基于改进的粒子群多阈值算法的白色异性纤维检测

为了提高皮棉中白色异性纤维的识别精度,该文提出了一种基于改进混沌粒子群的白色异性纤维检测算法,该算法将图像的像素点按灰度值分为多类,把所有相邻类间方差看做一个粒子种群,以最大类间方差组作为种群适应度评价函数。通过滑动窗口技术判断算法是否陷入局部最优。有效克服了标准粒子群算法容易陷入局部最优的缺陷。通过试验验证,该文提出的算法对白色异性纤维的识别准确率达到98.6%。通过与标准二维Otsu算法的对比分割试验发现在分割较细小的白色异性纤维以及白色纤维与皮棉发生重叠的情况时,该算法的分割结果比标准二维Otsu算法更准确,噪声点更少。为皮棉异性纤维检测与剔除工艺的改善提供了技术依据。     

自然环境下葡萄采摘机器人采摘点的自动定位

针对葡萄果梗颜色复杂多变、轮廓不规则等影响因素使得采摘机器人难以准确对采摘点进行定位的问题,该文提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位新方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HSI色彩空间分量H,运用改进的人工蜂群优化模糊聚类方法对葡萄果图像进行分割;然后对分割图像进行形态学去噪处理,提取最大连通区域,计算该区域质心、轮廓极值点、外接矩形;再根据质心坐标与葡萄簇边缘信息确定采摘点的感兴趣区域,在区域内进行累计概率霍夫直线检测,求解所有检测得出的直线到质心之间的距离,最后选取点线距离最小的直线作为采摘点所在线,并取线段中点坐标作为采摘点。以从晴天顺光、晴天遮阴、阴天光照下采集的300幅夏黑葡萄进行分类试验,结果表明,该方法的采摘点定位准确率达88.33%,平均定位时间为0.3467 s,可满足采摘机器人对采摘点的定位需求,为葡萄采摘机器人提供了一种新的采摘点求解方法。     

肉异物识别中肉厚度激光补偿试验系统的研制

农产品形状的不规则性严重影响用X射线成像方法检测农产品的内部品质的检测质量。针对这个问题,该文以肉为研究对象,建立了基于激光的肉厚度补偿试验系统,补偿X射线图像因厚度不同对肉产生的影响。该系统包括X射线图像采集系统、激光图像采集系统,机械传输部分、控制系统及图像处理系统等。用最小二乘法求取肉厚度补偿模型,建立激光图像与厚度补偿图像映射关系,用激光厚度补偿图像与X射线肉图像融合,基于OTSU算法(最大类间方差,automatically perform histogram shape-based image thresholding)提取出融合后的肉X射线图像中的异物。试验结果表明,这种方法能够消除厚度的变化对图像的影响,该研究为支撑为肉异物提取提供了一种准确高效的方法。     

应用纹理分析方法在线监测苹果冻干含水率

在果蔬真空冷冻干燥过程中对果蔬物料含水率进行实时监测,可为冻干过程监控和优化提供依据。该文研究以冻干果蔬物料含水分图像纹理分析为技术手段,实现连续表达干燥过程中物料的含水率。试材选用苹果,采用环形光源和高速CCD组件,在冻干仓窗外分别采集原始苹果样本MA和经CuSO4溶液染色的苹果样本MB在一个完整冻干周期中表面含水纹理变化的动态图像,运用主成分分析法对图像均值等6个含水纹理特征指标进行统计分析,并对原始样本纹理特征的第一主分量与其含水率W1、染色样本含水纹理特征的第一主分量与其含水率W2、W1和W2分别进行非线性回归分析。结果表明,模型的决定系数达到0.9376、0.9289和0.9930,且显著性检验概率均<0.0001,模型检验极显著。同时,模型相对误差基本<3%。因此,由果蔬物料含水图像的纹理特征可实现含水率的在线监测。该方法不但为真空冷冻干燥加工过程控制探索一种利用水分图像处理方法进行水分在线监测的新方法,而且也可在其他干燥加工水分监测及过程控制中应用。     

基于机器视觉的红掌检测分级方法

中国盆花销售量随着消费水平的提高而迅速攀升,四大盆花之一的红掌在规模化生产中存在分级标准掌控不统一、分级结果不稳定以及效率低下等问题,制约了红掌产品的规模化生产,影响了红掌的出品质量。该研究提出基于机器视觉技术的红掌分级检测方法,对90株红掌的水平和竖直方向图像采集,经过二值化等处理,从侧视轮廓、俯视轮廓及佛焰苞轮廓特征三方面获取红掌植株的高度、冠幅、佛焰苞片数、苞片横径4项指标的信息, 针对每一项指标提出检测方法。试验结果表明,该方法对植株高度测量误差小于5.4 mm;针对植株冠幅提出了当量直径测量方法,佛焰苞片数测量正确率可达98.9%,苞片横径相对误差最大为6.52%。针对试验所选90盆红掌分级成功率达到97.8%。研究表明,利用机器视觉技术能够很好地实现对红掌盆花的在线检测分级。     

TiO2纳米粒子气固相光催化降解乙烯初探

该文对TiO2纳米粒子气固光催化降解果蔬贮藏环境乙烯技术进行了初步研究.采用溶胶-凝胶法制备的纳米TiO2薄膜作光催化剂,利用自行设计的气固光催化实验系统,研究了乙烯浓度、紫外光作用时间对光催化降解反应的影响,探讨了乙烯的光催化降解的动力学.结果显示:该研究所制备的TiO2锐钛矿型含量为48.766%,比表面积为47.186 m2/g,具有良好的光催化性能;光催化降解乙烯比直接紫外线光降解效果显著,光照10 min时光催化乙烯降解率比直接紫外线光降解提高23.76%;乙烯的降解率随着其浓度的增加而降低;乙烯的光催化降解的动力学可以用Langmuir-Hinshelwood动力学方程加以描述.     

基于改进YOLO v4的玉米种子外观品质检测方法

针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling, SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

基于深度图像的奶牛表型特征获取

奶牛表型特征是评价奶牛成长状况的一项重要参数,为减少奶牛的应激性且能便捷地获取奶牛几何表型尺寸,运用图像处理技术提取奶牛表型特征参数,设计了一款针对深度图像和点云数据的奶牛几何表型特征获取系统。对奶牛深度图像采用背景减去法、阈值分割、滤波和空洞填充等方法获取奶牛目标区域,对目标采用边缘检测、角点检测和凸包运算等检测特征点,最后对应点云数据获得奶牛表型特征尺寸。系统现场试验结果表明,系统获取的体重准确性在98%以上,体尺准确性在96%以上,系统工作稳定、测量精度高,为实现数字化养殖打下了基础,具有很好的应用前景。      

基于Lab颜色空间的非监督GMM水稻无人机图像分割

为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割.模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练.不同图像会有不同的模型参数,该算法能够适应...