基于机器视觉的鸡蛋体积与表面积计算方法

鸡蛋体积与表面积传统手工检测方法速度慢、效率低,不能满足实际生产的需求.利用机器视觉技术,假设理想鸡蛋图像关于纵径对称,提出像素体积和Vp与像素表面积和Sp,给出在数字图像中的计算方法;最后建立了鸡蛋体积V、表面积S与Vp、Sp之间的关系模型.试验验证表明:鸡蛋体积预测模型相关系数为0.965,实测误差±1 cm3内准确率达92%;鸡蛋表面积预测模型相关系数为0.971,实测误差±1 cm2内准确率达88%.     

鸡蛋图像检测方法与质量预测模型

首先利用牛顿二分法快速识别鸡蛋图像边缘信息;然后通过边缘信息简化图像区域面积像素和公式及图像形心坐标公式,提出自动确定长轴的方法;最后建立了鸡蛋蛋形指数和质量的预测模型。验证结果表明,边缘检测效率提高了大约20倍;实际蛋形指数与预测指数的相关程度达到0.9523;通过图像面积像素和与图像旋转体积像素和所预测的质量与实际质量的相关性达到0.9806。     

鸡蛋质量与长短轴在线检测方法

开发了一套基于动态称量和图像处理的鸡蛋在线检测系统。通过应变片式传感器动态检测质量,用图像处理检测鸡蛋长短轴。对117个鸡蛋进行在线验证,建立了鸡蛋长短轴检测模型,实现了鸡蛋质量和长短轴的在线检测,并对通过不同方法所得到的鸡蛋长短轴及鸡蛋质量进行了对比。结果表明,在线系统检测鸡蛋质量误差小于±1 g,短轴误差范围-0.5~0.7 mm,长轴误差范围±0.6 mm,鸡蛋检测速率为4枚/s,满足在线检测的要求,证明在线系统具有较强的合理性及鲁棒性。     

基于BP神经网络的鸡蛋新鲜度无损检测方法

用计算机视觉装置和Matlab软件获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度指标（哈夫值）,用其作为样本数据建立BP神经网络模型,得到鸡蛋新鲜度与其图像颜色参数之间的最优关系。系统先自动判别鸡蛋壳色再分类检测鸡蛋新鲜度,经检验,建立的BP神经网络具有较好的泛化功能和鲁棒性,对褐壳蛋和白壳蛋新鲜度的正确识别率分别为87．258％、89．029％。     

基于多信息融合的疫苗制备中鸡蛋胚体分拣系统

采用多信息融合方法研究疫苗制备中鸡蛋胚体状态的识别与分拣技术。在研究不同状态鸡蛋胚体图像特征、温度衰减和透光度变化情况的基础上,得出活胚图像中血管多、粗且呈放射状,弱胚图像中血管少、细且断裂,死胚图像内部均匀无血管,污染胚图像内部有明显黑块特征;鸡蛋胚体从37.8℃的孵化箱中取出置于25℃室温环境,活胚、弱胚、污染胚、死胚的温度衰减速度依次增大;活胚的透光度随孵化时间增加而逐渐降低,其他胚体透光度变化相对较小。将图像、温度、透光度信息特征融合,建立BP神经网络信息融合模型对鸡蛋胚体状态进行识别。最后,从37.8℃孵化箱中抽取80枚孵化6 d的鸡蛋胚体放置于室温10 min后,采集图像、温度和透光度信息,进行试验验证。结果表明多信息融合系统的识别准确率为96.25%,比单用图像、温度和透光度传感器进行识别的准确率分别提高了6.25%、13.75%和8.75%。     

基于多元图像分析的包装罐内壁缺陷检

为提高包装罐生产线内壁缺陷检测准确性与可靠性,研究了一种采用单摄像机的内壁缺陷检测系统.利用基于形态学的区域提取算法,从罐内图像中分割出内壁检测区域图像.提出基于多元图像分析(MIA)的内壁缺陷检测算法.利用图像融合构成环形合格样本图像,消除罐内焊缝区域的影响,把多个环形合格样本图像与测试样本内壁检测区域图像堆叠起来,用重合区域的图像构造多元测试图像.用基于主成分分析(PCA)的多元图像处理方法获得多元测试图像的主分量表示,将去掉第一主分量和噪声后的Q统计图像作为内壁缺陷特征的检测空间,利用阈值处理检测缺陷,解决了罐体内壁照明困难、亮度不均造成缺陷误检率高的问题,提高了检测系统的准确性和鲁棒性.实验表明对内壁缺陷检测的误检率降低到2%,验证了检测系统的有效性和可靠性.     

基于计算机视觉的规模化蛋鸡场产蛋计数方法

本文提出了一种基于计算机视觉和图象处理的规模化蛋鸡场产蛋量计数方法,通过分析摄像机获取的图像中鸡蛋和传送带背景信息来有效的检测鸡蛋个数.本方法经试验表明:鸡蛋计数的准确率为95%,并对统计鸡蛋枚数效率高,实用性强,克服了人工计数带来的不便,因而可以进行推广.     

基于遗传神经网络的种蛋成活识别系统

为解决人工识别种蛋受精误差和效率低等问题,本文提出一种基于DSP硬件平台和遗传神经网络的识别系统。系统以DM6437处理器搭建硬件处理平台,系统识别软件是遗传神经网络算法。它通过拍摄装置获取200枚种蛋图像,图像信息输入DSP系统的处理算法,提取图像的色调(H)分量颜色特征,使用主成分分析法找出色度分量中4个主成分特征,他们的总贡献率超过90%。最后利用遗传神经网络算法输入4个色度主成分特征,预测输出是孵化种蛋的成活性。训练神经网络并用测试集样本验证神经网络。实验结果是遗传神经网络和BP神经网络检测正确识别率分别是93%和86%,表明遗传神经网络的准确率较高,可以实现自动检测种蛋受精和成活。     

基于图像处理的蜜柑大小自动分级方法

文章介绍了采用图像处理技术进行蜜柑大小自动分级的方法,利用CCD摄像机获取蜜柑的样本图像,应用MATLAB软件实现对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理,参照蜜柑分级的国家标准完成蜜柑自动分级。经试验验证表明,此方法分级精度高、速度快。     

基于小波变换和BP神经网络的蛋壳破损检

提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法。该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解,计算和分析各水平高频细节子图像的纹理特征参数,实验确定最有效的8个特征参数作为BP网络输入,建立结构为8—20—2的BP神经网络蛋壳破损分类模型。实验表明,该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%,平均识别率为     

基于机器视觉和YOLOv4的破损鸡蛋在线检测研究

破损鸡蛋导致的漏液会污染自动化生产线和完好鸡蛋,不仅影响生产效率,还会干扰裂纹鸡蛋的检测.为实现破损鸡蛋快速、准确、低成本的识别,本文利用机器视觉技术,并结合深度学习网络深层次特征提取、高精度检测分类的特性,提出一种基于YOLOv4网络的破损鸡蛋检测方法.构建破损鸡蛋图像数据集,搭建YOLOv4深度学习网络,训练含有破...     

基于图像特征和随机森林的油菜生物量估算

油菜生物量是喂入量和作业质量的主要影响因素,高效、快速地检测油菜生物量是实现油菜收获机自动控制的基础和前提。为研究收获期油菜生物量的影响因素和分布规律,首先利用无人机采集联合收获期油菜的田间可见光图像并实测油菜的生物量信息,提取并构建与油菜生物量有关的32个特征参数,通过相关性分析筛选出与油菜生物量相关性较高的10个显著特征;分别建立基于随机森林（Random forest,RF）、主成分分析（Principal component analysis,PCA）和支持向量机（Support vector machine,SVM）的联合收获期油菜生物量估算模型;利用训练集确定模型参数并优化,利用测试集估算油菜生物量,验证估算模型的性能并比较精度。结果表明：3种模型的评价指标均方根误差（RMSE）、相对误差(RE)和决定系数(R2)分别为0.24 kg/m2、0.04%~22.23%、0.87,0.36 kg/m2、0.92%~21.14%、0.71和0.26 kg/m2、0.28%~34.17%、0.84;对比估算结果可知,基于随机森林的估算模型的RMSE小于PCA和SVM模型,决定系数R2最大且相对误差较小,模型精度和稳定性较优,是估算联合收获期油菜生物量一种较优的方法。基于可见光图像特征和随机森林的油菜生物量估算方法可为油菜联合收割机喂入量自动检测提供方法和参考。     

基于生成对抗网络的禽蛋图像数据生成研究

在进行禽蛋无损检测研究时,需要花费大量的人力和物力采集禽蛋图像数据,为解决该问题,设计了一种基于深度卷积生成对抗网络(Deep convolutional generative adversarial networks,DCGAN)的改进禽蛋图像数据生成网络。该网络分为生成器与判别器,生成器用于禽蛋图像数据生成,判别器对生成的禽蛋图像进行真实性判断,两者相互对抗最终生成高质量的禽蛋图像数据。为了提高生成的禽蛋图像质量,使用残差网络构建生成器和判别器,引入Wasserstein距离和加梯度惩罚的损失函数,分别在透射和反射情况下对禽蛋图像进行生成研究。该方法有效地解决了大量禽蛋图像数据的采集问题,为后期禽蛋图像识别与检测提供了数据基础,同时也为后续禽蛋数据库构建提供了技术支持。     

基于线性模型的管路内农药混合均匀性评价方法

针对混合试验图像所得均匀性指数计算结果难以直接匹配于被广泛认可的数值仿真参考值的问题,本文基于线性模型方法,将混合试验图像处理与数值仿真结果进行映射,在黏性水溶性农药与水在长直混合管内进行在线混合的试验条件下构建对应的线性预测模型,并采用射流混药器在线混合图像及仿真结果对上述模型进行检验。研究结果表明：不同图像方法(灰度直方图二阶矩(HSM)、改进面积加权法(OAU)、主成分分析法(PCA))对应最优线性拟合阶数不同,采用单独图像方法构建模型时最优阶次为4,决定系数R2高于0.95,采用2种图像方法组合和3种图像方法组合时最优阶次可分别降至3阶和2阶,R2则接近或高于0.98;载流流量Q为800~2000mL/min、混合比P为0.01~0.10条件下,基于HSM、OAU、PCA和线性模型,可实现实际混药器均匀性预测,所有模型预测误差均小于0.05,且采用一元和二元线性模型使得平均预测误差分别降低84.1%和79.8%,不同算法间预测结果极差分别降低31.6%和78.0%;采用基于PCA或OAU算法的一元模型进行预测时误差可控制在0.03以内,其精度高于不同算法组合预测的结果;采用基于HSM-PCA等算法组合的二元模型误差虽稍高于0.03,但也可避免单一图像指标计算不准确带来的预测风险。通过构建图像处理-数值仿真之间的映射关系,可为基于图像处理进行农药在线混合均匀性评估提供更加可行和合理的方法。     

西瓜可溶性固形物含量近红外透射检测技术

设计的近红外透射式西瓜可溶性固形物含量（SSC）检测系统主要包括光纤光谱仪、光纤透射附件、数据采集卡以及自制光源。对50个麒麟瓜SSC进行了预测试验,采用主成分回归和偏最小二乘回归法分别建立了样品的原始光谱、一阶微分光谱、二阶微分光谱和SSC的预测模型,结果表明偏最小二乘回归法建立的模型具有较高的相关性,相关系数为0．951,均方根校正误差0．347,均方根预测误差0．302,样本真实值与预测值的相关系数为0．910。     

基于用水量驱动因子的水量预测模型

采用主成分分析法筛选出显著的驱动因子,结合灰色关联分析将筛选出的驱动因子进行灰色聚类和优势分析.以用水量驱动因子为基础,利用SPSS建立多层感知器网络,利用矩阵实验室建立GRNN神经网络和BP神经网络.将诱导有序加权平均算子(IOWA)应用到水量预测模型中,构建基于IOWA算子的MLP-GRNN-BP组合用水量预测模型,最后建立由平方和误差(SSE)、均方误差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方百分比误差(MSPE)和Theil系数(μ)组成的预测效果评价体系,评价预测模型的预测效果,最后以重庆市的用水量预测为例,验证以上方法的可行性.结果表明:经过主成分分析及灰色关联分析,可将用水量驱动因子由31个降为12个, 12个驱动因子可综合为4个聚类,可确定4种用水量的各自驱动因子的重要性排序;BP, MLP, GRNN和MLP-GRNN-BP组合模型预测结果的MAPE,MSPE和Theil系数均在5%以内.     

疫苗毒株胚蛋成活性检测方法研究

针对人工光照法在生物疫苗毒株(胚蛋)成活性检测中,存在劳动强度大、效率低、准确性差的缺点,提出了一种仿生胚蛋成活性图像无损检测方法。针对以往研究中胚蛋图像上下灰度不一、胚蛋蛋壳质量不一等因素影响胚蛋血脉提取的问题,提出了一种基于最小类内指数方差的自适应阈值图像处理方法。通过对去噪后的胚蛋图像进行图像边缘检测及数学形态学处理,准确构建了成活胚蛋主血脉二值形态,通过计算胚蛋内主血脉二值面积百分比判定胚蛋成活性。对胚蛋图像进行识别实验,结果表明,该系统识别一枚胚蛋用时0.093 s,胚蛋活性判定准确率为100%,可满足灭活疫苗、冻干疫苗生产的活性准确率要求。     

基于深度学习的群体种鸭蛋受精信息检测方法

针对我国禽蛋孵化行业以人工方式剔除无精蛋自动化程度低的问题,以孵化5d的群体种鸭蛋为研究对象,利用图像采集装置采集群体种鸭蛋图像,在常用单步多框检测器(Single shot multibox detector,SSD)网络的基础上提出一种改进SSD目标检测算法,并采用该方法对孵化早期整盘群体种鸭蛋中的受精蛋与无精蛋进...     

基于改进神经网络算法的蛋鸡产蛋率预测研究

为提高蛋鸡产蛋率预测效果,采用改进神经网络算法.首先依据神经网络误差与动态因子来优化神经网络权值,神经网络自适应学习速率在算法运行前期较大从而加快学习,后期迅速减小,加速收敛,减小误差,提高网络训练精度;接着神经网络的激活函数采用修正线性激活函数ReLu,使得计算速度加快;然后建立预测模型以及产蛋率预测评价指标;最后给...