鲜食玉米果穗外观品质分级的计算机视觉方法

在HSI颜色模型下,通过计算机视觉检测技术实现对鲜食玉米果穗外观品质分级。提出垂直投影法确定秃尖位置并去除秃尖。对H值进行双向一次微分运算以实现缺陷的识别。在此基础上获取果穗缺陷比、穗长、果穗最大直径、长宽比和矩形度作为外观品质特征参数,并以此为输入向量构建广义回归神经网络对果穗外观品质分级。试验结果表明：秃尖位置、穗长和果穗最大直径的平均误差分别为2.27mm、1.96mm和0.54mm,缺陷误判率为3.00%,分级平均准确率为     

基于计算机视觉的玉米果穗三维重建方法

提出了一种快速、准确、自动化的基于计算机视觉的玉米果穗三维重建方法。以一定角度间隔旋转果穗获取各视角下的图像,通过双目立体视觉技术重建各视角下的玉米果穗表面点云,计算重投影误差去除点云中的外点,寻找两相邻图像的对应匹配点,并由匹配点确定果穗表面点云中三维配准点的集合,计算两相邻视角下配准点的旋转矩阵与平移向量,采用RANSAC方法检验配准模型的一致性。依次对各视角下的点云配准拼接获得整个果穗表面点云,进行冗余点去除、网格简化、纹理贴图等后处理,获得最终果穗三维造型。实验结果表明:重建模型的体积与实测值不存在显著性差异,所述方法能够满足玉米果穗三维重建的需求。     

计算机视觉苹果分级系统

回顾了计算机视觉技术在苹果品质检测和分级中应用的进展,提出了计算机视觉苹果高速分级的系统模型。计算机视觉苹果分级系统可以对苹果的外部缺陷、色泽、尺寸和形状进行全面的检测,在此基础上,可对苹果进行高速和精确的分级。     

计算机视觉在种子品质检测和分级中的应用

计算机视觉技术在农业领域中的应用已经越来越广泛,种子资源的品质检测和分级中的应用是其中的一项重要课题.为此,介绍了计算机视觉系统的基本处理过程和信息的分类识别算法,分别讨论了计算机视觉在种子的形状、颜色、纹理检测方面的实际应用情况.最后,指出了计算机视觉应用于种子资源检测中存在的问题.     

基于机器视觉的玉米异常果穗筛分方法

针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。     

山竹的计算机视觉分级方法

提出了一种基于计算机视觉技术的山竹大小和颜色分级方法.针对以蓝色滚子为背景的山竹图像,在RGB色彩空间使用双阈值对图像进行初步分割;然后通过形态学运算、轮廓跟踪、区域填充提取出整个山竹目标;最后由颜色因子2G-R-B和G识别出果柄、果蒂和果皮.由果柄、果蒂区域形心和果皮区域形心位置判断水果的姿态,提取水果的最大横径作为大小分级指标;在HIS颜色空间以果皮区域的饱和度S和色调H的差值作为颜色分级指标.选取200个山竹进行分级试验,试验结果表明:果径检测精度为±1.8 mm,颜色分级串级果最大比例为10.2%.     

鲜食玉米果穗收获负压除杂装置参数优化与试验

针对现有鲜食玉米收获机在收获果穗时,果穗中含有茎叶等杂质,影响运输、贮存和后续加工等问题,采用轴流风机负压除杂技术去除果穗中的茎秆和茎叶等杂质,同时在除杂装置内增加动、定刀,切碎杂质,便于后续的打包回收利用,并对风机负压除杂装置进行了性能分析和参数优化。通过对动、定刀进行动力学分析,对动、定刀数和刀间隙进行分析,确定了该装置的风机转速范围为1326~1573r/min,动、定刀间隙20mm,定刀数为3~8。采用二次回归正交组合试验方案,以风机转速、定刀数、喂入量为试验因素,以果穗含杂率和茎秆切碎长度合格率为试验指标进行台架试验,通过分析各因素对指标贡献率,得到影响茎秆切碎长度合格率的主次顺序为喂入量、风机转速、定刀数,影响果穗含杂率的主次顺序为风机转速、喂入量、定刀数。建立了参数优化数学模型,利用Optimization模块优化得出,当风机转速为1524r/min、单排定刀数为4、喂入量为7.6kg/s时,茎秆切碎长度合格率为96.8%,果穗含杂率为0.69%。对优化后的参数组合进行了5组验证试验,得到茎秆切碎长度合格率平均值为96.2%,果穗含杂率平均值为0.71%。相比于传统收获机,该装置使果穗含杂率降低了23.3%,说明该优化参数能够满足鲜食玉米果穗收获和茎叶青贮相关技术要求。     

鲜食玉米收获机的结构原理与果穗保护技术研究

近年来,我国鲜食玉米的种植面积和产量不断提升,对鲜食玉米机械化的需求也更为强烈,从鲜食玉米的生产现状出发,分析了鲜食玉米的特殊性以及鲜食玉米收获机与普通玉米收获机的区别之处,说明了鲜食玉米收获机摘穗作业的基本原理,并给出了鲜食玉米果穗在机械化收获过程中的保护技术。     

浅谈计算机视觉技术在果蔬外观品质检测中的应用

果蔬的外观品质是评估其市场价值、被消费者选择的依据之一,而且在某种程度上也会影响它们的内部品质。本文分析了计算机视觉系统对果蔬外部品质检测的发展现状,提出了计算机视觉技术在南疆果蔬外观品质检测中存在的问题及建议,旨在为新疆南疆地区水果和蔬菜品质检测技术的研究和发展提供参考。     

基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

基于计算机视觉技术的水果形状分级方法

以彩色图像为处理对象,提出一种基于傅里叶变换的水果形状分级方法,采用梯度法检测彩色水果图像的边缘,再用边界跟踪算法获取水果的轮廓半径序列,然后将其进行离散傅里叶变换,最后利用傅里叶系数定义分类器,根据给定的分类阈值对水果形状进行分类,对不同水果形状的试验证明了这种方法的有效性。     

基于机器视觉的大米外特性评价

目前,我国稻米品质评价方法尚处于依靠肉眼观测阶段,如何按照国家实施的评价标准,通过外观品质的指标参数对不同品种稻米划分等级成为新的研究课题.为此,采用机器视觉的方法对大米的外观品质进行研究,在参照国家稻米外特性评价标准基础上,将各品种稻米划分等级,最后利用神经网络建立检测模型,从而为预测未知米样奠定了基础.     

基于计算机视觉的葡萄检测分级系

设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤.     

基于计算机视觉信息处理技术的苹果自动分级研究

随着社会经济的快速发展和人们消费水平不断的提高,消费者在购买苹果时对其品质的要求也越来越高。在传统农产品加工作业中,导致分级精度低和劳动生产率低。利用计算机视觉信息处理技术,依据主特征参量对苹果进行自动分级,相较于传统的苹果等级人工分离方法,不仅提高了苹果等级分离的正确率,且极大地节约了劳动力。     

基于机器视觉的大米外观品质检测装置

设计了一套基于机器视觉的大米外观品质参数检测装置,实现了对垩白度、垩白粒率、黄粒米和粒型参数的检测。该系统基于嵌入式计算机系统,应用改进的流域分割算法实现了粘连籽粒图像的分割,应用BP神经网络实现了垩白米的检测,应用色度实现了黄粒米的检测,应用极坐标下的长短轴快速检测算法实现了粒型的检测。试验结果表明,该装置对垩白粒率的检测精度为±2%,垩白度的检测精度为±1%;对黄粒米的检测精度为±5%;粒型的检测精度为±4%。     

基于计算机视觉的马铃薯自动检测分

根据大小特性,采用改进的果径法进行马铃薯的大小分级;根据外形特性,采用离心率法进行马铃薯的形状分级;根据颜色特性,采用灰度值差值法检测发芽马铃薯;根据边界特性,采用相邻采样边界点归一化半径差的方法检测畸形马铃薯,并实现了马铃薯在线综合检测分级.检测试验结果表明:系统分级结果比较稳定,分级精度达到88.0%.     

计算机视觉信息处理技术在苹果自动分级中的应用

苹果在水果消耗中占有较大份额,对其进行分级销售可提高经济效益。在以往的苹果分级中,大都采用人工方法进行,只考虑大小、色泽方面的影响,导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中,如水果和蔬菜的自动收获及农产品的分级。为此,利用计算机视觉系统采集提取苹果图像,采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理,设定等级区分参数,再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离,提高了苹果分级的正确率,节省了劳动力,可以广泛地推广应用。     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.