排序方式: 共有59条查询结果,搜索用时 15 毫秒
41.
为了有效实施对鲜杏表面缺陷的快速检测,基于LabVIEW软件平台和IMAQ Vision视觉工具包,开发了可同时检测鲜杏表面磨伤、日灼、霉变及碰伤缺陷的在线视觉检测系统。该系统包含图像在线采集和处理识别模块。最后,通过对搭建的系统在水平输送速度为0.063m/s条件下,对190个各类鲜杏样本进行RGB彩色图像采集,然后提取G单分量图像并依次采用中值滤波、图像灰度变换、阈值分割及形态学处理等算法对缺陷鲜杏图像进行处理和分析,得到正常果、磨伤果、日灼果、霉变果、碰伤果检测的准确率分别为88.00%、73.33%、80.00%、8 2.5 0%、8 7.5 0%,整体在线识别率达到8 3.1 5%。 相似文献
42.
44.
45.
46.
为确定适用于鲜杏无水清洗喷嘴的最优收口角度,利用FLUENT软件分别对收口角度为1°,2°,…,30°的柱锥形喷嘴进行数值模拟分析,确定了相同的无水清洗喷嘴工作截面,并以鲜杏物料特性和喷嘴外流场特性作为喷嘴最优收口角度参考依据。结果表明:外流场气流速度随着收口角度的增大而增强;入口速度为80m/s,当收口角度超过30°时,无水清洗工作截面的气流速度超过鲜杏表皮所能承受最大速度;收口角度为15°时,工作截面平均气流速度可达32.35m/s、有效清洗宽度为70mm,且其速度不均匀系数最小。故本文鲜杏无水清洗喷嘴的最优收口角度为15°。本研究可为鲜杏无水清洗喷嘴的结构设计提供一种参考。 相似文献
47.
48.
由于农用地膜的长期使用,棉田残留地膜造成了严重的耕地环境污染。为了快速准确地检测播前棉田地表残膜污染,该研究提出一种基于像素块和机器学习的播前棉田地表残膜覆盖率检测方法。将原始图像通过不同尺寸分割的方法得到像素块,提取像素块的一阶、二阶、三阶颜色矩和灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)纹理特征,通过像素占比判别方法提取标签。采用随机森林(Random Forests,RF)、极端梯度提升(Xtreme Gradient Boosting,XGBoost)、支持向量机(Support Vector Machine,SVM)和人工神经网络(Artificial Neural Network,ANN)4种算法构建残膜识别模型,计算棉田地表的残膜覆盖率。结果表明,20×20像素块下采用人工神经网络算法,残膜覆盖率检测值与真实值的相对误差最小,为0.51%,检测时间最短,为0.29 s。相比于像素点,像素块识别方法减小了样本数量,增加了像素点之间的相互特征,可快速准确检测残膜覆盖率,对农田残膜污染监测具有一定借鉴意义。 相似文献
49.
籽棉收购过程中含杂率检测工序繁杂、劳动强度大、效率低,不利于籽棉的快速检测分级,严重影响籽棉收购效率。该研究开发了一种适于收购环节的机采籽棉含杂率快速检测系统。系统由驱动传输单元、压棉单元、传感单元、机器视觉系统、PLC控制系统组成。首先利用大杂清理机清除籽棉中的棉杆和铃壳等大密度杂质(大杂),对去大杂后的籽棉进行称量后送至机器视觉系统,采用RGB双面成像方法获取籽棉样本图像,分析计算图像中的杂质面积,预测去除大杂的籽棉含杂率和小杂质量,最后结合计算的大杂质量预测籽棉样本总含杂率。其中,RGB图像处理中使用同态滤波、主成分分析(Principal Component Analysis,PCA)变换和局部自适应阈值方法提升图像的可分割性;比较了线性回归(Linear Regression,LR)和支持向量机回归(Support Vector Regression,SVR)2种回归模型的准确率,确定较优的回归模型为LR,总含杂率决定系数R~2为0.95,均方根误差RMSE为0.58%,最后利用100个籽棉样品对系统性能进行验证,实测值与预测值之间平均绝对误差为0.36个百分点,单个样本含杂率检测程序处理时间为48.38 s。结果表明该系统具有较高的预测准确率和效率。 相似文献
50.