黄花梨品质检测机器视觉系统

以黄花梨为研究对象,比较了不同强度光源、不同背景对采集到的图像的影响,研制了一套适用于黄花梨及其他水果品质检测的机器视觉系统。试验结果表明,在白色背景、普通光源照明下,可以获得清晰度较高的图像,为进一步研究黄花梨的尺寸、形状和表面缺陷等的检测创造了条件。     

机器视觉在农产品品质检测和采收包装中的应用

机器视觉技术代替人工视觉不仅可以提高工作效率和自动化程度,而且可以适应一些复杂环境,避免人工作业中由于主观因素影响出现的误差。为此,从农产品的表面缺陷和损伤、尺寸与形状和颜色识别3个方面介绍了机器视觉技术在农产品品质检测中的应用现状,以及机器视觉技术在农产品采收和产后包装过程中国内外的应用现状。     

机器视觉技术在谷物外观品质检测研究现状的分析

随着图像处理技术的专业化与计算机硬件成本的下降和计算机速度的提高,机器视觉技术在农产品品质自动检测领域应用已经越来越广泛。为了能充分利用国内外的最新研究成果,从小麦、水稻和玉米3种谷物综述了国内外在利用机器视觉技术进行外观品质检测的研究现状,同时,指出当今国内外研究中存在的问题和对今后研究的进一步展望。     

农产品检测与收获以及加工中的机器视觉技术

综述了国内外在利用机器视觉技术进行农产品,指示器品质自动化识别、农产品收获和加工自动化方面的研究进展；主要介绍了农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别、被叶子遮挡或部分重叠的果实识别、树上果实的全天侯识别方法、果实成熟度的检测方法以及在农产品加工中的自动化定位、定向、杂质检出和质量控制等方面所取得的研究成果。     

机器视觉在农产品物流分级检测中的应用

综述了近些年国内外机器视觉技术在农产品品质分级检测中的研究进展,选取水果、谷物籽粒、家畜、家禽和蔬菜为代表,重点阐述了机器视觉技术针对这些农产品特征进行分级检测的方法以及成果。同时,总结了目前机器视觉技术应用于农产品物流分级检测的不足之处,展望了未来的发展趋势。     

中国柑橘外部品质机器视觉检测分级技术研究现状与展望

柑橘外部品质是影响消费者采购和决定市场价值的重要因素之一。柑橘颜色、大小、形状和缺陷等外部品质指标的人工检测与分级费时、费力并且主观性强。因检测结果客观性好、自动化程度高,传统机器视觉技术和高光谱视觉技术成为果蔬外部品质检测技术与装备研究的热点。综述了我国机器视觉技术和高光谱视觉技术在柑橘外部品质检测技术与装备的研究现状、面临的挑战和未来发展的方向。      

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。     

水果品质机器视觉检测中的图像颜色变换模型

在水果品质的机器视觉检测过程中，水果形状导致的图像颜色失真直接影响最终的检测和分级结果。本文在6个位置分别采集了3种大小、19种不同表面颜色的标准实验球体的图像。在分析球体的大小、表面颜色和图像采集位置等因素对球体图像颜色的亮度、色调和饱和度的影响后发现，球体图像的颜色失真主要是颜色的亮度失真。建立了摄像视区中心球体图像的亮度校正模型，该模型的相关系数R^2为0．846。采用该模型在Matlab软件平台上构建了柑桔图像的颜色校正算法，实验结果表明，该颜色校正模型和算法是有效和可靠的。     

基于机器视觉的荔枝果实采摘时品质检测技术

为了在荔枝采摘时实时判断果实的品质状态,通过分析自然环境中荔枝不同生长期的图像,对荔枝果实未成熟、成熟、成熟后外表腐烂变质的3种情况进行了图像数据分析。选取了YCbCr颜色模型,利用探索性分析法对荔枝不同部位、不同光照、不同生长期的荔枝图像的Cr分量进行了数据分析与统计,确定了辨识荔枝果实未成熟与成熟的Cr分量的阈值范围;对于成熟的荔枝,采用边缘提取与Hough圆拟合方法对其Cr分量图进行处理,标记出图像的荔枝果实,然后利用纹理统计法、颜色特征与果实不同部分面积比值相结合的方法进行果实变质的判断,最终实现了未成熟、成熟以及腐烂变质的荔枝果实的视觉智能判断,建立了荔枝果实品质辨识的智能系统。试验结果表明,辨识荔枝品质状态的正确率达93%。     

机器视觉技术在农业领域中的应用

机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域.     

基于机器视觉的水稻种子质量在线检测机

作为水稻种子质量的一个重要指标,水稻种子纯度的检测对打击假冒品种和维护农民利益具有现实意义.为此,简要回顾了基于机器视觉的水稻种子质量检测的研究现状;针对检测中需要快速、无损和准确的要求,研制了基于机器视觉的水稻种子质量在线检测装置,其主要由落料机构、传动装置、光照箱和水稻种子排料机构组成.试验表明,该装置能实现水稻种子在线识别.     

基于机器视觉的玉米种粒破损识别方法研究

针对玉米种粒在收获、脱粒、贮藏时因各种因素造成损伤和人工选种耗时耗力的问题,提出了一种基于机器视觉的玉米种粒破损检测方法。首先,利用图像获取装置得到单粒玉米种粒图像,通过差影法确定图像噪声种类,采用中值滤波方法对图像进行降噪;其次,标记图像边界,运用灰度阈值法完成玉米种粒图像分割。根据玉米种粒的形态特征分别提取玉米种粒的周长、面积、周长面积比、长轴长、短轴长、长宽比6个几何特征和矩形度、圆形度、紧凑度、7个Hu不变矩10个形状特征,共16个特征。完整玉米种粒和破损玉米种粒图像各50幅作为训练样本,将提取的16个特征分量作为输入量,对支持向量机(Support Vector Machine,SVM)进行训练,输出量为1、0,分别代表"合格""不合格",训练完成后获得玉米种粒的SVM识别模型;另取完整的玉米种粒和破损的玉米种粒图像各50幅作为测试样本,对训练好的SVM模型进行测试。结果表明:该检测方法对玉米种粒破损识别准确率达95%以上,识别100幅玉米种粒图像的时间为1.27s。研究结果为玉米种粒的实时破损检测提供了参考。     

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%。     

机器视觉技术在农产品破损检测上的应用

农产品的表面缺陷是农产品品质的重要特征,利用机器视觉进行检测具有人工检测所无法比拟的优越性。为此,分析了目前国内外利用机器视觉和图像处理技术进行农产品破损检测研究的现状和存在的问题,提出了今后研究的方向和发展途径。     

基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统

杂交稻机械化秧盘精密播种育秧过程中需要人工实时监测,以保证秧盘播种性能,为解决传统人工长时间户外、低效的监测方式,设计了基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统。系统由嵌入式开发平台、无线Wi Fi网关、高清网络摄像头、红外传感模块、远程服务器等组成。嵌入式开发平台采用Tiny4412开发板,并在其上移植Linux系统、摄像头驱动、GPIO口驱动;采用Qt开发工具,完成图像采集、实时显示,并设计出友好的人机交互界面;利用Jpeglib静态库对图像进行数据压缩;利用无线Wi Fi局域网、嵌入式系统和远程服务器按照规定的协议通过Socket通信进行数据传输。远程服务器基于Netty框架对采集到的图像数据进行校验、实时显示和保存。试验结果表明,不同分辨率图像的无线传输速率均满足育秧流水线实时作业要求,JPEG格式的图像经过数据压缩,其传输速率大大提高;嵌入式采集终端能够稳定采集播种秧盘图像,并成功地上传到服务器,网络平均丢包率为0.23%,误码率为0.23%。     

机器视觉高精度测量技术在农业工程中的应用

基于机器视觉的高精度测量技术在国内外已广泛应用于工业、医学、农业等领域,近年来在农业工程相关研究与应用中也得到了长足进展,应用对象涉及到蔬菜、水果、农作物和相关农业作业装备等。为此,从机器视觉定量检测和精确检测的角度出发,综述近年来机器视觉检测技术在农产品分级、农业机器人动作规划、植物生长参数检测和播种机排种性能试验等方面的应用以及进展,同时也简要讨论了该技术在非农业领域的应用现状和在农业工程领域的发展趋势,为农业现代化新技术的应用提供参考。     

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。