考虑光照条件的蛋壳蛋心颜色识别方法

研究了机器视觉识别中光照条件对蛋壳蛋心颜色的影响;根据白壳与青壳蛋透光性的差异,对比分析了鸭蛋不同壳色在不同光照强度下的颜色信息,找出了白壳蛋与青壳蛋图像信息差异最大的参数以及对应的光照条件.同时,分析了与蛋黄颜色相关性较大的特征参数及光照条件.实验表明:光照条件的亮度等级为120时,鸭蛋图像的可分度最好,利用形心区域的尺分量来判断蛋壳的颜色,计算量减少,分类准确,易实现;白壳蛋在180亮度及青壳蛋在210亮度等级下,根据形心区域的H分量建立判别模型,预测精度高.     

蛋壳破损自动检测模型研究

为了建立蛋壳破损检测模型,试验采用敲蛋装置与声检测控制器组成的计算机蛋破损检测系统获取被检蛋声音信号数据。通过对蛋声音信号的功率谱分析而得到反映蛋壳破损特征的参数：功率谱面积的平均值x₁,最大功率谱面积与最小功率谱面积的差值x₂,X轴方向上质心的平均值x₃,X轴方向上质心最大值与其最小值的差x₄,Y轴方向上质心的平均值x₅,Y轴方向上质心最大值与其最小值的差x₆,共振峰频率的最大值x₇和共振峰频率的最大值与其最小值间的差值x₈;再通过Bayes原理建立与蛋壳破损特征参数相关的蛋壳破损模型。检验结果表明模型准确率达到92%。     

基于VFW的鸡蛋图像采集与品质识别

利用Windows平台下的视频应用程序和应用程序编程接口,采集鸡蛋图像,并对采集的图像进行去噪、边缘检测、特征值提取等处理;然后由模式识别,判别出被检蛋品质(重量和新鲜度)等级。试验结果表明,基于VFW的试验装置检测蛋重测量误差在(-0.9g,+0.9g)之间。白壳蛋新鲜度检测准确率为86.5%,褐壳蛋新鲜度检测准确率为83.6%,基本能满足检测要求。     

鸭蛋大小及蛋心颜色自动分级系统软件研制

用VC 6 .0编制的鸭蛋大小及蛋心颜色自动分级系统软件由初始化模块、启动停止模块、图像采集模块、图像处理模块、信号I O模块及系统日志模块组成。初始化模块完成图像采集卡和数字量I O卡的初始化 ;启动停止模块建立和消亡用于监控光室状况和进行图像处理与分析的线程 ;信号I O模块将获得的分级信号送到分级执行机构 ,同时也将鸭蛋到达光室信号反馈至计算机 ;图像采集模块将CCD摄取的鸭蛋图像由图像采集卡采集到主机内存中 ;图像处理模块对主机内存中的图像进行分析后得出分级信息 ;系统日志模块记录系统的启动运行情况和当前系统检测鸭蛋的数量。系统软件运行试验结果表明 ,软件工作稳定可靠 ,大小分级误差± 3g ,颜色分级准确度达 90 %以上     

家禽孵化环境光照度模糊控制器的设计

根据家禽种蛋经光照后能提高孵化率的特点,设计了家禽孵化环境光照度模糊控制器,并阐述了模糊控制系统的原理、方法以及硬件的组成。通过仿真试验,结果表明,该系统响应快,超调量小,动作准确,过程平稳。     

基于S3C44B0初始化程序研究

0 引言 一个优秀的初始化程序将给应用程序的开发提供一个良好的开发平台.S3C44B0是三星公司基于ARM7TDMI设计的一款处理器,在开发基于S3C44B0的系统的过程中,如何让系统快速启动是一个重要问题.嵌入式系统的资源有限,程序通常都是固化在ROM中运行.     

基于二分法的鸡蛋图像边缘快速检测方法

机器视觉技术广泛应用于鸡蛋感官品质无损检测研究中,快速得到鸡蛋图像边缘有助于高效识别鸡蛋的几何特征参数。借鉴计算机二分法快速解方程的算法,提出用二分法快速检测图像边缘,把对图像的整体研究转换到具体的行图像来研究,利用行图像信息构建了满足二分法求解条件的方程,并把对边缘的检测构造成对方程的求解问题,从而建立了二分法求解鸡蛋图像边缘的理论基础,最后在应用部分给出了详细的程序实现步骤。试验结果表明：该方法可以检测鸡蛋图像边缘,检测效率提高了约20倍,大大加快了检测速度,可为鸡蛋自动化检测提供更高的效率。     

鸭蛋整箱悬浮清洗机的机理分析与试验

为了整箱高效清洗鸭蛋,提出了一种悬浮清洗方法,并进行了悬浮清洗机的机理分析和试验研究。该方法是将鸭蛋整箱置于比重和鸭蛋比重相当的液体(如：泥浆、石灰浆等)中,使鸭蛋悬浮在液体中,再用柔性搅拌轴慢速搅拌悬浮的鸭蛋。其清洗机理是利用鸭蛋和搅拌轴之间,鸭蛋和液体之间,鸭蛋和容器内壁之间的摩擦作用,达到清洗的目的。试验结果表明,鸭蛋的清洗程度及鸭蛋的破损率与搅拌轴转速,清洗时间,清洗液比重,每次清洗鸭蛋的个数之间存在显著的相关性,按机理分析和试验得出的参数设计的清洗机能够实现鸭蛋整箱悬浮清洗。     

基于机器视觉的甘蔗茎节特征提取与识

为实现含有蔗芽的有效蔗种片段机器智能切断,引入机器视觉技术识别甘蔗茎节。以甘蔗图像HSV颜色空间的S分量经阈值分割、数学形态滤波处理作为模板,和H分量经阈值分割的反图像进行与运算得到合成图;将合成图划分为64个列块区域,提取质心比、粗度比和白点比等7个特征指标,再用支持向量机分类识别茎节与节间列块,得到茎节与节间的平均识别率为93.359%;对支持向量机分类出的茎节列块进行聚类分析,得到茎节数与位置的平均识别率分别为     

基于计算机视觉的咸蛋图像边缘检测算法研究

0引言 图像的边缘是图像最基本的特征,它能反映出图像中目标对象的许多形状特征参数,是进行图像后续处理的前提和基础。长期以来,人们一直在寻找一种高效、定位精确、不漏检真边缘又不引入假边缘的检测方法。