基于机器视觉的条播排种器性能检测精度的研究

现有的各种条播排种器性能检测方法各有优缺点,而且受到检测过程复杂、成本较高和精度低等局限.将机器视觉技术运用于条播排种器的性能检测,是条播排种器性能检测的一种新方法.以手工处理的结果为参照,分析视觉检测精度,得出小麦样本帧种子数频率分布的绝对误差在0.016～0.116粒·s-1之间,相对误差在33%～965%之间.对小麦样本程序处理与手工处理的差异显著性进行检验,结果表明,程序结果与手工结果大约80%是拟合的,说明机器视觉检测方法可以满足实际应用的需要.     

外槽轮排种器性能检测及分析

采用机器视觉方法,检测了外槽轮排种器的排种过程,以期对该排种器性能进行较精确地评价。小麦试验结果表明,排种量呈某种性质的离散分布,其条形图一般非对称,峰值偏左。排种器转速和槽轮工作长度愈大,则排种均匀性愈好,条形图趋于对称。两个参数对排种能力及排种均匀性均存在极为显著的影响,显著性检验尾概率的最大值分别达0 0007和0 0016,效应模型的决定系数最小值为0 9185。排种量的均值达17 0343粒/s～165 9395粒/s,标准差达13 6025粒/s～27 4819粒/s,变异系数达15 6797%～79 8534%。排种量的极差变化较小。槽轮工作长度值18mm可能处于排种量跃升的临界状态附近。     

MATLAB在排种器性能检测中的应用

利用MATLAB软件实现对排种器的动态种子流图像进行处理,并对检测结果进行分析.结果表明:基于MATLAB软件的视觉检测精度和检测速度较高,而且该软件使用方便,操作简单,有很广阔的应用前景.     

精密排种器排种质量的机器视觉检测与分析

为开发具有较高效率和精度的精密排种器试验检测系统,研究了一种机器视觉检测技术,它采用视觉传感器采集排种口动态种子流下落时的序列图像,通过图像处理、排种时间检测、型孔种子数识别等过程,获得型孔种子数的频率分布,进而计算合格指数、重播指数、漏播指数等排种质量指标。研究结果表明,采用平稳随机过程模型描述排种时间和型孔种子数序列,采用帧间隔及最大帧种子时间与排种间隔合理匹配的图像采集模式以使种子重复成像,既可保留有用信息,又可在较宽范围内选用帧频率,能够在25~30 Hz常见帧频率下对单粒播和穴播排种器的排种质量进行有效检测。     

基于视频流的马铃薯排种器性能检测方法

为实现马铃薯排种器的排种性能指标和播种精确性指标检测,设计一种由铺砂、排种、输送、控制以及图像处理等工作部分组成的马铃薯排种器性能检测系统,并提出相应的检测方法,即排种器固定于试验台上方正常工作,种薯掉落在移动的输送带上,使用工业相机拍摄输送带上种薯的视频。依据输送带运动参数和相机帧率,确定和提取视频的关键帧。通过识别和定位输送带上粘贴的二维码,实现对关键帧的拼接,得到1次测试中全部的、无重复的一幅种薯图像。对种薯图像进行处理和分析,得到每个种薯的中心坐标,继而计算种薯的相对位置信息,以评估排种器性能。试验结果表明,该检测系统测量精度高,大幅降低了人工劳动强度,具有很好的应用价值。     

DSP技术在农产品外观检测领域的应用研究

设计了一个基于DSP的农产品质量检测系统.系统利用CCD摄像头获取农产品的图像,经过DSP对图像进行相关算法的处理,最后将处理结果显示在显示屏上.该系统可代替人工肉眼检测,提高检测效率和精度.     

基于机器视觉的山核桃等级检测技术

提出了一种基于机器视觉的山核桃等级检测方法。在对山核桃形状充分理解的基础上,采用CCD相机获取其数字图像,通过数学形态学的方法,提取山核桃图像的横径、果长、大小等特征。结合山核桃的几何尺寸建立数学模型。根据山核桃从业人员建议,对这些特征赋予一定的权重,建立综合等级评价标准,据此来综合评定山核桃的等级。试验结果表明,该分级方法较机器筛选法更客观、合理,分级结果更符合人们的消费心理和视觉习惯。     

机器视觉技术在金莲花灌溉中的应用研究

应用机器视觉技术研究了判断作物缺水状态的方法。在日光条件下采集了金莲花叶片图像,然后分别提取了红绿蓝（RGB）三色分量和它们的相对系数rgb及色度H。在RGB和HSI颜色模型下分析了各分量与作物缺水时间之间的相关特性．分析结果表明红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量都与缺水时间之间有相当高的相关性,可以用作利用机器视觉快速判断金莲花缺水状况的指标,而其他分量与缺水时间之间没有明显的相关性。     

基于机器视觉的小粒咖啡豆的检测技术

设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。     

山核桃图像头尾检测方法

为了将山核桃击压姿态调整至最佳,以提高手剥山核桃的碎壳品质,提出了一种基于机器视觉与山核桃图像特征的山核桃头尾检测方法。运用数学形态学等方法,提取山核桃图像的外轮廓、纹理、大小等特征,结合山核桃的几何尺寸与纹理分布建立数学模型,进行山核桃头尾位置的检测,从而得到姿态调整的角度,为后期自动化击压加工山核桃提供了便利。     

机器视觉技术在金莲花灌溉中的应用研究

应用机器视觉技术研究了判断作物缺水状态的方法.在日光条件下采集了金莲花叶片图像,然后分别提取了红绿蓝(RGB)三色分量和它们的相对系数rgb及色度H.在RGB和HSI颜色模型下分析了各分量与作物缺水时间之间的相关特性.分析结果表明红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量都与缺水时间之间有相当高的相关性,可以用作利用机器视觉快速判断金莲花缺水状况的指标,而其他分量与缺水时间之间没有明显的相关性.     

基于机器视觉的管道通径内检测技术

管道通径内检测可以提前发现管道安全隐患,在确保管道安全运行方面发挥着重要作用。在机器视觉技术的基础上,将视觉测量技术中的Radon变换应用于激光光源投射成像方法中,提出了基于视觉的管道通径测量计算方法。该方法利用激光发生仪投射与管道内部形状完全吻合的激光环,由相机采集管壁上的光环图像,并将其进行边缘检测和细化处理,最终获得管道的截面轮廓曲线。通过Radon变换得到两条反映管道内径信息的光带,经细化处理提取光带中心线,进而根据中心线之间的距离计算得到管道在所有方向角上的内径数据。研究结果表明:该测量计算方法高效快捷,能够一次性获取管道截面在所有方向角上的内径信息,具有很高的实际应用价值。     

基于计算机视觉播种机排种器检测平台的研发与应用

为播种机实现高效、精准播种提供优良性能检测平台,采用自动控制、计算机视觉与传感器融合技术相结合的方法,利用液压控制系统和自动控制系统技术研究开发基于计算机视觉的多功能排种器性能检测平台。结果表明:该检测平台能够实现对作物播种机排种器播种量的有效控制,提升播种的精准度和播种环节的科学性与高效性。该试验平台适用于机械式和气力式排种器性能的检测。     

谷物检测中机器视觉技术的应用进展

谷物自动检测的基本思路是利用数字图像处理技术和模式识别技术,首先对获取的谷物子粒图像进行预处理,其次提取谷物子粒图像的特征,然后对提取的特征进行分析和处理之后送入分类器中识别.以图像处理、图像分析、图像识别这3个步骤为主线综述在谷物自动检测中机器视觉相关技术的应用进展,并说明了各种方法的适用范围.     

基于机器视觉的香烟条包图像检测系统研究

简述了彩色图像灰度化、预处理和二值化等方法。结合香烟条包生产实际,通过高速线性矩阵CCD相机对香烟条包进行触发拍照,系统软件将灰度检测、端面检测、拉线检测、图案检测等系列数字图像处理算法进行组合。该检测系统利用图像处理技术对不合格产品进行剔除,可有效降低产品不良率,提高了生产效率。     

视觉技术在农业采摘机器人中的应用及发展

介绍了农业采摘机器人的视觉技术及其工作原理,并进一步探讨了农业采摘机器人视觉技术的应用及其发展前景。     

基于智能光学系统的水稻种子精选机

稻米口粮消费在总消费中所占比例逐年增加,优质米消费量上升趋势较为明显,优质大米市场前景十分广阔。而种子在加工流程中却存在许多问题,如病斑粒、不饱满粒混杂其中,难以筛选,进而影响发芽率。因此,筛选饱满优质的稻种,能更大程度的提高水稻产量。我们提出了一种水稻种子精选机的设想,利用工业CCD相机及其机器视觉等技术来进一步筛选稻种,剔除不健康,不饱满的籽粒,以减少播种量、降低生产成本、提高产量。     

基于色差信息的田间成熟棉花识别

准确识别和定位目标在三维空间中的位置,为机械手提供运动参数,是采摘机器人视觉系统要解决的关键问题。本文利用棉花成熟期,棉花表面颜色与背景颜色存在较大差异的特征,在统计分析的基础上,建立了利用色差信号进行棉花识别的视觉模型。试验结果表明该模型可以完成棉花的识别,识别准确率达到85%以上。     

基于机器视觉的葡萄自动识别技术

为了应用计算机对自然场景下的葡萄进行自动识别,根据机器视觉原理,进行图像采集.将葡萄的图像进行平滑、锐化等预处理后,在RGB颜色空间内计算葡萄颜色样本值,并根据样本值进行图像分割,最后利用分割的结果进行特征提取.仿真试验证明,这种方法对葡萄的识别效果较好,紫色、红色葡萄的准确率接近90%.     

机器视觉技术在农产品检测中的应用研究

机器视觉技术在农产品检测领域得到了广泛的应用,并随着相关技术的不断成熟和发展,机器视觉在农产品检测领域中的应用必将对传统检测模式产生巨大影响。本文分析了机器视觉技术在农产品检测中的应用现状,提出了应用中出现的问题,并为未来的研究方向进行了初步的探讨。