多路同步检测中数显式流量计图像检测方法

针对数显式流量计的仪表检测，采用了多路同步检测的计算机处理方式，通过对采集的数显式流量计的图像进行自动处理，并采用BP方法对图像进行识别，然后生成检测报表和证书，并确保多台流量计始终处于动态同步检测状态中，最后实现了计算机对流量计检测过程的自动、全程、动态、多路同步监控和测量，极大地提高了常规流量检测系统的工作效率，并避免了各类误差。     

转基因水稻花粉图像采集识别技术研究

转基因水稻技术在农业上的广泛应用给人类带来巨大利益,也给生态和环境带来了不可预知的基因危害。传统监测采集水稻花粉的方法不仅所需的工作量非常大,而且不能获得安全评估模型所需的水稻花粉时空分布精度的实测资料。为此,研制出一种便携式的既不干扰花粉的自然沉降,又可以实时获得当前空间水稻花粉浓度的水稻花粉图像自动采集仪。通过图像识别的方法获得水稻花粉数据,既丰富了水稻花粉扩散模型数据库的资料,又节省了人力资源,为转基因水稻安全性监测和评估提供了有力的帮助。     

基于Visual C++. NET的昆虫图像自动识别系统的研究

随着软件技术的迅速发展以及数字图像处理技术的广泛应用,自动识别系统将越来越成为现代社会的一种必然应用趋势.针对当前农业中存在的虫害威胁,本文从图像处理技术出发,利用Visual C++. NET作为平台,开发了一套昆虫图像自动识别软件系统,来对常见昆虫模式进行特征提取,然后再进行聚类分析,从而达到对测控对象进行自动测试和识别的目的.在实际应用当中,主要以获得昆虫图像为对象,并在静态情况下得出了比较满意的结果.     

基于机器视觉的成熟柑橘自动识别研究

针对自然生长状态下成熟柑橘图像的识别问题,采用2R-G-B色差分量,通过Ostu自适应阈值算法进行图像分割,用面积阈值的方法消除噪声来获取成熟柑橘图像的目标区域,然后利用最小二乘拟合方法拟合出目标区域的质心及半径等特征参数。结果显示,识别正确率在90%以上。     

基于Hough变换的焊接接头自动识别技术研究

以作者所研制的焊接机械手为对象,针对其在焊接大型模具时,焊缝数量多的特点,采用提供信息量大、抗干扰能力强的视觉传感器CCD来获得焊接接头平面位置信息．在对CCD摄取的模架图像进行校正、灰度拉伸、灰度阈值变换后,采用Canny边缘检测算子检测出模架筋板上侧的边缘点,并针对传统的Hough变换方法不能检测出直线端点,容易重复检测直线以及提取直线精度不高的缺点加以改进,采用改进的Hough变换方法提取了筋板边缘线,求取这些边缘线交点即可获得焊接接头平面位置信息．实验结果表明,该方法可以有效解决Hough变换存在的上述问题,并能准确稳定地提取出模架筋板边缘线,达到识别焊接接头平面位置的目的．     

基于边缘检测的微小疲劳裂纹图像数据提取

根据高分辨率动态扫描电镜观察到疲劳裂纹的实际扩展过程图像的特点,结合图像处理的基本理论和方法,提出了适合于疲劳裂纹图像的二值化处理方法和基于小波疲劳裂纹图像边缘检测算法,对疲劳裂纹的瞬时扩展图像进行了数据提取。     

玉米种子活力图像识别与处理技术研究

运用图像处理硬件系统、图像识别与处理技术(图像预处理和图像分析等)对2000-2002年收获的玉米杂交种“吉单180”、自交系“莫17”和“四4112”分别进行了种子活力检测。结果表明：计算机检测结果对四唑染色法人工测定结果平均准确度达93．7％以上。     

基于像素直方图和YOLO优化算法的视觉图像识别检测技术研究

针对传统识别检测技术对较小目标的检测准确度不足,且检测速度较慢的问题,提出利用小波变换进行图像整合得到原始的背景图像,并引入图像特征融合机制和感受野增强机制优化YOLO算法。对改进像素直方图方法的性能验证结果表明,像素直方图+小波变换检测方法在数据集1～4中的准确率分别为90.39%、94.29%、96.69%和96.60%。在数据集1～4中改进的YOLO算法在目标检测的准确度和检测速度高于YOLOv2和RetinaNet算法。从结果可以看出,改进后的方法具有较高的准确性,可以实现对较小目标的检测,在视觉图像识别技术中可以得到较好的应用,具有较高的应用价值。     

多残留检测的前处理技术及检测方法比较

当前人们对于食品的安全越来越关注,农药残留和兽药残留是目前重要的食品安全问题,对食品中农药残留和兽药残留进行快速检测对人们健康有着重要的意义,而对食品基质中多种兽药残留和农药残留进行检测依赖于有效的前处理方法和精密的分析仪器。分析了农药残留和兽药残留分析检测的研究背景和现状,并对国内外不同食品基质中农药残留和兽药残留的前处理方法及检测方法进行了比较,为食品中农、兽药残留监控提供参考。     

基于国产卫星的农业专用数据自动处理技术研究

针对目前国产遥感数据在农业监测中应用的实际需求,提出了构建国产遥感数据快速预处理平台的研究目标和具体研究内容,并简要阐述了研究内容的需求背景和基本思路。     

计算机图像技术在纤维成熟度检测方面的研究

本文归纳列举了目前国内外人对纤维成熟度检测研究的现状,说明图像技术在该领域的重要性,也预测该技术在进一步研究中的方向是合理算法的设计,展示图像技术在该领域应用的良好前景.     

基于收购质量的烤烟烟叶无损检测技术研究综述

简要介绍了基于收购质量的烤烟烟叶无损检测的特点,讨论了在线检测与自动分级系统硬件方面的研究,并对计算机技术、人工神经网络、模式识别、高光谱等技术应用于烤烟烟叶的等级评价进行了综述,对该领域今后的研究方向提出了新的思路。     

基于二维条形码PDF417的图像编解码研究

对二维条形码PDF417的符号表示及压缩模式结构做了简要介绍。在图像信息编码预处理时，以一幅人的头肩像为例，采用自适应建立哈夫曼树，使编码图像容量变至最低，并按照PDF417规定的格式，实现了编码。利用DSP对PDF417条形码进行图像识别，采用相应的算法实现解码，并在PC端显示。     

粮虫图像识别检测技术研究现状与展望

为促进图像识别检测技术在我国粮情测控领域的应用研究,从预处理、特征提取、识别分类和种群密度估计4个方面,概述和分析了计算机图像识别检测技术在粮虫自动识别中的发展现状,提出今后应从图像自动采集装置的研制、粮虫图像的有效特征获取、高适应分类器的设计、粮虫种群密度的估计、多种检测技术的融合等方面开展深入研究,为科学规范粮虫防治工作提供更好的决策支撑。     

基于图像处理的蓟马计数方法研究

针对温室内蓟马监测中存在的人工计数调查费时费力且蓟马正确识别率低的问题,试验设计了一种基于性诱的害虫诱捕器和自动化计数器,实现了对蓟马的自动识别计数。以蓟马为研究对象,运用蓟马诱芯和蓝色黏虫板对蓟马进行诱捕;图像采集设备定时拍摄蓝色黏虫板图像;基于图像处理方法构建自动化计数软件对蓟马进行识别与计数,并将自动化计数软件对蓟马的计数结果与人工计数结果进行比较。结果显示,对于蓝色黏虫板上的蓟马计数,人工计数和图像计数的误差在8%左右,自动化计数软件能够实现对蓟马数量的自动统计。该方法不仅是田间害虫远程监测系统的基础,促进了植保信息技术的发展,而且为运用图像处理识别微小昆虫提供参考和依据。     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

图像分割算法在肉鸡深度图集上的研究

【目的】针对在复杂环境背景中难以识别分割多只肉鸡的问题,探讨基于深度学习实现对多只肉鸡深度图像分割的方法。【方法】利用深度相机,通过不同的拍摄角度（俯视、正视、侧视）在自然环境下采集肉鸡不同姿势（站立、俯卧、抬头、低头等）形态的深度图像,并使用CVAT标注软件对深度图像进行精确标注,建立肉鸡深度图数据集（含4 058张深度图像）。利用FCN、U-Net、PSPNet、DeepLab和Mask R-CNN等5种神经网络实现肉鸡深度图像的识别与分割,根据测试集得到预测结果,比较与评估不同模型的性能,实现对肉鸡深度图像的识别与分割。【结果】基于Mask R-CNN神经网络模型的识别分割准确率为98.96%,召回率为97.78%,调和平均数为95.03%,交并比为94.69%,4个指标值均为5个模型中的最优值。【结论】基于Mask R-CNN神经网络的算法简单快速,且能准确实现肉鸡的自动识别与分割,对肉鸡遮挡有较佳的鲁棒性,基本可以满足养殖场鸡群均匀度预测的识别分割要求。促进了计算机视觉在现代农业的应用,可为鸡群计数、鸡群均匀度预测以及肉鸡福利饲养等鸡场作业提供理论和实践基础。     

智能车牌识别系统中字符图像分割技术的研究

通过对得到的车牌图像中字符分割方法的研究,分析如何从车牌图像中切分出字符图像,具体分为水平投影处理、垂直投影处理、粗切分处理、过宽块处理、过窄块处理等几步,并介绍其在实际中的应用.     

基于摄食状态图像识别技术的锦鲤产量估算方法研究

锦鲤体态优美,色彩斑斓,在其苗种池塘养殖过程中需要长期监测其生长状态,并分阶段估算其产量.针对锦鲤在饲料投喂时间集中浮出水面摄食的行为特点,采用基于OpenCV的图像视觉方法,自动识别锦鲤摄食状态图像中锦鲤头口部位半纺锤形特征及眼球特征,定义特征三角形,统计特征三角形数量,并计算其平均投影面积数据.同时,利用MATLA...     

基于深度学习的农作物病害图像识别技术进展

农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。