树树枝迭代阈值分割方法。首先,通过颜色空间变换,将RGB颜色空间的果树树枝图像转换到XYZ和I1I2I3颜色空间,并提取出X-Y色差因子和I2颜色因子,对其进行灰度差别分析;然后,对灰度差别不明显的图像进行对比度受限直方图均衡化处理后,再进行迭代阈值分割,从而剥离出树枝区域。实验结果显示,采用本文方法,树枝图像分割成功率为92%。