基于机器视觉的苹果品质在线分级检测

目前苹果分级自动化程度较低,为了实现苹果品质自动、快速、准确分级设计了一套苹果智能在线检测分级系统。以寒富苹果为测试对象,采用机器视觉技术对苹果分级进行研究。采用阈值分割的方法分割苹果正面图像,逐像素遍历法提取苹果外部轮廓,通过计算其各点到重心的距离提取苹果大小特征,同时计算苹果横径与纵径比提取果形特征。采用支持向量机方法分割侧面苹果图像,计算苹果红色像素占苹果像素的比例提取颜色特征,利用Fisher统计识别的方法提取苹果缺陷。实现了整个分级系统的硬件搭建以及软件的功能,利用该系统对400个苹果样本进行了分级试验,结果表明该系统分级的苹果总体正确率达到95%。设计的基于机器视觉的苹果智能在线检测分级系统克服了传统分级方法的不足,加快了苹果品质分级自动化速度,对水果品质分级等领域有重要研究意义。     

基于机器学习的免套袋苹果缺陷分级

为提高免套袋苹果分级效率,最小化果梗与花萼对缺陷区分的影响,提出了一种基于机器学习的免套袋苹果缺陷分级方法,该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像,利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV(Hue saturation value,色调、饱和度、明度)颜色空间的特征提取疑似缺陷区域,用种子填充法按序标记疑似缺陷区域,并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM(Support vector machine,支持向量机)模型,进行果梗、花萼与缺陷的区分,计算当前图像的缺陷数量与面积,再计算苹果3个不同侧面图像的总缺陷数量与面积,实现免套袋苹果缺陷分级。结果显示,正常区域、果梗区域、花萼区域在SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%,满足苹果分级的实际生产需求。     

鸭蛋品质自动测控系统的分级控制与设计

应用计算机视觉技术和PLC与计算机通讯原理,设计出鸭蛋品质分级控制系统,实现鸭蛋品质参数（颜色、大小、新鲜度和壳厚）准确、快速、稳定的在线检测。试验研究表明,鸭蛋品质自动测控设备分系统具有良好的应用前景。     

基于遗传神经网络的苹果综合分级系统

充分利用计算机视觉和人工神经网络技术 ,建立了一个苹果综合外观品质检测与分级系统 ,实现了对苹果的正确分级 ,正确识别率可达 90 .8%。还借助于遗传算法对 BP网络进行设计 ,提高了其学习速度。     

苹果自动分级中的图像分割

为了提高苹果自动分级中图像处理的速度和可靠性，就有关苹果图像分割问题进行了探讨，提出了苹果图像处理窗口的快速确定方法、阈值计算方法以及用最小二乘法与搜索点所在的区域相结合确定搜索方向的方法，试验表明，用上述方法能可靠，有效，快速地进行图像分割。     

红枣自动分级技术的研究现状及展望

调查了国内外在机械式、光电式和基于机器视觉技术的红枣自动分级研究现状,并着重对机械式和基于机器视觉技术自动分级技术报道进行分析。结果表明,机械式在短期未来仍是研究热点之一,光电式未来发展空间不大,而机器视觉作为未来的发展方向,将重点解决在保证生产率和分级精确度的情况下完成红枣全表面在线实时检测和多指标综合自动分级的问题。     

苹果在线分级系统设计与试验

【目的】根据苹果采摘机器人结构和作业特点设计与其配套的在线分级系统,满足实时分级需求。【方法】通过预分级机构剔除果径在等级外的苹果,减少视觉分级的无用功;利用力传感器获取苹果质量信息并确定质量等级;通过机器视觉技术实现苹果大小和腐烂面积的检测;借助Matlab和VS2008开发图像处理算法和界面控制程序;构建基于CAN总线的分布式控制网络。对苹果进行综合分级试验。【结果】苹果实际直径与检测直径的决定系数为0.990 3,实际质量与检测质量的决定系数为0.999 6,实际腐烂面积与检测腐烂面积的决定系数为0.985 5,综合分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。【结论】该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。     

基于机器视觉的苹果重量检测研究

苹果的采后分级能够提高其经济价值和市场竞争力,为了实现基于重量的无接触苹果智能分级,提出了基于机器视觉的苹果重量检测方法.首先,采集苹果图像进行预处理,得到平滑无噪声的苹果二值图像.然后,用最小外接矩形方法获得苹果的横径和纵径等主要几何外形特征,建立以苹果外形几何特征为参数的重量检测回归模型.结果表明,苹果重量检测值相对误差低于2％,最大绝对误差不超过4 g,检测准确性较高.采用非接触式的检测可以克服传统机械式接触对苹果造成的损害,能保证分级后苹果的质量,满足苹果分级生产要求.     

鸭蛋大小及蛋心颜色自动分级系统软件研制

用VC 6 .0编制的鸭蛋大小及蛋心颜色自动分级系统软件由初始化模块、启动停止模块、图像采集模块、图像处理模块、信号I O模块及系统日志模块组成。初始化模块完成图像采集卡和数字量I O卡的初始化 ;启动停止模块建立和消亡用于监控光室状况和进行图像处理与分析的线程 ;信号I O模块将获得的分级信号送到分级执行机构 ,同时也将鸭蛋到达光室信号反馈至计算机 ;图像采集模块将CCD摄取的鸭蛋图像由图像采集卡采集到主机内存中 ;图像处理模块对主机内存中的图像进行分析后得出分级信息 ;系统日志模块记录系统的启动运行情况和当前系统检测鸭蛋的数量。系统软件运行试验结果表明 ,软件工作稳定可靠 ,大小分级误差± 3g ,颜色分级准确度达 90 %以上     

基于K-means与KNN的多特征苹果在线分级

【目的】准确获取红富士苹果的分级指标,为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法,预处理实验所需的苹果图像;使用K-means聚类算法、OTSU最大类间方差法,将苹果灰度图转换为二值图;利用二值图与苹果原图的异或运算,提取苹果轮廓;采用苹果的二值图计算苹果的果实区域大小;使用颜色空间转换RGB-HSV中H通道划分果实红色区域;通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积;构建最小外接矩形计算苹果的果径及果形;利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法,在优于传统图像阈值分割效果的基础上,特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。     

图像形态学在苹果自动分级视觉信息处理中的应用——以果梗判别与边缘检测为例

首先指出果梗判别在苹果自动分级系统中的研究意义;进而列出4种有代表性的判别果梗的方法;在此基础上提出了利用图像形态学可以更好地判别果梗,同时还能检测边缘;最后对该算法进行了系统评估,并为提高处理速度进行了改进.     

针叶树种计算机视觉苗木自动分级系统的研究

针对苗木分级领域的实际需要及国际苗木分级技术发展状况,研究,设计了针叶树种计算机视突苗木自动分级系统。该系统应用计算机视觉技术和神经网络技术。通过对苗木图像的处理。在实验室中实现对苗木的自动分级,实验研究表明,计算机视觉自动分级系统在苗木分级领域中具有良好的应用前景。     

无公害苹果生产基地环境质量评价方法

论述了无公害苹果生产基地大气、土壤、灌溉水环境质量评价的原理和方法。阐明了无公害苹果生产基地大气、土壤、灌溉水样品采集原则、样品处理和分析方法,根据分析结果由单项污染指数法和综合污染指数法评价无公害苹果生产基地的环境质量,并提出了单项污染指数和综合污染指数的判定标准和方法以及由严控环境指标超标可直接判定为基地不符合无公害苹果生产基地的论断。     

无公害苹果生产全程质量监控体系的建立与完善

建立无公害苹果生产全程质量监控体系是陕西苹果产业发展到现阶段,提高果品质量的有效保障和提升苹果产业化水平的必要措施.全程质量监控的关键环节和监控质量标准,基地与企业自身监控和执法认证部门监控机制构成监控体系的基本框架.陕西省应抓住落实优势农产品区域规划的良好机遇,在完善无公害苹果生产全程质量监控体系中,充分体现自然资源优势,树立陕西渭北苹果产区“绿色“形象和陕西苹果“名牌“战略.     

基于MapGIS的农用地分等研究

以江西省进贤县农用地为研究对象,探讨了基于MapGIS的农用地分等方法和过程,并确定了农用地等别及其空间分布。研究结果对农用地利用和管理具有指导意义。     

1年生桢楠容器苗质量分级研究

为了制定1年生桢楠容器苗的分级标准,提高桢楠苗木种植成活率,采用系统聚类分析方法,建立以苗高和地径为质量分级指标的分级体系,获得3级分级标准,即Ⅰ级苗：苗高≥38 cm,地径≥0.65 cm;Ⅱ级苗：38 cm＞苗高≥31.7 cm,0.65 cm＞地径≥0.56 cm;Ⅲ级苗：苗高＜31.7 cm,地径＜0.56 cm。     

酿造苹果冰酒的12个品种原料酿酒特性初探

苹果冰酒因其独特的风味备受国际市场青睐,然而国内尚无相关研究。为了筛选中国黄土高原产区酿造苹果冰酒的最佳品种,试验选取了12个苹果品种,对比分析了其延迟采收期的含糖量、含酸量、总酚含量等理化指标。同时,对各品种进行了酿酒试验并进行了感官评价。结果发现,延迟采收的各苹果品种均表现出了含糖量、总酚含量升高,而含酸量降低的趋势,符合酿造苹果冰酒对原料的要求。其中,富士KiKu、陆奥表现出良好的酿酒特性,适合作为苹果冰酒的酿造原料。