农产品品质检测中常用的图像背景分割方法

利用机器视觉对农产品进行无损检测和自动分级时，对实时拍摄的农产品图像，在进一步的特征提取、模式识别等图像处理之前，采用适当、有效的方法把农产品图像从背景中分剖出来是一个非常重要的预处理步骤。其分割效果的好坏将直接影响到农产品分级的最终效率和准确性。为此，介绍了农产品品质无损检测中常用的图像背景分割方法。     

基于分块阈值和边缘检测的叶片分割算法

针对复杂的植物叶片图像,提出了一种分块阈值、边缘检测相结合的图像分割算法。首先,根据预先确定的子块的大小,把整幅图像划分成若干数目的子块,对每个子块用大津法进行分割,把分割好后得到的子图像拼接起来形成目标图像;然后,用改进的Sobel边缘算子对原图像进行边缘提取分割;最后,把分块阈值得到的结果与边缘检测得到的结果结合起来得到较优的结果;在此基础上再进行腐蚀、填洞等形态学操作,得到最终的分割结果。实验表明:与传统的分块阈值、边缘检测相比较,此算法的抗噪性较好,细节上分割得也较为清楚,具有较好的分割效果。     

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。     

无损检测技术在水果品质测定中的应用

本文阐述了几种水果内部品质的无损检测法,分析说明了各自的工作原理、测试及分析方法,并探讨了水果无损检测的应用前景.     

无损检测技术在水果品质测定中的应用

本文阐述了几种水果内部品质的无损检测法,分析说明了各自的工作原理、测试及分析方法,并探讨了水果无损检测的应用前景.     

无损检测技术在水果品质测定中的应用

本文阐述了几种水果内部品质的无损检测法,分析说明了各自的工作原理、测试及分析方法,并探讨了水果无损检测的应用前景。     

基于RGB图像检测的水果分拣控制算法研究

以水果分拣控制过程为研究对象,基于RGB图像检测方法建立分拣控制算法.同时,利用异步图像采集模式进行水果图像获取,并借助中值滤波和高斯滤波器两种方式实现水果图像噪音去除;采用全局自动阈值分割法进行水果图像特征提取,从而实现水果颜色特征及表面区域特征的识别分类.将特征数据与设定好的特征阈值进行对比,从而实现水果等级的鉴定...     

核磁共振技术在水果品质检测中的应用

核磁共振及其影像技术作为一项新的检测技术在医学上取得了广泛的应用,在农业、食品行业也逐渐开始应用。为此,阐述了核磁共振及其影像技术的基本原理,并从水果内部品质、成熟度、内部缺陷、损伤及水果贮藏等方面介绍了国内外核磁共振技术在水果检测中的应用研究进展,并探讨了研究应用中的优点与局限,展望了核磁共振技术在水果检测中的应用前景。     

近红外光谱技术在水果内部品质无损检测中的应用

针对近红外光谱分析技术在水果内部品质无损检测的应用问题，简单介绍了近红外光谱的基本原理；描述了国内外近红外光谱分析技术无损检测水果内部品质的最新研究进展；并指出当今国内外研究中存在的问题和今后进一步的研究设想。     

自然场景下植物叶片图像分割方法研究

图像分割是一种重要的图像分析技术,旨在把图像分成各具特性的区域并提取出感兴趣的部分.图像分割的结果是图像特征提取、识别等图像理解的基础.介绍阈值分割和边缘检测的分割方法,并进行分割算法试验,分析自然场景下植物叶片图像几种分割方法的优缺点,为该分割方法的应用提供依据.     

基于计算机视觉的水果大小检测方法

通过计算机视觉技术获取水果的图像，对该图像进行边缘检测等处理后，以其自然对称形态特征为依据。确定水果的检测方向，进一步检测水果的大小，试验表明，该方法检测速度快，正确率高，适用范围宽，能够满足水果自动检测要求。     

水果流等转角动态序列图像的获取

为自动采集水果机器视觉分选机输送装置上水果所有表面的图像信息,设计了一套水果流动态图像实时采集系统,并提出了一种水果流等转角动态序列图像实时采集方法,依靠水果输送翻转装置实现水果的等角速度均匀翻转,依靠图像采集实时控制系统实现2台摄像机的适时同步触发,再通过图像处理系统判断获取图像中有无水果及图像的奇偶帧特性,从而实现了输送线上不同大小水果的等转角动态序列图像自动采集.试验表明,该系统能自动采集到输送线上每个水果的6帧图像,且相邻图像帧之间水果大约旋转60°,6帧图像中水果近似旋转一周.     

基于OHTA颜色空间的瓜果轮廓提取方法

提出了一种对彩色水果图像进行果实轮廓提取的算法.首先将图像转换为OHTA颜色空间中的灰度图像,用阈值法实现了图像分割;然后用BLOB算法滤去图像中的噪声;最后用插值的方法得到平滑的轮廓曲线.利用开发的智能瓜果精选分级试验样机,按照大小对温室西红柿进行分类,对算法的精度和实时性进行检验,结果表明算法的精度可达98%,分选速度达到3个/s,达到了实用化的目标.     

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%。     

基于位置特征的行间杂草识别方法

研究了利用条播作物的位置特征识别行间杂草的方法。根据条播作物成行排列的位置特征,利用像素位置直方图法识别作物中心行。根据多数杂草位于作物行之间裸土中的位置特征,以每条作物行左右边界线段的起始点作为种子,运用种子填充算法填充与其相连通的作物行区域,从而识别行间杂草。试验表明：行间杂草的准确识别率平均为80%,错误识别率平均为4.2%,适用于早期作物田间杂草识别。     

基于并行点火PCNN的玉米病害彩色图像分割方法

以提高玉米叶部病害检测精度为目标,提出一种基于并行PCNN的玉米病害彩色图像非监督分割方法.该方法是在CIE LUV颜色空间中以归一化的L+U特征值为外部激励输入,以邻域像素间几何距离与色度差的综合信息为PCNN耦合连接域权值,以颜色矢量的最小色差对比度为最佳分割结果判别准则,用改进型并行PCNN对玉米病害彩色图像进行分割.对4种病害100幅图像的分割实验表明,该方法分割效果较好,适应度较高,参数设置复杂度低.     

小波变换在果品图像处理中的应用

针对果品图像处理常用方法不能同时在时域和频域分析图像,且不具有多分辨率特性的问题,应用小波变换理论和技术,以红枣图像为例,对果品图像进行了去噪、增强等处理。小波去噪所需时间为9s,还不及数学形态学的1／4;小波变换用于红枣图像增强所用的时间仅为7s,是模糊数学形态学的1／495。试验结果表明：小波变换用于果品图像增强和消噪,具有方便快捷、去噪效果好、目标明确等优点;小波变换用于果品图像处理是有效的、可行的。     

排种器性能检测中种子位置智能检测方法

根据基于计算机视觉的排种器性能检测的特点，提出了基于神经网络的种子位置智能检测方法。采用两个光轴互相垂直的摄像机监测投种规律，并把以矩法求取的质心图像坐标作为输入节点，构造检测种子质心实际坐标的两个神经网络，并行处理左右两幅图像，从而快速求得种子位置。实践表明，此方法不仅能求出种子位置，而且可全面监测种子的运动情况。     

基于机器视觉的樱桃外径检测

樱桃的外径尺寸是樱桃分级的重要参考标准之一.目前对樱桃分级都是人工实现,存在主观性强、劳动强度大、不够准确等缺点.利用机器视觉技术实现对樱桃外径尺寸的检测,包括椭圆拟合、圆拟合和旋转搜索.对18个樱桃外径进行了检测,结果表明:椭圆拟合方法最有效,与手工测量结果相比,其标准偏差为0.48 mm,能够满足实际分级需求.