基于改进遗传算法的农机具视觉导航线检测

针对机器视觉导航系统现有导航线提取算法检测速度慢、抗干扰性差等不足,提出一种基于改进遗传算法(IGA)的导航线检测方法。图像中作物行走向近似为一条直线,从图像顶边和底边分别随机选一个点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线编码,进而得到导航线。改进遗传算法采用概率保留法和最优保存策略相结合的方法作为选择算子,提高了算法的搜索效率和精度;通过自适应调整交叉概率和变异概率,提高了算法的收敛速度和全局搜索能力。动态导航跟踪试验表明,改进的遗传算法与标准霍夫变换、标准遗传算法(GA)在导航线提取性能上相比,具有抗干扰性强、检测速度快等优点。当导航速度为0.6m/s时,横向偏差最大值不超过76 mm,平均值小于33.1 mm,较好地满足了导航作业要求。     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

基于机器视觉和结构光的犁体样板曲线测量

以犁胫为试验对象,采用结构光和双目立体视觉,在实验室条件下,搭建了热态犁体锻件样板曲线三维重构和测量系统,提出了非高斯分布激光条纹边缘的形态学检测方法和亚像素中心的提取算法;在对原始图像立体校正基础上,研究了对激光条纹进行二次校正和高精度匹配的方案和算法,提高了左右图像立体匹配和三维重构的精度和速度,并在Halcon平台上,实现了犁体结构光样板曲线的光刀中心提取、重构、拟合和数学描述,解决了犁体样板曲线尤其是热态锻件犁体样板曲线测量难的问题.在Intel(R)Core(TM)i7-5500U CPU@2.40 GHz处理器上运行,测量精度1.88 mm,耗时316 ms.试验证明,以结构光和双目立体视觉为手段对犁体样板曲线进行测量,避免了热态锻件辐射光的影响及其他干扰影响,具有一定精度和可行性,可以提高犁体设计、制造、检验的效率和方便性,为犁体轮廓的检验、测绘、描述、制造和设计提供了新的途径.     

基于机器视觉的采后荔枝表皮微损伤实时检测

利用机器视觉技术进行采后荔枝的品质检测与分级有重要意义。首先结合摄像机与荧光光谱仪进行了荔枝图像的光谱分析,荧光作为激发光进行荔枝果皮的发射光谱特性分析,确定了不同荧光照射荔枝果实表皮的视觉检测方法的可行性;然后设计了具有不同颜色光照转换控制功能的机器视觉系统,选定了红色、蓝色和绿色荧光灯,对正常和微损伤两种品质状态的荔枝果实荧光图像进行灰度直方图统计分析,确定了利用蓝色荧光作为照射光源以及HSV颜色空间的V分量进行微损伤荔枝果实图像识别的方法,利用探索性分析法对荔枝果实视觉检测试验结果进行统计与分析,确定了正常与微损伤荔枝果实图像分割的灰度图阈值范围,结合优化的圆拟合算法,实现了荔枝果实视觉智能分级系统的设计。试验结果表明:该研究方法对正常荔枝和表皮微损伤荔枝的识别正确率为92%,为荔枝产后智能化检测分级提供了技术支持。     

基于激光图像分析的苹果表面损伤和内部腐烂检

利用波长650nm、功率25mW的半导体激光及计算机视觉技术,初步探讨了利用激光图像分析检测苹果（嘎拉）采后表面损伤和内部腐烂检测的可行性。利用钢球砸伤,模拟苹果在采收和运输过程中受到的损伤;利用微量注射器从苹果底部将15μL(105/mL孢子浓度)的青霉菌液注入果心部位使其腐坏,模拟苹果内部的腐烂。进行激光图像检测试验,结果表明,受损伤后苹果图像像素数S3在36h达到最高值（3964）,且在1～84h内与对照差异显著（P≤0.05）;接种后的苹果随着内部的腐烂,在第4d时像素数S3达到最高值（3682）,而后开始下降,第7d与对照差异显著（P≤0.05）。初步验证本方法检测苹果表面的损伤和内部腐烂是可行的。     

基于RF-DS图谱信息融合的孵化早期鸡胚蛋性别无损检测

针对图像或光谱单一信息检测孵化早期胚蛋性别识别率不高的问题,该研究提出一种随机森林（Random Forest,RF）和证据理论（Dempster-Shafer,D-S）的图谱信息融合的无损检测方法。利用机器视觉和光谱仪分别采集孵化期第4天水平横放的胚蛋信息,在对胚蛋图像和光谱预处理的基础上,提取图像纹理特征和光谱特征,再分别以2类单特征的RF分类结果作为独立证据构造基本概率分配函数,运用D-S证据理论进行决策级融合,根据分类判决门限得出最终的识别结果。试验结果表明,图像和光谱单特征RF模型识别准确率最高分别达78.00%和82.67%,多特征决策融合识别法准确率达到88.00%,其中雌雄识别率分别达到90.00%和86.25%,单个鸡蛋的平均判别用时为2.843 s。结果表明,该光谱-图像信息融合方法可以提高孵化早期胚蛋雌雄识别准确率。     

利用计算机视觉研究白茶加工中色泽的变化

利用计算机视觉技术把茶叶色泽指标的模拟量转换成数字量,研究白茶加工中色泽的变化.确定采集的图像文件大小为1.0 MB,光照条件为明亮的室内开闪光灯,摊叶量保证覆盖底板颜色.并采用改进后的H IS模型研究白茶加工中茶叶色泽的变化,结果表明,加工过程茶叶色泽变暗,色调由鲜绿色向棕褐色转变,不同萎凋方式萎凋叶的色调存在差异.明度总体上呈下降趋势,表明茶叶颜色逐渐变暗,而空调萎凋叶的色泽较亮.萎凋叶饱和度先降后升,表明茶叶颜色先退色后加深.空调萎凋叶饱和度较高,毛茶色泽差异不明显.     

基于色差信息的田间成熟棉花识别

准确识别和定位目标在三维空间中的位置,为机械手提供运动参数,是采摘机器人视觉系统要解决的关键问题。本文利用棉花成熟期,棉花表面颜色与背景颜色存在较大差异的特征,在统计分析的基础上,建立了利用色差信号进行棉花识别的视觉模型。试验结果表明该模型可以完成棉花的识别,识别准确率达到85%以上。     

近红外高光谱成像技术检测粮仓米象活虫

为了准确地统计出仓储害虫的密度,需对储粮活虫和死虫进行有效地判别。该文研究开发一个900～1?700?nm的近红外高光谱成像系统来检测仓储小麦活虫。用液氮低温猝死法杀死米象,在其死亡后0～7?d进行高光谱图像采集。随着粮虫死亡时间的延长,粮虫相对光谱反射率逐渐增大,到死后第5天时粮虫的光谱曲线基本趋于稳定。应用相邻波长指数法对1?320～1?680?nm之间的110个波长的高光谱图像进行分析,提取出最优波长为1?417.2?nm。提出双区域连通阈值面积比的区域生长法粮虫活虫判别方法,即当粮虫的双区域连通阈值面积比大于0.5时,应判别为活虫。结果表明,自粮虫死亡后的第2.0天开始,储粮活虫与死虫的训练样本和检验样本全部被正确识别,为实现储粮活虫的计算机视觉实时检测与分类提供依据。     

多功能排种器性能试验台的设计与试验

设计了多功能排种器性能试验台,采用胶带运动、排种器固定不动的相对运动形式,模拟播种机田间运动,通过计算机视觉系统对胶带上的种子进行拍摄,并实时检测出精密排种器粒距、条播排种器单位长度内粒数等参数,从而计算出合格指数、漏播指数、重播指数以及均匀性等排种器性能指标。稳定性试验表明:粒距检测的最大偏差为0.78mm,粒数检测的最大相对误差为0.7%。