排序方式: 共有58条查询结果,搜索用时 15 毫秒
31.
梳棉内层杂质高光谱图像检测 总被引:2,自引:0,他引:2
以梳棉内部深度1 ~6 mm处的多种杂质为研究对象,研究了高光谱成像技术检测效果和可行性.在波长460~900 nm范围内,提取高光谱图像中杂质和棉花的像素光谱.采用二次判别分析分类像素,构造分割二值图像,使用面积过滤器和形态学组合方法剔除二值图像中的噪声点和伪目标,统计杂质检测效果.结果表明可以检测棉网内一定深度的普通杂质(植物性杂质)、彩色丙纶丝、有色线和有色布块,能够检测部分黑色毛发和灰色丙纶丝.其中,普通杂质的检测效果最佳,正确检测率超过80%. 相似文献
32.
33.
基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究 总被引:5,自引:0,他引:5
对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究.在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理.提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76% Brix,相对分析误差为2.44.在分级研究中,选择712 nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5%.结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究. 相似文献
34.
35.
目前,新疆哈密瓜在采摘期成熟等级判定主要采用人工方式,容易混淆级别,影响销售质量。为此,提出了一种基于机器视觉和主成分分析优化神经网络的哈密瓜成熟等级识别方法。首先,利用田间哈密瓜图像采集系统获取了采摘前不同成熟期的哈密瓜图像,利用图像处理技术获得了感兴趣区域;其次,提取能表征哈密瓜不同成熟等级的外观特征,包括H分量图像的色调累积频度、纹理特征、几何特征;最后,利用主成分分析法优化特征,构建并验证基于BP神经网络的哈密瓜成熟等级预测模型。研究表明,基于机器视觉和主成分分析优化神经网络预测哈密瓜成熟等级是可行的,准确率达86.59%。 相似文献
36.
利用光谱技术对大田哈密瓜冠层叶片叶绿素含量定量估测,可为田间水肥调控以及田间管理提供理论依据。本实验在剔除噪音后的378 nm到1 115 nm光谱的基础上采用多元散射校正、标准正态变量相交、标准化、Savitzky-Golay卷积平滑法、归一化、移动平均平滑等方法对原始光谱数据进行预处理,然后采用特征区间选择与特征波长选择相结合的方法实现数据降维和简化模型,并建立偏最小二乘和极限学习机的回归模型。结果表明,多元散射校正预处理效果最佳,在此基础上,利用反向区间偏最小二乘法(BiPLS)和竞争性自适应重加权采样算法(CARS)相结合共筛选出13个特征波长,将其作为模型的输入变量,由偏最小二乘法(PLS)建立的模型效果最优,其预测集的相关系数Rp和均方根误差RMSEP分别为0.942 4与1.006 2。因此,采用BiPLS与 CARS结合PLS建立的光谱定量分析模型,可实现对哈密瓜冠层叶片叶绿素含量的定量估测。 相似文献
37.
38.
为提高新疆棉田残膜回收机械化水平,解决机具残膜回收率低、含杂率高等问题,研究设计一种秸秆还田残膜回收一体机。根据新疆棉花的种植模式和田间作业要求对整机的关键零部件进行设计,确定了甩刀型粉碎刀、绞龙转速为1 500 r·min-1、捡膜滚筒回转半径为245 mm、脱模板回转半径为278.5 mm等零部件参数。选取机具行进速度、捡膜齿入土深度、输出轴转速为影响因素,以残膜回收率、含杂率为试验指标,设计三因素三水平正交试验并进行测试,确定了最优参数组合:机具前进速度7 km·h-1、捡膜齿入土深度25 mm,输出轴转速760 r·min-1。根据最优参数进行试验验证,结果表明:在最优参数组合下,残膜回收率的均值为85.03%,含杂率的均值为15.88%,其与理论值对比误差均小于3%,模型可靠。该研究成果可以满足残膜回收机田间作业要求。 相似文献
39.
悬挂式棉秆粉碎还田搂膜机搂膜机构的设计与试验研究 总被引:19,自引:13,他引:6
介绍了悬挂式棉秆粉碎还田搂膜机的设计要求、基本结构,给出了搂膜机构的结构参数.对切根铲工作阻力进行了理论分析,并通过试验获得主要技术参数;同时,搂膜齿排列试验结果表明,搂膜齿的排列方式对搂膜率有一定的影响,最后一排的齿密度越大效果越好,但排列过密容易壅土,齿间距最小约为110 min;通过综合试验,确定了悬挂式棉秆粉碎还田搂膜机的主要技术参数的较优水平组合;切根铲工作深度H为4~5 cm、提升角(或碎土角) β为16°、机具前进速度V为6.2km/h. 相似文献
40.
基于机器视觉的核桃仁动态分级研究 总被引:1,自引:0,他引:1
【目的】基于机器视觉技术研究出一种适合新疆核桃仁动态分级处理的方法。【方法】利用实时采集且已经完成图像预处理的样品核桃图像得到核桃仁特征集合,运用mRMR特征选择算法筛选原始特征集并对特征的重要性进行排列,通过对支持向量机、决策树和朴素贝叶斯三种机器学习算法进行模型训练和测试,得出最佳分级方法,设计核桃仁自动追踪方法和动态分级流程,构建的核桃仁自动分级系统。【结果】在使用特征bin19、K1和bin15训练朴素贝叶斯分类器时,核桃仁的分级正确率达到最大为97.33%,在动态条件下运用构建的核桃仁自动分级系统对150个核桃仁进行分级测试,正确率为81.33%。【结论】基于机器视觉研究出的核桃仁特征提取与分级方法、核桃仁动态分级处理动作方法,可以有效完成对核桃颜色和完整度的分级。 相似文献