机器视觉技术在农产品尺寸和形状检测方面的应用

农产品的外形尺寸是农产品品质的重要特征之一,因而也成为农产品分级的重要依据.农产品在其生产过程中由于受到人为和自然等复杂因素的影响,产品品质差异很人,如大小、形状、色泽等都是变化的,很难整齐划一,故在农产品品质检测与分析时要有足够的应变能力来适应情况的变化.机器视觉不仅是人眼的延伸,更重要的是具有人脑的部分功能,其在农产品品质检测上的应用正是满足了这些应变的要求.现在,机器视觉技术随着图像处理技术的专业化、计算机硬件成本的下降和速度的提高以及机器视觉系统的诸多特点已广泛地应用于农产品品质检测、品种的识别和分级中.利用机器视觉进行检测不仅可以排除主观因素干扰,而且还能对检测所得指标进行定量描述,具有人工检测所无法比拟的优越性.本文着重介绍了国内外机器视觉技术在农产品尺寸和形状检测方面的应用.     

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。     

浅析DCS在发酵过程控制中的应用

发酵过程是涉及微生物细胞生长代谢的复杂过程,现已成为生物技术的一个重要分支,广泛应用于工农业生产和卫生保健行业.微生物发酵过程是一个动态过程,具有高度的非线性和时变性,关键变量如生物质浓度和产物质浓度不可在线测量,使发酵过程控制问题变得很复杂.准确、自动地控制发酵过程是在最适的状态减少生产成本、增加产量、提高产品质量.     

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。     

机器视觉技术在农业领域中的应用

机器视觉又称计算机视觉,指人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术,如对印刷与手写文字识别、图像模式识别和物体三维表面形状知识与距离、速度感知等.机器视觉技术在农业上的研究与应用始于20世纪70年代末期,主要研究集中于农产品分选机械中利用机器视觉对农产品进行品质检测与分级.由于受当时计算机发展水平的影响,检测速度达不到实时要求,处于实验研究阶段.随着电子技术、计算机软硬件技术、图像处理技术及与人类视觉相关的生理技术的迅速发展,机器视觉技术本身在理论和实践上都取得了重大突破,除农产品分选机械外,目前该技术已经渗透到农产品鉴定、农作物生长、农产品收获等多个领域.     

农机企业与农业院校全面合作的双赢分析

农机企业与农业院校可以结成互惠互利的合作伙伴,无论是在人才培养与员工培训等教学方面,还是在科学研究与新产品开发等科技方面都有合作的互补互利性.     

机器视觉技术在农产品破损检测上的应用

农产品的表面缺陷是农产品品质的重要特征,利用机器视觉进行检测具有人工检测所无法比拟的优越性。为此,分析了目前国内外利用机器视觉和图像处理技术进行农产品破损检测研究的现状和存在的问题,提出了今后研究的方向和发展途径。     

鸡蛋光反射特性及其与新鲜度的关系

为了寻找鸡蛋光反射特性及其新鲜度的变化关系,选取不同新鲜程度的白壳和褐壳鸡蛋,用光谱仪分别采集带壳蛋和去壳液态整蛋的光谱反射曲线,检测时应鸡蛋的新鲜度指标值(哈夫单位),通过对不同鸡蛋组织特征的光谱反射特性分析,获取对鸡蛋壳色、新鲜度敏感的光谱波段与特征波长.结果表明:带壳鸡蛋的反射率与其壳色有关,不同壳色鸡蛋的光反射率差异明湿;去壳液态整蛋的反射率与其新鲜度有关,不同新鲜度的液态整蛋的光反射特性差异明显;带壳鸡蛋在比较新鲜时光反射率最大.     

禽蛋品质检测与分级的研究进展

禽蛋是高蛋白、低脂肪、富含多种维生素及多种矿物质的动物性食品,易于消化和吸收,深受消费者喜爱。我国目前的商品蛋来源,除了来自养禽场外,大部分靠分散养禽户提供,其品质差异很大,不利于蛋品的贮藏、加工及流通,因此必须对禽蛋进行品质检测。