基于机器视觉的储粮害虫智能检测系统硬件设计

介绍了基于机器视觉的储粮害虫智能检测系统的硬件组成,该系统主要取样传送机构,均匀光照室和视觉系统3部分组成,取样传送机构可吸取任意检测点的粮食样本,并自动单层呈现给视觉检测系统,光照室可为CCD摄像机的视区提供均匀,恒定的无影光照;视觉系统可实时采集粮食样本的序列图像信息,并由计算机进行处理与识别,现场试验验证了该系统的可行性。     

基于SVM的储粮害虫图像识别分类

粮虫图像识别属于小样本、参数多和特征之间混合度大的分类问题,因此分类器的设计是自动检测系统的关键环节.为此,采用网格搜索法,以SVM交叉验证训练模型的识别率为判别准则,对支持向量机分类器的参数和进行优化.应用SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到93%以上.结果证实了基于SVM的分类器可进一步提高粮虫识别的精度.     

储粮害虫图像识别中的特征提取

特征提取是储粮害虫图像识别中的重要环节,是识别系统的难点所在。针对粮虫的二值化图像提取出17个形态学特征,并进行归一化处理;把交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的一个重要因子,运用蚁群优化算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间;采用支持向量机分类器对9类粮虫进行分类,识别率达到95%以上,证实了基于蚁群优化算法的粮虫特征提取的可行性。     

四种客观权重确定方法在粮虫可拓分类中的应用比较

储粮害虫的数字特征多,特征之间混合度比较大,可用可拓决策分析来解决其分类问题。在粮虫的可拓分类中,需要自动确定特征的客观权重,以避免传统的专家经验法在确定权重方面所带来的人为因素的影响。该文提出了模糊决策矩阵和均值决策矩阵2种构建决策矩阵的方法。将最大离差法、类间标准差法、CRITIC法和熵值法4种确定客观权重的方法分别应用到粮虫的分类中,并通过基于经典域和节域不同构建方法的2种可拓分类器进行了分析和比较。对粮仓中危害严重的9类粮虫进行了自动分类,结果表明基于模糊决策矩阵的最大离差法权重是粮虫可拓分类的最佳方案,识别率达到93%。     

鞘翅目储粮害虫振动筛分试验研究

利用自行设计的储粮害虫筛分检测试验装置,研究了鞘翅目储粮害虫振动筛分试验特性.试验中,选取成虫米象为筛分对象,采用全因子试验,寻找出比较好的振动筛分参数,再设计正交试验,进一步优化参数,分清主次影响因素.通过一系列试验,找出了鞘翅目储粮害虫最优振动筛分参数,即当振幅A为3.5mm、曲柄盘转速n为600r/min、振动方向角ε为30°时,粮虫筛分效果最好.     

神经网络在储粮害虫识别中的应用

重点研究了基于图像识别的储粮害虫自动检测系统中的粮虫分类环节。对分割后的储粮害虫二值化图像,从10多个形态特征中选择出5个有效的特征;将GA和BP算法相结合来训练神经网络,克服了传统BP算法收敛速度慢、易陷入局部极小等缺陷,对4类害虫的20个样本的识别率达到100%,为系统的实际应用奠定了基础。     

模拟退火算法在储粮害虫图像识别中的应用

简要介绍了储粮害虫智能检测的几个部分:图像采集、图像预处理、特征形成、特征压缩及其分类。对特征选择中的模拟退火算法的思想、实现步骤、参数选择分析等进行了重声、阐述,该算法有效地将储粮害虫的17维原始形态学特征降为10维,提高了分类的效率。     

基于机器视觉的储粮害虫智能检测系统软件设计

介绍了基于机器视觉的储粮害虫智能检测系统软件部分各主要环节的具体实现。该系统运用图像差分法及自适应图像增强法提高粮虫样本图像的质量,利用改进的直方图阈值将粮虫从背景中分割开来,并运用数学形态学处理法进行了滤波。以提取出的粮虫面积、周长、复杂度为特征,运用基于模糊决策的分类器对粮仓中常见的9种、7类害虫进行分类,识别正确率达到95.2%。     

粮虫近红外高光谱图像的采集系统设计及实现

储粮活虫的准确检测是粮虫防治中科学决策的关键,为此,设计并构建了适于粮虫近红外高光谱图像采集的成像系统,系统主要由光谱成像单元、照明单元、位移单元、计算机和光箱五部分组成。试验结果表明,当曝光时间为3ms,位移台的移动速度为0.59mm/s时,系统所获取的小目标粮虫图像比较清晰,满足了后续粮虫光谱分析的需要。     

食品重金属检测中原子吸收光谱法的应用分析

农产品的种类是非常多的,在对于经济进行发展的时候,我们也应当对其安全性进行多方面的考虑,因此采用科学有效的方案来对于食品中的重金属进行检测就是非常关键的,我们采用原子吸收光谱法对其进行较为全面的分析,可以以较高的精度和效率来实现这样的目标,本文对其展开探讨。