计算机视觉在果蔬分类中的现状分析

计算机视觉在农产品分类领域广泛应用,但受限于类间相似性和不规则的类内特征,果蔬分类仍是一个复杂的问题。本文针对近年来基于计算机视觉的水果分类进行比较,简述了现阶段果蔬分类所面临的挑战,如传感器的选择等问题。     

基于颜色特征进行农作物图像分类识别的应用研究综述

利用农作物自身的特征对农作物图像进行分类识别是计算机视觉技术在农业自动化应用中的重要前提条件。本文首先探讨了基于颜色特征的两种图像分类识别方法：统计直方图法和颜色参量的统计特征法，并分析比较了两类方法的特点，试图为以农作物颜色为特征的图像分类识别应用提供思路。最后综述了从分析农作物外在的颜色特征进行农作物图像分类识别的国内外最新研究方法和成果，以促进计算机视觉技术在我国农业领域的应用和发展。     

咸阳市果蔬农产品农超对接制约因素与对策研究

咸阳市果蔬农产品是最早深度参与农超对接模式之一,目前虽已取得可喜的成效,但低量化、小规模的恶性循环现象依然存在。通过实地调研,从超市、果蔬专业合作社和农户为视觉探索咸阳市果蔬农产品农超对接制约因素以及发展对策,为有效解决果蔬类农产品小生产与大市场的矛盾提出相关政策建议。     

基于计算机视觉的沙糖橘果皮光滑指标检测

使用计算机视觉系统提取沙糖橘果皮正面图像,构建有效的图像采集方法、预处理方法、分割方法。从目标区域图像中提取6个与品质密切相关的果皮纹理特征信息用来分类识别果皮光滑,使用单一方差参数配合参数区间分类的方式正确率较低,为76.3%;进而以果皮6个灰度纹理特征开展MLP模型设计和训练,使用训练后的模型进行分类检测。在实测一定数量的果皮得出分类检测结果的基础上,进行系统设计的可行性验证。结果表明,基于3层的BP神经网络模型,设计6-8-2BP网络结构,分类识别正确率达到97.5%。该设计方法可对果蔬果皮特征检测提供参考和借鉴。     

果蔬配送成本控制在大学生创业中的应用

近几年,由于果蔬类产品受到广大消费者的青睐,我国产生了大量的果蔬配送企业。而这几年我国对于大学生创业项目的扶持也使得大学生选择果蔬配送类企业进行创业成为可能。但由于果蔬本身具有易腐烂、易消耗的特点,同时,近年来媒体报道的各类食品安全事件,也使得果蔬配送企业的成本难以得到控制。针对果蔬配送企业的成本问题分别从成本分类、现存问题以及应对策略三个方面对其进行陈述分析,希望找到帮助创业大学生进行果蔬配送项目时控制配送成本的途径。     

果蔬采摘机器人视觉系统研究综述

视觉系统是果蔬采摘机器人的重要组成部分,其性能好坏决定了采摘机器人的采摘效率、速度和质量。通过论述近年来国内外关于果蔬采摘机器人视觉系统对采摘目标、障碍物识别与定位等方面的研究方法和进展,分析并指出当前研究存在的问题及未来研究建议,为今后深入研究果蔬采摘机器人视觉系统提供了参考。     

农用新型仪器仪表

近年来,国外开发出了一批农用新型仪器仪表,对农业生产和农副产品加工提供了极大方便。果蔬自动分类装置日本熊本市凡喜屋技研工业公司利用电子计算机、物象传感器(光电传感器)等,研制成功一种果蔬自动分类装置,在1秒钟内能测出3～4个果蔬的体积大小,并能自动进行分类。目前,已应用于马铃薯分拣。该装置运送马铃薯的传送带速度为每秒1米。当马铃薯将20瓦的特殊荧光灯光源遮挡时,物象传感器就用百分之一秒的时间,测量出高度,并通过电子计算机计算出体积,然后根据体积大小,由用汽缸进行工作的分类阀对在传送带上运行着的马铃薯进行分拣。因     

基于图像处理的果蔬分拣系统设计

针对目前果蔬分拣中果蔬互相掺杂问题,设计了一种基于图像处理的果蔬分拣系统。以实际分拣中容易相互掺杂的土豆、玉米和红薯为实验对象,土豆作为主果蔬,玉米和红薯为掺杂的副果蔬进行实验。对果蔬图片进行图像处理,提取果蔬特征,采用基于BP神经网络的KNN最邻近分类算法对果蔬进行分类,并在上位机界面中显示果蔬分类结果和果蔬掺杂率,将掺杂果蔬的位置信息结合形态信息发送给六自由度机械臂,实现对掺杂果蔬的分拣操作。实例验证:分类正确率达到98%左右,计算坐标与实际坐标在X、Y坐标上的误差在1mm内,可以实现对掺杂果蔬快速识别和分拣的目的。     

实蝇类昆虫利用视觉和嗅觉定位寄主的分子基础及应用

在昆虫与植物协同进化过程中,昆虫成功定位寄主植物决定其食性及生态位.实蝇类昆虫是世界范围内分布的重要果蔬害虫,在定位寄主植物过程中,实蝇视觉和嗅觉发挥重要作用,利用寄主颜色和气味模拟的诱捕装置能够有效诱杀实蝇,但诱杀效果参差不齐.因此,本文对实蝇类昆虫视觉、嗅觉定位寄主植物的行为和相关分子基础进行了阐述,介绍了有关的应...     

基于计算机视觉的香梨损伤自动检测与分类研究

为了提高香梨损伤检测与分类的准确率和效率,综合运用计算机视觉技术、人工神经网络技术,实现香梨损伤的自动检测与分类。首先,通过计算机视觉系统获取香梨图像,利用图像处理去除噪声、图像分割,归一化等多种基本图像处理的方法对香梨损伤图像进行了处理。通过提取三种特征及八个特征参数,采用BP算法训练的多层前向人工神经网络对香梨的损伤进行分类。并对结果进行分析,另外研究了香梨缺陷果和正常果的分类。