基于CAN总线的温室环境控制系统

越来越多的温室环境控制系统集成了各种先进的通信技术,建立了高效的管理系统.为此,介绍了采用CAN总线分布式的通信结构,对温室环境控制系统进行了硬件软件设计分析,基于CAN总线实现了对温室环境参数(如温度湿度)的实时检测与控制.     

AT89S52在电机转速测量中的应用

用AT89S52单片机作微处理器，设计出一个电动机转速测量系统，并研究其测量精度、测量范围及响应速度。程序设计部分分为初始化模块、脉冲计数模块、计时模块、参数调整模块和显示模块。最后通过试验测试．得到了相应的技术参数，并对转速测量系统的误差进行了分析。     

基于Adaboosting_SVM算法的多特征蛋壳裂纹识别

以无裂纹蛋和裂纹蛋为测试对象,采用机器视觉技术和支持向量机等技术手段,分析无裂纹蛋和裂纹蛋在图像上的差异,提取特征参数,实现蛋壳裂纹的自动识别;针对蛋壳表面的亮斑,对预处理后的图像运行消除亮斑算法并进行区域标记。在此基础上,从5个不同视角提取13个能够表征无裂纹蛋和裂纹蛋的特征参数,分别是图像标记区域参数(区域标记数和标记点数)、几何特征参数(长轴和短轴)、基于Freeman链码的形状参数(形状数)、纹理特征参数(均值、标准偏差、平滑度、三阶矩、一致性、熵)和频谱特性参数(最大幅值和最大相位)。采用Adaboosting算子对上述特征参数进行优化,突出影响因子较大的参数组合,作为SVM的输入向量,建立蛋壳裂纹的识别模型。结果表明:该方法对蛋壳表面的亮斑、微小裂纹及普通裂纹均具有识别能力,模型正确率达97.5%,符合蛋品企业对蛋壳裂纹检测的精度要求。     

基于视觉注意模型的苗期油菜田间杂草检测

提出了基于视觉注意模型的苗期油菜/杂草图像检测方法。针对苗期油菜大田环境,获取油菜/杂草RGB原始图像。根据原始图像颜色分布特点改进Itti模型,生成系列特征显著图,结合区域生长算法分割出感兴趣区域。针对该区域提取形状和纹理特征参数作为支持向量机输入量,判别出所有油菜区域,最后融合原始图像和油菜区域获取最终株间杂草区域。结果表明:与局部迭代阈值法和最大类间方差法相比,本研究提出的图像分割方法更优,正确分割目标概率、错误分割目标概率及漏分割目标概率分别为92.46%、3.26%及7.54%;针对形状、纹理、综合特征及精选特征四类特征参数集,径向基-支持向量机的识别率分别为96.00%、94.29%、100.00%及96.00%。     

基于触觉感知的家禽净膛机械手及其控制系统的设计

针对机械手净膛过程中家禽内脏易破损的问题,该文设计了基于触觉感知的机械手及其控制系统。利用STM32单片机产生脉冲宽度调制PWM(pulse width modulation)信号控制机械臂在X,Y,Z轴方向上的运动,同时控制机械手爪步进电机正转,实现机械手爪的闭合。利用单片机的模数转换器ADC(analog-to-digital converter)模块实时采集安装在手指内侧的压阻式薄膜传感器上的压力,将采集的压力值与试验得到的7.7 N压力阈值进行分析比较,控制机械手爪步进电机反转,从而控制机械手爪的抓紧力度,保证内脏不至于受力太大而破损,也不至于闭合不够内脏脱落。利用Qt Creator开发净膛机械手的控制界面,包括点动和自动两种控制模式。试验结果表明:带触觉系统的机械手爪能明显减小内脏的破损,内脏破损平均得分由4.75分减小到4分,且净膛率为87.4%。该机械手的性能稳定、对内脏的破损小、自动化程度高、人机交互界面友好且易控制,可为后续净膛机械手的设计提供参考。     

鸭蛋品质无损自动检测分级系统

设计了基于计算机视觉技术的鸭蛋品质无损自动检测分级设备的硬件系统和软件系统。阐述了总体结构、工作原理及检测方法。该设备可一次完成蛋心颜色、蛋壳厚度、蛋大小、新鲜度 4个指标的检测和分级 ,具有快速、准确、高效、可操作性强等特点 ,实现了鸭蛋品质在线检测、分级过程的自动化。     

AT89S52在鸭蛋品质无损自动检测分级中的应用

设计了基于AT89S52单片机的鸭蛋品质无损自动检测分级延时控制系统。在明确了上位机工作要求的前提下，设计了单片机硬件系统，也对下位机软件系统做了较详细的设计说明；利用串口接口电路，实现了上下位机间的协调工作；最后，对系统的位置误差与时间误差进行了分析。     

鸡蛋大小等级模型的修正

在课题组前期研制的基于机器视觉的鸡蛋大小等级模型的基础上，对影响鸡蛋大小的几何因素（包括像素和A、长轴长L、短轴长S、蛋型指数K）做了进一步的分析和探讨，得到修正后的鸡蛋大小等级模型。试验结果表明，鸡蛋的大小不仅与像素和A之间存在着显著线性相关关系，而且与短轴S之间也存在着显著线性相关关系，修正后的模型相关系数达到了0．981。     

利用敲击声音信号进行禽蛋破损检测和模糊识别

为了在蛋品加工中能够快速检测并剔除异常蛋(钢壳蛋、尖嘴蛋)和破损蛋，利用一个微型话筒和声卡采集蛋在敲击时的声脉冲信号，将采集到的声脉冲信号送计算机处理和分析。研究结果表明：正常蛋、破损蛋、钢壳蛋、尖嘴蛋的敲击声音信号在衰竭时间、最小共振峰频率和四点最大频率差等参数上存在差异，且差异的边界是模糊的。利用最大隶属度原则进行模糊识别，破损蛋的识别准确率达95%。     

基于BP神经网络的花生外衣完整性识别方法

应用计算机视觉技术获取花生完好及破损的图像,选择表征花生完好与破损特征的H,I,S等3个特征颜色参数,建立了3层前馈神经网络,实现了任意放置花生粒的完整与破损自动识别。试验对31粒破损图像进行识别验证,识别正确率为87.1%,充分证明了该方法的有效性。