基于计算机视觉的大米外观品质检测

开发了一套基于计算机视觉技术的稻谷品质检测系统，采用灰度变换、自动阈值分割、区域标记等方法从采集的稻米群体图像中提取单体米粒图像，对单体米粒的裂纹、垩白特征进行了统计和检测方法研究。提取了米粒的面积、周长等10个特征参数作为整精米检测特征，并进行了主成分分析，确定了判别整精米的优化阈值。检测试验结果表明：裂纹米粒识别的准确率为96．41％；垩白米粒识别的准确率为94．79％；整精米识别的准确率为96.20%。     

牛胴体眼肌切面图像的分割方法

在牛肉的计算机自动分级系统中,牛胴体眼肌图像的分割、大理石花纹的提取是利用计算机视觉评定牛肉等级的最基本及重要步骤。在简要介绍各种图像分割方法的基础上,对目前国内外应用于牛胴体眼肌图像的分割技术及各种算法进行了初步分析研究。并在此基础上,对其他学科提出的一些图像分割算法应用于牛胴体眼肌图像分割的潜力和前景进行了论述。     

融合电子鼻和视觉技术的鸡肉新鲜度检测装置研究

为实现鸡肉新鲜度的快速准确检测,设计了一种基于电子鼻和视觉数据融合的一体化检测装置。装置由控制系统、视觉系统和电子鼻系统3部分组成,可同时通过电子鼻传感器阵列检测鸡肉散发的气体浓度并由摄像机采集鸡肉视觉图像,控制板传输数据至Jetson Nano上位机进行特征提取、融合与分析。由该装置获取不同新鲜度鸡肉样本的气味和图像数据,采用主成分分析方法进行降维处理,再基于支持向量机建立鸡肉新鲜度分级模型,准确率可达98.7%。该装置具有准确率高、便携和稳定性强等特点,可为肉品新鲜度检测提供技术支持。     

牛肉新鲜度的电子鼻检测技

为了简单、快捷、准确地检测牛肉新鲜度,建立了电子鼻检测系统.根据牛肉产生的气味和传感器实验,合理地选用了气敏传感器阵列.为提高电子鼻传感器灵敏度,对购置的传感器进行了改进.利用生物嗅觉的研究成果,开发出仿生嗅觉鼻道结构.为了提高电子鼻系统小样本训练的识别率,提出了用支持向量机(SVM)算法识别牛肉新鲜度的方法.应用电子鼻系统对储藏7 d不同新鲜度的牛肉进行了识别实验,识别率达到99.25%.结果表明电子鼻检测牛肉新鲜度是可行的.     

基于DSP的蛋黄图像大小快速提取方法

0引言 当前,基于机器视觉的鸡蛋新鲜度检测已经比较广泛,相对于人工检测,检测效率提高了很多,但是目前很多基于机器视觉的新鲜度检测主要在普通的计算机上利用软件（如Madab7．0,Visualc＋＋6．0等）进行处理,如：王巧华等研究了透色光鸡蛋图像特征与新鲜度的关系,该研究是利用数码相机获取鸡蛋图片,然后导入计算机里利用Manab7．0进行图像处理,提取参数,图像分割需要依赖手动选取阈值,检测手段不具有实时性。     

基于计算机视觉的冷却牛肉嫩度分析方法

分别运用大理石纹和灰度空间相关矩阵两种方法对含脂肪组织和不含脂肪组织冷却牛肉的图像特征进行了分析。在含脂肪组织牛肉图像中提取了能反映牛肉大理石纹结构分布和数量信息的特征量，在不含脂肪组织牛肉图像中提取出3个反映牛肉纹理粗细的特征量，并用线性回归方法分别建立了特征量与肉嫩度等级间的数量关系。研究表明，灰度空间相关矩阵法适于不含脂肪组织牛肉的嫩度评价，大理石纹方法适于含脂肪组织牛肉的嫩度评价。     

牛肉眼肌图像在线采集和实时分割系统

根据肉牛屠宰现场牛肉自动分级的技术要求,设计并构建了一个以TMS320DM642处理芯片为核心的牛胴体眼肌图像在线采集和实时分割系统.首先利用所开发系统在线采集牛肉图像,然后通过蒙板方法,对所采集图像进行背景分割;由于DM642系统采用y、Cb、Cr 3个色度分量来分别描述和存储图像,为节省算法处理的数据量,对Cr(红色)色度空间图像进行二值化处理,然后再用区域面积标记法和小区域消除法提取眼肌区域.实验结果表明,利用DM642系统能够实现牛肉图像的在线采集和眼肌区域分割,眼肌图像提取的准确率平均值为92.9％.     

国内畜产品新鲜度的无损检测研究进展

对畜产品新鲜度进行快速无损检测以及评价具有重要的现实意义。为此,综述了当前常用的无损检测技术在国内畜产品新鲜度检测的应用研究现状,包括机器视觉、近红外光谱、电子鼻以及多源信息融合技术等,并分析了其存在问题,提出了新鲜度检测的未来研究发展方向,以期对国内相关研究人员的研究工作提供参考。     

基于机器视觉与深度学习的西兰花表型快速提取方法研究

准确获取西兰花花球面积和新鲜度是确定其长势的关键步骤,本研究通过对深度残差网络ResNet进行改进得到一种新型的西兰花花球分割模型,并通过花球部位黄绿颜色占比判断其新鲜度,实现低成本高效准确地西兰花表型信息提取。主要技术流程包括：（1）基于地面自动影像获取平台拍摄西兰花花球正射影像并建立原始数据集;（2）对训练图像进行预处理并输入模型进行分割;（3）基于颜色信息用粒子群结构PSO和大津法Otsu对分割结果进一步进行阈值分割,获取其新鲜度指标。试验结果表明：本研究建立的分割模型精度优于传统深度学习模型和基于颜色空间变换和阈值分割模型,4个评价指标结构相似性指数(SSIM)、平均精度(Precision)、平均召回率(Recall)、F-度量(F-measure)结果分别为0.911、0.897、0.908和0.907,相比于传统方法提升了10%-15%,且对土壤反射率波动、冠层阴影、辐射强度变化等干扰具有一定的鲁棒性。同时,在分割结果的基础上采用PSO-Otsu法可以实现花球新鲜度快速分析,其精度超过了0.8。本研究结果实现了西兰花田间多表型参数的高通量获取,可以为作物田间长势监测研究提供重要参考。     

基于改进红绿色差和Otsu的葡萄果穗图像分割

为提高田间复杂环境下传统图像分割法分割葡萄果穗图像准确度低的问题，提出一种基于改进红绿色差和Otsu算法的田间葡萄果穗图像分割方法。选取与人类视觉相近的RGB颜色空间，提取并分析R、G特征图的直方图，经分析对其点乘特征图并进行Otsu运算，再经过形态学处理，实现对田间环境下葡萄果穗图像的分割。与灰度图、（R-G）特征图和（R-G）/（R+G）特征图分别采用最大阈值分割法（Otsu）分割的结果进行对比，试验结果表明，红绿色差点乘Otsu分割法的分割结果最优，准确率为92.37%，F1值90.13%。对50幅图像做了测试，其中图像准确率最高为97%，准确率最低为79%，其平均准确率为88.75%。所提出的方法能够实现葡萄果穗较完整的分割，并可为葡萄果穗的识别、定位提供研究基础。     

膨化食品表面质量的自动检测

利用图像处理方法,对膨化玉米表面质量进行了研究。结果表明,膨化玉米的颜色和体积是反映产品质量的重要信息,直接受物料喂入量和含水量的影响,通过伴样本图像的统计分析可知,ＲＧＢ,ＣＭＹ模型比ＨＳＩ模型更适用于膨化玉米,用图像处理方法自动检测多膨化食品表面质量可避免手工检测和内部结构图像分析时破坏样本,减少了损失,是在线自动检测膨化食品质量的新途径。     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

自然场景下成熟水果的计算机视觉识别

研究在自然场景下成熟水果的识别技术。比较HSI颜色空间转换的几种方法：球体法、柱体法和双锥体法等。球形：HSI颜色转换系统在本研究中产生较少的奇异数据,被采用。将图像的RGB值转换成色调、饱和度和亮度值,并将色调和饱和度结合产生融合图像,以消除地表、天空等背景的影响。利用Otsu算法自动获取分割阈值,提取目标区域。将提取的区域形态特征进一步分割图像,去除与颜色类似的枯叶和其他背景,提取成熟水果区域,分割效果显著。     

色差边缘检测方法在杂草识别中的研究

田间作物与杂草的识别是实现变量喷洒除草药剂的关键.为此,提出了田间作物和杂草的叶子颜色信息以及HSI颜色模型研究的基础上,提出了一种与HSI空间3分量相互分离的特点相结合的色差边缘检测方法,并将实验结果同传统的Sobel方法进行了比较.结果表明,该方法充分利用了田间作物与杂草的彩色信息,能够快速准确地检测到图像的边缘,边缘连续性好,能很好地与背景分离,而且能够满足实时检测的要求.     

基于模糊聚类的玉米大斑病害图像的分割技术

通过颜色空间的转换,将RGB颜色空间转化为HSI颜色空间,在色度H空间对玉米大斑病图像进行分割。应用模糊聚类分析的方法,确定了图像分割的阈值。对186幅玉米大斑病图像进行分割试验,分割的准确率为97．8％。分析表明,准确的病害图像分割可以为病害的特征值提取和病害的模式识别做好准备。     

作物数字图像获取与长势诊断的方法研究

数字图像在作物信息采集方面具有信息量大、速度快、精度高等显著的特点和优势,被广泛应用于作物生长诊断方面。以往研究集中在作物图像分析技术,对图像获取手段和获取系统的技术要求等论述较少。从建立作物图像获取系统的角度出发,在分析作物图像颜色、分辨率、格式和文件存储空间大小的基础上,总结了常用作物图像获取及分析技术在作物监测方面的应用。结果表明,作物水分及营养状况诊断多采用图像颜色特征分析的方法,常用RGB和HIS颜色模型,作物图像可以在自然光照条件下获取,镜头距离地面或作物的距离、拍摄角度、图像分辨率和图像存储格式并无定规,可用JPEG格式来存储图像,节省大量的图像存储空间。土壤和杂草等背景的识别、病虫害特征提取等方面采用颜色特征、多光谱图像、纹理特征和形状特征等方法,图像颜色分辨率从288×352像素到3 072×2 304像素可使识别目标达到80%～95%。图像分辨率高的识别效果好,但是程序用时长,图像文件占用空间大,影响图像传输速度和诊断的实时性。因此获取图像时要根据图像应用的具体情况来选择合理的图像分辨率。     

基于机器视觉的蔬菜种子包衣品质鉴定

蔬菜种子包衣工作参数的智能调节,能提高包衣加工效率和成品质量。为了研究包衣工作参数的智能调节,提出了基于机器视觉的蔬菜种子包衣品质鉴定方法。针对蔬菜种子包衣过程中种子包衣完整性、包衣颜色深浅、包衣颜色均匀性3个重要指标,提出依据单粒种子的种子包裹率、种子颜色及纹理特征将包衣种子分为合格与非合格两类。对于种子图像中粘连的问题,采用分水岭算法将图像分割为单粒种子。通过对单粒种子的多阈值分割,实现种子包衣完整率的计算。基于HSI颜色空间提取H、S分量的颜色矩特征与I分量的灰度共生矩阵特征,融合种子包衣完整率、颜色矩特征和灰度共生矩阵特征这3种特征为一个11维特征向量,构建基于径向基核函数的支持向量机分类器对包衣结果进行品质鉴定。实验选用包衣后辣椒种子验证算法,结果表明:包衣结果识别准确率为90.93%。该研究可为后续研究包衣机工作参数的智能调节奠定理论基础。     

基于彩色转换的水果分类系统设计

提出了一种先将RGB图像转换为HSI图像,然后再对HSI图像灰度化,接着对HSI的灰度图像进行动态阈值分割的方法.此方法先将RGB图像转换为HSI图像,这样,可以有效地避免在将RGB图像直接转换为二值图像时,由于光线不均而造成的影响;同时,采用动态阈值进行分割,使分割出来的目标更加完美.最后,使用BP神经网络对目标进行识别.试验证明,此种方法识别率高,远远好于传统的直接对RGB图像灰度化,再对灰度图像进行分割识别的方法.     

计算机视觉系统下缺素番茄叶片彩色图像研究

基于计算机视觉系统分析研究缺素番茄叶片的色彩图像,可以准确提取出缺素番茄叶片色彩图像的特征。对当前缺素番茄叶片色彩图像特征提取中,可以运用计算机视觉,优化设计图像处理软件,依据番茄叶片颜色特征来完成缺素番茄叶片的识别。实验表明:基于计算机视觉系统,优化设计缺素番茄叶片色彩图像特征提取软件,可提升缺素番茄叶片色彩图像分析精度(提升32.0%),准确判断提取缺素番茄叶片图像的特征。基于计算机视觉系统,进行缺素番茄叶片的色彩图像特征提取,有效提高了缺素番茄叶片色彩图像分析精度,可在实践中推广应用该技术。