计算机视觉技术在水产养殖中的应用与展望

该文从养殖动物的生物量测量、行为监测和应激状态评估等方面综述了计算机视觉技术在水产养殖中生物信息获取方面的研究进展,并提出了进一步研究的方向是用图像处理技术量化鱼的行为的新方法,鱼在各种应激和养殖条件下行为变化的量化研究和人工智能技术的应用等方面。     

计算机视觉技术在作物生长监测中的研究进展

该文从作物外部生长参数测量、果实成熟度检测、作物营养状态监测及作物形状描述与识别等几个方面介绍了国内外计算机视觉技术在作物生长监测中的研究进展，认为具有启发式、智能化特点的彩色图像处理技术将会成为计算机视觉技术应用于设施农业领域的研究热点。     

计算机视觉技术在玉米生产管理中的应用

计算机视觉技术已经广泛应用于农业生产领域。对计算机视觉技术在玉米种子质量检验、玉米品种的识别、玉米粒形的检测、玉米田间杂草的识别等方面的应用做了介绍。     

农业领域中的计算机视觉研究

计算机视觉技术在农业各领域中的应用研究发展非常迅速，本文回顾了计算机视觉技术近年来的国内外农业中的发展情况，从四个方面进行综述，最后概述我国现阶段计算机视觉技术在农业中的应用主要存在的问题及发展前景。     

机器视觉技术在农产品品质自动识别中的应用(Ⅰ)

随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高,在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力。为了能充分利用国外的最新研究成果,该文分农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别等三个方面棕述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,以供我国研究人员做同类研究时参考。     

机器视觉技术在农产品品质自动识别中的应用研究进展

该文分水果果梗识别、果形识别、内部品质检测和硬件设备开发等4个方面综述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展,并指出了目前尚需解决的难点问题,以供我国研究人员做同类研究时参考。     

菠萝采收机械低成本双目视觉平台搭建与田间试验

摘要：视觉系统是菠萝采摘机械的关键部件之一,可为采摘终端提供待采果实的位置导航信息。考虑到菠萝果形较大,易于识别,以及系统应用于农业领域,需尽可能降低成本。该研究选取双目视觉技术,采用低成本的CMOS视觉传感器,辅以三脚架、双目云台,以及计算机、软件系统,搭建低成本双目视觉标定平台;研究了标定模型及流程,并基于C++和OpenCV v1.1环境以及Matlab标定工具箱的软件环境平台,采用张正友标定算法,分别对视觉传感器进行标定试验,选取了适合本平台的标定方法。基于此平台和开发的菠萝果实识别算法,在湛江菠萝田间进行果实深度测量试验发现,果实测试距离小于1 m时,深度误差在6～8 cm范围内,经软件算法校正后,误差控制在2～3 cm范围内,该平台试验结果良好,表明低成本试验平台具有可行性。该研究可为菠萝采摘机器人视觉系统的开发提供参考。     

基于计算机视觉和神经网络检测鸡蛋裂纹的研究

为了提高鸡蛋裂纹检测的准确性和效率，综合运用计算机视觉技术和BP神经网络技术，实现对鸡蛋表面裂纹的无损检测和分级。首先，通过计算机视觉系统获取鸡蛋表面的图像，对图像分析处理，提取了裂纹区域和噪声区域的5个几何特征参数。其次，将5个参数作为输入，建立结构为5-10-2的BP神经网络模型，对裂纹进行识别和鸡蛋的自动分级。试验结果表明模型对裂纹鸡蛋的识别准确率达到了92.9%，对整批鸡蛋的分级准确率达到了96.8%。     

基于计算机视觉和声学响应信息融合的鸡蛋裂纹检测

为了提高对鸡蛋裂纹识别的准确性,建立利用计算机视觉和声学响应信息融合技术检测鸡蛋裂纹的系统,首先采集和分析鸡蛋被敲击后的声音信号,提取了4个特征频率、偏斜度平均值和崤度平均值共6个特征参数,作为人工神经网络的输入量,创建了结构为6-15-1的3层BP神经网络模型判别鸡蛋裂纹。其次,利用计算机视觉系统获取鸡蛋表面图像,提取了区域面积、圆形度、区域长径、短径和长短径之比共5个特征参数,作为BP人工神经网络的输入量,创建了结构为5-10-1的3层BP神经网络模型识别鸡蛋裂纹。最后,根据计算机视觉与声学响应技术检     

农业机器人视觉传感系统的实现与应用研究

论述了农业机器人视觉传感系统的主要实现技术和当前的应用现状,包括基于视觉传感原理的距离检测技术,基于视觉传感原理的工作对象特征识别技术和基于视觉传感原理的运动导航技术.基于双目立体视觉的测距方法可应用于葡萄和番茄采摘机器人,配备激光光源和红外光源的测距系统可在室外有效抵抗日光变化对检测结果的影响.几何形状、灰度级、颜色,尤其是农产品表面的反射光谱特性,可以用于农业机器人识别操作对象.人工路标方法是实现农业机器人视觉导航的简单方法,另外,直接基于田间作物在空间排列的特征也可实现农业机器人的视觉导航.最后讨论了农业机器人视觉传感系统的未来发展趋势.     

高光谱图像技术在水果品质无损检测中的应用

传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的。根据不同的采集设备,简介了两种获得高光谱图像的方法。综述了国内外将该技术应用于水果品质检测方面的研究进展,检测内容包括外观品质、损伤与缺陷,成熟度和坚实度,含糖量、含水率等内部品质,着重介绍了各高光谱图像的成像波段范围、分辨率、成像源,实验数据处理的方法以及实验结果等。根据综述所得提出了高光谱图像技术应用中需要解决的光谱降维、降低样品差异影响和实时检测平台搭建等问题。     

基于立体视觉的动态鱼体尺寸测量

获取渔业养殖鱼类生长态势的人工测量方法费时费力,且影响鱼的正常生长。为了实现水下鱼体信息动态感知和快速无损检测,该研究提出立体视觉下动态鱼体尺寸测量方法。通过双目立体视觉技术获取三维信息,再通过Mask-RCNN（Mask Region Convolution Neural Network）网络进行鱼体检测与精细分割,最后生成鱼表面的三维点云数据,计算得到自由活动下多条鱼的外形尺寸。试验结果表明,长度和宽度的平均相对误差分别在5%和9%左右。该研究满足了水产养殖环境下进行可视化管理、无接触测量鱼体尺寸的需要,可以为养殖过程中分级饲养和合理投饵提供参考依据。     

利用计算机视觉技术实现对温室植物生长的无损监测

利用计算机视觉技术对温室植物生长进行无损监测，获取植物生长状态信息，对于提高温室的智能化控制水平具有重要意义。在实验温室中设计了一套计算机视觉系统，对黄瓜幼苗生长进行无损监测，同时利用VC++6.0编制的图像分析处理软件，提取植物的外部形态特征：叶冠投影面积和株高。通过对两组无土栽培的黄瓜幼苗叶冠投影面积的连续监测，发现叶冠投影面积的变化趋势可以较好的反映植物的缺肥情况。用图像处理方法测量植株的平均株高与人工测量结果的相关系数可以达到0.927。研究表明，计算机视觉技术应用于温室植物生长的无损监测是可行的，具有广阔的应用前景。     

基于图像的植物叶面积无损测量方法研究

为了研究植物的生长规律,应用计算机视觉技术对大豆叶片实现无损测量.该项研究针对大豆叶面积无损测量中校正图像和去除叶片纹理特征等问题上,提出了基于双线性映射的无损测量法.无损测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响,试验验证该方法能很好地校正叶片图像,提取叶片的有效面积,并去除植物纹理斑点的影响,应用该方法校正叶片图像,精度可达99%以上.采用计算机视觉技术测量叶面积,具有简单、准确、方便快捷的特点,这对数字农业的植物信息快速采集和利用具有重要的意义.     

基于机器视觉的猪胴体背膘厚度在线检测技术

为了能在线精准测量猪胴体背膘厚度,解决人工测量过程中效率低、人为因素影响大及结缔组织易被误测量为背膘的问题。该文基于机器视觉及图像处理技术提出一种图像采集并自动测量背膘厚度的算法。在双边滤波、大律法、形态学变换的基础上,通过轮廓面积分割提取出背膘区域及其边缘轮廓,利用拟合线对轮廓边框进行拟合,判断是否包含结缔组织。若包含则针对原始图像目标测量区域像素点特征进行具体分析,去除结缔组织。然后通过直线映射,确定背膘厚度检测线,测量猪胴体背膘厚度。测试结果表明:检测方法能适应在线检测速度需求,检测正确率为93.5%,平均检测时间为0.3 s。研究结果为生猪屠宰生产线上准确、快速测量背膘厚度提供参考。     

基于深度学习的鱼类养殖监测研究进展

鱼类养殖是通过人工方式在水中养殖各种鱼类的经济活动。鱼类养殖可以在淡水、海水或者盐碱水环境中进行,通过各种监测技术和设备来培育和管理鱼的生长和繁殖。传统的鱼类养殖监测方法存在效率低和准确性差等问题。近年来,基于深度学习的视觉技术的发展为鱼类养殖监测提供了新的解决方案。该文阐述了基于深度学习的视觉技术在鱼类养殖监测中的应用,并从鱼体测量、鱼类计数、鱼类摄食、鱼类游泳行为和鱼病诊断5个方面分别对研究进展进行梳理。在此基础上总结了鱼类养殖监测在数据采集与传输、建立鱼类养殖监测数据集、超规模参数模型、终端监测设备边缘计算、数字孪生、智能监测业务化应用不足等问题和展望,旨在为深度学习在鱼类养殖监测中的推广应用提供科学参考。     

基于机器视觉的鲜食玉米品质检测分类器设计与试验

设计一种基于机器视觉的鲜食玉米品质检测分类器。利用计算机视觉技术,通过小波分析方法对不同角度拍摄的鲜食玉米图像进行纹理特征分析;在获取玉米图像纹理特征的基础上,采用最大熵函数对纹理图像的分离度进行度量,并结合重量判据设计鲜食玉米品质检测分类器,实现对不同品种、尺寸以及破损程度的鲜食玉米进行分类,有效剔除病虫害污染的玉米产品。该设备可有效减少因工人主观经验水平的参次不齐等主观因素导致产品质量检测分类不均的现象。经实验验证,该品质检测分类器能够有效完成不同重量、尺寸的鲜食玉米的产品品质检测与分类,有效分类率可达到99%以上。     

饲料原料种类在线识别系统设计与试验

入仓原料种类识别是饲料生产过程中的关键环节之一。目前,入仓原料主要通过人工取样的方式,依靠工人感官经验识别原料种类,以确保原料正确入仓。为了实现饲料原料种类在线自动取样和识别,提高饲料加工的自动化水平,该研究设计了一种多通道饲料原料自动取样装置,应用机器视觉技术,搭建了原料种类在线识别系统。该系统主要由取样单元、样品输送单元、图像采集单元等组成;采用Arduino Uno为系统控制核心,设计了控制流程和控制线路;在Arduino IDE开发环境下编写了控制程序;运用卷积神经网络的方法构建了饲料原料种类识别模型CAM-ResNet18;基于PyQt5环境开发了饲料原料种类在线识别系统软件,包括上位机人机交互软件系统和下位机自控控制系统。上位机系统软件通过串口与下位机控制器通讯,实现对饲料原料种类在线取样识别装置的自动控制。通过模型嵌入和系统集成,对系统的基本功能、识别准确率和识别时间进行测试。饲料原料种类在线识别系统运行正常可靠,实现了饲料原料入仓过程中的自动取样、图像采集、种类识别、结果反馈、一键报警的全环节智能操作。系统性能测试中,饲料原料种类识别准确率为98%,取样识别周期为10.13 s。研究结果表明开发的饲料原料种类在线识别系统可以实现入仓饲料原料在线取样和种类识别功能,为饲料加工中饲料原料种类的自动识别提供了新的方法和技术支撑。