共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
本章提出了一种基于概率神经网络(PNN)结合机器视觉的鸭蛋表面裂痕检测方法,配合背景光照法,结合灰度图像处理、图像高斯滤波处理、图像分割处理等算法去除图像杂质干扰,采用反锐化掩模局部对比度增强的分段增益改进算法来增强裂痕,收集裂痕、污点的相关信息作为数据集录入PNN神经网络,进行识别判断。本研究对1 600张鸭蛋图片样本进行采样分析,将鸭蛋分为好蛋、脏污蛋、裂纹蛋3种。试验表明,该系统对干净无损蛋、脏污无损蛋、裂纹蛋的检测准确率分别达到了95.1%、77.9%、95.3%,具有较好的泛化性和鲁棒性,符合复杂鸭蛋生产加工环境的应用需求。 相似文献
6.
设计了基于AT89S52单片机的鸭蛋品质无损自动检测分级延时控制系统。在明确了上位机工作要求的前提下,设计了单片机硬件系统,也对下位机软件系统做了较详细的设计说明;利用串口接口电路,实现了上下位机间的协调工作;最后,对系统的位置误差与时间误差进行了分析。 相似文献
7.
8.
传统的鸭蛋外壳检测主要依靠人工检测进行,主观性大,检测精度差,效率低,耗费了大量的人力物力,还会造成鸭蛋的二次损坏,严重影响鸭蛋的出口和销售。为此,深入研究了机器视觉技术,并将其应用在鸭蛋外壳检测系统中,构建了基于机器视觉的鸭蛋外壳检测系统总体设计方案,完成了图像采集模块的硬件设计。工作时,对待检测鸭蛋进行自动拍照,完成摄像机图像的采集;通过建立小孔摄像机模型,确定样本图像和摄像机图像的比例关系;通过对样本图像进行图像灰度转换、二值化处理、边缘检测等处理,实现对鸭蛋外壳的智能检测。最后,进行鸭蛋外壳检测试验,结果表明:基于机器视觉的鸭蛋外壳检测系统结构能够实现对鸭蛋进行自动检测,智能区分完好鸭蛋和有裂纹鸭蛋,检测精度高、性能稳定,有效提高了鸭蛋外壳检测效率。 相似文献
9.
针对我国鸭蛋孵化行业剔除无精蛋的方法效率低、剔除的无精蛋已丧失食用价值、造成资源巨大浪费的问题,运用机器视觉技术,以孵化至第3天的种鸭蛋为研究对象,运用深度卷积神经网络(Convolutional neural networks,CNN)端对端的特点,在Alexnet神经网络基础上进行改进,将孵化第3天的种鸭蛋透射图像直接输入到深度卷积神经网络。用卷积层代替全连接层,改变卷积核的尺寸,搭建了种鸭蛋受精信息识别网络(Eggnet)模型,实现了对种鸭蛋孵化早期受精信息的无损判别。试验结果表明,该方法对孵化第3天的种鸭蛋图像测试集分类准确率高达98.87%,验证集分类准确率为97.97%,平均单枚蛋检测时间仅为0.24 s。 相似文献
10.
11.
12.
13.
14.
15.
16.
我国是杨梅的发源地和主产区,地理环境差异大,形成了多样的品种和品质。杨梅以鲜果形式进行销售和食用,销售期很短,因此快速高效的分级具有重要意义。人工分级的劳动强度大、效率低且分级质量不稳定,这些问题在杨梅上体现得更为明显。计算机视觉技术是水果分级研究中的热点,目前已经安装在杨梅采摘机器人上,用于自然环境下的果实识别。本文设计了基于计算机视觉的杨梅自动检测分级系统,经过计算机视觉软件的预处理、灰度化和图像分割后提取杨梅轮廓;然后检测鲜果果径、圆形度和颜色深度,根据相应的等级标准进行分级。系统分级的准确达到92.7%,对大小和果形均具有较高的识别准确率;单幅图片处理耗时0.45s,能够满足实时检测分级的要求。这个系统与合适的分级执行装置结合使用可以达到高效无损的分级效果,为我国杨梅产业可持续发展提供技术支撑。 相似文献
17.
(1)煮蛋选新鲜的鸡、鸭蛋(数量不限),放在凉水锅里煮,待水开三四分钟时,将鸡蛋捞出,使蛋成为溏黄蛋(鸭蛋可煮开四五分钟)。这是做好醉蛋的关键。若鸡蛋煮得太老了,蛋黄似木渣,不好吃;鸡蛋煮得太嫩了,蛋黄还未凝固,也醉不好。要使蛋黄外面凝固,黄心粥状,成为溏黄为宜。(2)制醉卤将开水倒入水缸、玻璃缸或大碗内,水量以没过鸡蛋为宜,放入适量的盐、搅拌均匀(咸、淡以自己口味为佳),再放少许花椒粒,待水冷后,倒入一些大曲酒,使卤有酒香味即可。(3)醉蛋将煮好的鸡蛋外壳敲敲(不剥外壳),放入醉卤里,盖好盖儿。封捂五六天后,即可食用。产品特点:醉… 相似文献
18.
本文介绍了油液污染度自动检测装置的结构与工作原理,该装置以AT89S51单片机为核心,以污染度采集装置为执行机构,以AD1674为A/D转换器,配接混浊度传感器,液晶显示器,实现了油液污染度的在线自动检测。 相似文献
19.
20.
基于LabVIEW的苹果擦伤分级系统设计 总被引:2,自引:0,他引:2
基于美国USDA苹果分级标准研制了苹果擦伤检测分级系统样机。系统依据所研究的苹果表面擦伤拉曼光谱PLS/CVA处理和UNEQ模型分类,通过设计的LabVIEW虚拟仪器控制系统实时完成苹果分级。对48个预先分级的美国红元帅苹果(reddelicious#4167)分别进行两轮实际分级实验来评估该系统的性能。实验结果表明该分级检测系统对无擦伤、轻擦伤和重擦伤苹果组的分级平均准确率分别为100%、99%、97%。分级系统每分钟可分级苹果3~6个,对运动苹果分级误判率较低,是实施苹果自动检测分级生产线的基本模块。 相似文献