基于PLC和机器视觉的水果自动分级系统研究

介绍了水果自动分级系统总体设计,并从机器视觉模块和水果图像处理等两方面介绍了系统的视觉模块,最后基于图像处理和PLC控制技术实现了水果自动分级功能.试验结果表明:系统能够对水果进行等级分拣,系统最高精度为98％,具有较高的可靠性、可信性及一定的推广价值.     

农作物无损检测的机器视觉系统标定方法研究

基于机器视觉的无损检测是植物生长建模的关键技术之一,对图像采集系统进行标定是实现无损检测的基本步骤.目前,摄像机标定的方法有传统标定方法、主动视觉标定法、自标定方法等.为此,对现有标定方法分别进行了讨论与比较,结果表明,传统线性标定法可以满足农作物无损检测的要求.     

大豆叶片形态模拟模型建立方法的研究

叶片是大豆的重要器官之一,对大豆叶片结构模型的研究,有助于对大豆叶片功能的研究.为此,从大豆叶片轮廓的提取方法和模拟模型的建立方法两个方面进行讨论,提出了大豆叶片进行数字化处理的基本方法,应用L系统,成功地建立了大豆叶片结构模拟模型,解决了大豆生长模拟模型建立过程中的一个关键问题,对大豆植株模型的建立有着重要的指导意义.     

大豆"窄平密"栽培模式全程机器系统配备量的研究

国内外的生产实践证明:大豆窄行、平播、密植栽培技术是一项具有突破性的增产技术.但是在大面积推广之前,必须首先解决合适的机械等关键技术和配套措施问题.为此,采用模糊综合评判法仅对适合大豆"窄平密"耕法的玉-30全程机器系统进行了选型,并且利用线性规划方法对机器系统进行了最优配备量的研究.其不仅为推广大豆"窄平密"耕法全程机械化提供了重要的理论指导,而且为推广大豆"窄平密"耕法奠定了坚实的基础.     

基于生长方程大豆叶片模拟方法的研究

针对大豆叶片的各项指标建立数学模型,叶片的轮廓采用贝塞尔(Bezier)曲线方程拟合,叶片长、宽与时间的生长模型采用理查兹生长方程模拟,设计出了能够真实反映大豆叶片特征的生长方程,基本实现了对大豆叶片生长的动态模拟.     

“基于机器视觉的棉田杂草自动探测与精确施药系统研究”通过验收

2010年11月30日,镇江市国际科技合作项目＂基于机器视觉的棉田杂草自动探测与精确施药系统研究＂在江苏大学通过了验收。该项目由陈树人教授主持,实施期间与丹麦哥本哈根大学开展了国际交流与合作,邀请了Hans.W.Griepentrog博士来江苏大学进行学术交流和指导。     

基于机器视觉的精播排种器性能检测方法

介绍了采用机器视觉的精播排种器性能检测方法:通过CCD摄像机直接拍摄动态种子流,对获取的样本进行背景去除、二值化、图像平滑、特征量提取、图像标定等处理;构造了基于排种时间序列的型孔种子数频数统计方法,计算出排种器性能指标.试验表明,此方法检测误差小、速度快.     

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.     

基于L系统的大豆根系模拟研究

随着虚拟植物研究的不断深入,对于虚拟植物研究的重点也从地上部分转入地下部分.根系是植物最重要的器官之一,在植物整个生长发育、生理功能和物质代谢中发挥着重要作用,因此对植物根系进行虚拟研究具有重要意义.为此,以大豆为例,通过对大豆根系形态及生长特点的分析,探讨了使用L系统进行大豆根系虚拟建模的方法,并在Visual C 环境下进行了算法实现.     

并联移栽机器人视觉的研究——基于图像的秧苗位置确定

以三平移并联机器人视觉系统为研究对象.采用超绿色(Extra Green)特征分割方法对植物秧苗在钵盘中的彩色图像进行分析,提取出图像中绿色成分,并进行二值化处理;然后,对二值图运用质心法、形态学运算法和中点法3种方法确定图像中心位置,并综合比较3种运算方法,得出确定秧苗根茎位置的最佳方法为形态学运算法.     

计算机视觉技术在苹果叶片营养诊断上的应用

植物营养诊断方法很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具.随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,其在农产品诊断领域应用计算机视觉已变得越来越具有吸引力.苹果叶片营养状态诊断是进行合理施肥的前提,因此具有非常重要的意义.     

机器视觉技术在大豆叶片叶绿素含量测算上的应用

植物叶绿素含量测算方法有很多,但是无论何种方法,由于复杂的检测技术条件,在实际应用中均存在着一定困难,人们希望获得更快更简捷的检测方法和工具。随着计算机视觉技术的专业化与计算机硬件成本的降低和速度的提高,在农产品诊断领域应用计算机视觉已变得越来越具有吸引力。为此,应用计算机视觉技术对大豆叶片叶绿素含量进行了测算。大豆叶片叶绿素含量的多少是进行合理施肥的前提,因此具有非常重要的意义。     

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。     

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。     

基于计算机视觉系统的溶液浓度快速检测方法

基于计算机视觉系统的RGB色度学理论,提出一种测定有色溶液浓度的数字色度法,并开发了与之配套的软件检测系统。该方法与分光光度计相比,大大提高了检测效率,理论上每分钟可完成上百个样品浓度的同时测定。通过软件系统分析样品色度信息,实现自动显示被测溶液浓度的良好效果,为一次性成批检测溶液浓度提供了一种简捷快速的新思路。     

模拟式温度仪表的自动识别系统设计-基于计算机视觉测量技术

随着计算机技术、图像处理技术和计算机视觉测量技术的发展,基于视觉图像处理技术的各种测量技术日臻成熟,并广泛地应用于各种测量领域。在此基础上,结合多年来在温度测量和计算机视觉测量方面研究的体会和社会的需求,提出了结合计算机视觉测量技术实现对温度测量仪表的全自动识别系统,实现了与理论温度值的同步采集,提高了温度仪表的校准效率和建模的正确性,缩短了校准时间。     

基于计算机视觉技术的向日葵种子分选系统设计

针对世界四大主要油料作物之一的向日葵种子的分选问题,结合近红外技术和计算机视觉技术,进行了根据向日葵种子内部含油率高低不同的自动分选系统设计开发。依据不同含油率种子在近红外光下的成像特征,将向日葵种子区分为两个级别。该系统由Labview计算机视觉系统、红外光发生器、图像采集卡、黑白照相机、40 W的环形灯、白色的照相纸及X射线图像处理工作站组成。运用所设计样机进行向日葵种子分选试验,结果表明:与化学分析方法相比较,本系统设计含油率分选准确,从而为满足不同市场需求的向日葵种子分选提供一种方便、快捷的方法,提高了向日葵种子的市场价格经济效益。     

基于计算机视觉的汽车安全辅助驾驶技术

近年来民用汽车不断增加,随之而来的交通事故发生率也不断提高.安全驾驶问题已成为人们生活中的的热议话题,汽车安全辅助驾驶技术受到人们的普遍青睐.基于计算机视角,分析研究汽车安全驾驶中的非正常驾驶状态问题,及计算机视觉对该问题解决的帮助,使汽车安全辅助驾驶技术得到创新.     

基于计算机视觉的茶叶色泽检测研究

我国茶叶种植面积和产量均为世界第一,是特色农业的重要组成部分;但我国茶叶品质检测体系不完善,分级技术水平不高,影响了产品在国际市场上的竞争力。传统的茶叶分级是由人工分析判断,具有较大的局限性。计算机视觉是一种新型的图像处理技术,已经应用于茶叶品质分析。为此,将拍摄的茶叶和茶水图像进行预处理、灰度化和阈值分割,获得目标轮廓并分析颜色特征,并通过建模集样本确定用于色泽检测的特征量,然后对检验集样本进行色泽检测。结果表明:检验集中被错误识别的茶叶种类极少,总体的识别准确率达到9 0%,为准确评价茶叶的色泽品质提供了技术支持。