基于机器视觉判别瓜类嫁接苗成活的试验研究

嫁接育苗是解决蔬菜生产土传病害的重要手段,嫁接苗愈合是嫁接育苗生产的重要环节,而目前嫁接苗愈合成活状态的判断主要依靠人工观察接穗真叶是否出现,以及根据愈合状态判断迟滞,降低了嫁接苗规模化生产时愈合装置的利用率。为此,提出了基于机器视觉技术在瓜类嫁接苗愈合期实时观测嫁接苗生长状态的方法,通过比对愈合初期嫁接苗的接穗子叶相似度判断嫁接苗的愈合成活状态。试验研究表明:未成活嫁接苗在嫁接后的2～3天接穗子叶形态急剧变化,相似度下降至0%;而成活嫁接苗接穗子叶形态变化缓慢,相似度在30%～40%之间波动。该方法与接穗真叶观察法相比,可预计提前1～2天确定嫁接苗的成活状态,缩短了嫁接苗的愈合周期,提高了嫁接苗愈合装置的利用率。     

利用小拱棚愈合嫁接苗的试验研究

嫁接苗的愈合期是保证嫁接苗成活的重要时期,为保证嫁接苗成活,在愈合期间应为嫁接苗提供适宜的空气相对湿度和温度,保证接穗不发生萎蔫失水.为此,利用传感器对小拱棚内的温度和相对湿度进行测量,并通过计算机进行数据分析.分析结果表明,小拱棚内的温度能够保持在18°～25℃之间,相对湿度保持在95%左右,可以满足嫁接苗愈合过程中对温度和相对湿度的需求.     

基于机器视觉的穴盘苗检测试验研究

针对穴盘苗出现空穴和不合格坏苗,影响蔬菜种苗销售价格,不利于机械化移栽及后续栽培,而人工剔苗补苗费时费力的问题,提出了利用机器视觉技术检测穴盘苗空穴及不合格苗、传输检测结果的方法,为穴盘苗自动化剔除空穴与不合格苗及补苗作业提供技术基础。穴盘苗空穴及不合格苗检测硬件系统由工业相机、PC机及PLC构成,通过CKVisionBuilder软件对图像进行处理,获取每个穴孔区域的像素数量,判断幼苗状态,并将获取的判断结果传输至PLC中。试验结果表明:苗龄13天的72穴意大利生菜、白玫瑰白菜及广府1号油菜心穴盘苗坏穴的检测正确率达到95.8%以上。     

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。     

基于机器视觉的试管液位检测方法研究

利用目前机器视觉技术,提出一种基于数字形态学结合Laplacian算子的边缘检测算法,将其应用到对试管液面检测中,得到了精度高、定位准的液面位置,从而可以得出液面高度与试管内试剂体积.通过CCD工业相机拍摄试管图像,对图像进行灰度化、滤波,图像增强后,利用LoG边缘检测算法结合数字形态学操作得到清晰的边缘图像,最后得出...     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

基于机器视觉的番茄长势信息无损检测的研究

提出了利用机器视觉的方法在复杂自然条件环境下对番茄的茎粗、株高和果实横截面积进行快速测定方法。通过利用CCD获取不同生长周期下番茄的长势信息,采用中值滤波方法对图像进行预处理;采用基于rg颜色因子的Otsu自动阈值分割法来提取目标区域。同时,通过相关性分析建立作物长势参数与目标图像特征值的拟合函数,实现了番茄长势信息的有效获取。试验结果表明:对番茄茎粗的检测在幼苗期、开花坐果期、结果期的相对误差分别为1.73%~4.04%,0.64%~4.42%,0.46%~4.78%;株高和果实横截面积检测的相对误差分别为1.2%~6.5%,0.8%~3.1%。     

基于机器视觉的紧固套缺陷检测方法估计

针对紧固套缺陷检测中人工检测效率低等问题,设计了基于机器视觉的紧固套缺陷检测方法.首先根据紧固套的特点搭建了图像采集平台,突出缺陷特征;然后基于Halcon设计了相应的缺陷检测方法:先通过模板匹配的方法对检测区域定位;再使用基于频域图像差分的方法抑制干扰,突显缺陷特征;然后使用改进的动态阈值法得到缺陷备选图;最后使用面...     

鸡蛋图像检测方法与质量预测模型

首先利用牛顿二分法快速识别鸡蛋图像边缘信息;然后通过边缘信息简化图像区域面积像素和公式及图像形心坐标公式,提出自动确定长轴的方法;最后建立了鸡蛋蛋形指数和质量的预测模型。验证结果表明,边缘检测效率提高了大约20倍;实际蛋形指数与预测指数的相关程度达到0.9523;通过图像面积像素和与图像旋转体积像素和所预测的质量与实际质量的相关性达到0.9806。     

猕猴桃外观尺寸在线检测分级系统设计与试验

目前市场上存在的猕猴桃分级机械主要是针对质量特征进行分级的大型机械,而消费者在购买猕猴桃时往往更注重它的外观品质,且大型设备难以在以农户小规模营销为主的市场环境下得到普及。为了实现猕猴桃外观品质的自动分选,适应广大猕猴桃种植农户的需求,设计了一种基于机器视觉的小型移动式猕猴桃外观尺寸在线检测与分级系统。该系统主要由输送机构、检测机构、分级执行机构和控制系统组成。输送机构采用倾斜式输送带方案,结构简单,便于实现猕猴桃的输送和分级;检测机构采用图像处理的方法得出猕猴桃的大小等级信息;分级执行机构借助猕猴桃的重力与旋转磁铁的开合实现猕猴桃的分离。对样机进行了试制和验证试验,结果表明:该系统的平均分级成功率为96.3%,单个猕猴桃分级时间约为2.5s。该猕猴桃检测分级系统的设计为今后完成多特征指标的融合分级提供了基础和依据。     

基于机器视觉的三七种苗分级检测方法研究

利用机器视觉技术对三七种苗样本进行外观品质分级.采集200株三七种苗的图像并进行预处理,研究了像素点个数与种苗质量之间的关系,建立了线性预测模型,并提取了影响三七外观品质分级的种类、鹰嘴、侧根数的重要特征参数,采用支持向量机建立了三七种苗外观品质分级模型.研究结果表明:种苗质量与像素点个数之间有极显著的线性关系,外观品...     

基于机器视觉红枣缺陷检测装置的设计与试验

基于机器视觉的红枣缺陷检测研究中,普遍采用单相机采像,由于相机位置固定,加之红枣通常由普通传送带运送,红枣间易产生堆积、黏连造成红枣之间相互遮挡和红枣自身遮挡,导致红枣表面完整图像无法被采集,即使改用多相机采相也存在盲区,仍无法解决采集的图像不完整,导致检测准确率降低的问题.为了解决以上问题,设计了一种基于机器视觉红枣...     

水田田埂边界支持向量机检测方法

提出了基于支持向量机的水田田埂边界线的检测算法。采用支持向量机分类算法代替传统的图像分割算法,分割水田图像,提高了在不同光照条件下田埂边界检测的鲁棒性。图像预处理阶段引入超像素分割算法,大大减少了后续图像处理的计算量,并为支持向量机的模型训练提供大量的样本。选取足够数量的超像素样本,提取其颜色特征和纹理特征,构成19维的特征向量,并作为训练支持向量机模型的输入。使用训练好的支持向量机模型识别新图像中的水田田埂区域,模型评价指标F1分数达到90. 7%。采用霍夫变换提取田埂边界,在NVIDIA的Jetson TX2硬件平台上,算法总运行时间在0. 8 s以内,有效满足了水田直播机的实时性要求。     

基于机器视觉的葡萄品质无损检测方法研究进展

我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。     

基于机器视觉的育秧盘裂缝缺陷检测方法研究

育秧盘因长期使用或运输不当等原因易出现破损,影响了工厂化自动育秧生产线的作业性能。针对水稻育秧盘的裂缝缺陷,采用机器视觉技术,利用图像灰度化、自适应阈值处理和形态学运算等方法对育秧盘的裂缝缺陷进行检测;利用平均值法对RGB图像进行灰度化,采用自适应阈值处理对灰度化后的图像进行二值化,然后通过形态学膨胀对断裂处的裂缝进行连通,以求得最大连通区域,再运用最小外接矩形把最大连通区域标记出来,实现对裂缝缺陷的识别。试验结果表明:对带有裂缝缺陷的育秧盘的正确识别率可达到94.38%。本文的研究为育秧盘裂缝缺陷的检测和判定奠定了基础。     

机器视觉技术在蚕茧无损检测中的应用研究

应用机器视觉技术研究了进行蚕茧无损检测的方法。在日光条件下采集蚕茧图像,运用数字图像处理技术和专用软件,对其图像进行分析、处理。根据数学形态学的方法计算其面积、相关系数和R、G、B值。并利用这些参数高效快速地判断蚕茧是否为畸形茧、双宫茧、烂茧、霉茧和特小茧。为进一步进行蚕茧分级奠定了理论基础。     

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1 200粒正常种子、1 200粒霉变种子和1 200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

饮料机器视觉检测系统的总体设计及实现

该文以PET饮料瓶的在线质量检测项目为背景,从系统总体设计的角度出发,详细论述了饮料机器视觉检测的总体设计思想及各个组成部分的功能,同时实现了可靠、实时和稳定的PET饮料瓶的质量检测。      

在线式玉米单粒种子检测分选装置设计与试验

针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1200粒正常种子、1200粒霉变种子和1200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。     

基于机器视觉的五坐标机床旋转轴误差检测方法

提出了一种利用机器视觉技术对五坐标机床旋转轴转角定位误差进行检测的方法。首先,通过制作特定的标志,用CCD相机获取标志图像;然后,通过数字图像处理技术对所获得的图像进行分析处理;最后,根据标志在不同位置处的相对转角偏差计算机床旋转轴的转角定位误差,实现五坐标机床旋转轴转角定位误差的辨识和测量。同时,将该方法与传统检测方法进行对比,实验结果表明,所提出的检测方法简单、高效,可以实现机床旋转轴误差的快速检测,并为五坐标机床旋转轴误差的补偿提供了计算依据。