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。     

基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和...     

基于机器视觉的马铃薯自动分级与缺陷检测系统设计

针对现有的马铃薯分级和检测需要大量的人力物力、检测效率不高,设计了基于机器视觉的马铃薯自动分级与缺陷检测系统.工作时,自动分级系统对大量马铃薯进行快速表皮去泥和分级工作,得到3种规格的马铃薯并逐个运输到缺陷检测系统进行马铃薯缺陷的识别检测;通过多种图像处理算法对比分析,以平均值法灰度化、中值滤波处理、大津法分割等方法得...     

基于阻隔因素的耕地质量分等因素插值方法研究

在山地丘陵区,耕地质量等级调查评价中的分等因素属性值估算受到大、中型山体阻隔影响,造成分等单元各分等因素属性赋值结果的失准。以青海省平安区为研究区,研究基于阻隔因素的分等因素属性值估算方法,并与反距离权重插值、样条函数插值方法进行了交叉验证。结果表明:不同的插值方法对3个分等因素空间分布趋势的模拟基本一致;由于插值原数据的特征与插值原理的不同,导致基于阻隔因素的插值方法对不同的土壤性质表现不一致。土壤有机质和有效土层厚度最适宜的插值方法是基于阻隔因素的样条函数插值,而在土壤pH值插值中,基于阻隔因素的反距离权重插值精度最高;研究区内的土壤有机质含量和有效土层厚度的插值精度比不考虑阻隔因素的样条函数插值的平均绝对误差、平均相对误差、均方根误差、相对均方根误差分别提高了11. 23%、10. 98%、7. 54%、9. 20%和15. 08%、11. 74%、17. 41%、9. 40%;采用基于阻隔因素的样条函数插值方法对有机质含量和有效土层厚度进行插值,二者实测值与预测值之间的决定系数分别为0. 927和0. 901。     

基于DXNet模型的富士苹果外部品质分级方法研究

针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法（多卷积神经网络融合DXNet模型）。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。     

基于机器视觉的蒜头最大横切面直径分级方法

针对中国蒜头分选率和分选精度较低而影响其商品价值等现状,设计了一套基于机器视觉技术的大蒜蒜头分选系统,以蒜头最大横切面直径作为分级标准,利用VC6.0编程实现上述分级模型的算法。试验选择3 2 0个金乡蒜头样本对其进行测试,该装置对蒜头总体筛选精度达到9 0.9 3 7 5%。试验结果表明:利用机器视觉技术可以对大蒜蒜头进行分级。     

基于智能称重的水果分级生产线设计

设计了一种基于智能称重的可以用于多种类球型水果实时、动态检测的分级生产线。整条生产线由水果输送装置、称重装置、控制装置、分级执行装置和托盘机构组成,水果输送装置将水果逐个输送到水果分级生产线的托盘机构,托盘机构随滑块循环运动至称重台上完成称重,质量信息传送至控制装置,控制装置根据国家标准判定每个水果的等级,发出指令传送给分级执行装置,完成水果的分级。     

水稻土肥力水平分类中主要土壤肥力因素指标的筛选模型

根据主成分分析模型中的相关结构分析理论，构造了一个在水稻土肥力水平分类中对主要肥力因素指标进行筛选的数学模型，并通过实例进行了验证，取得了良好效果。     

基于最小外接矩形的牛角椒大小分级研究

为实现用机器取代人工对牛角椒进行大小分级,针对牛角椒的外形近似弧的特点,设计一个基于图像处理的牛角椒大小分选系统。研究选取100个某一品种的牛角椒,首先对牛角椒进行拍摄,然后将拍摄的图像进行图像预处理,提取辣椒边缘,并去除辣椒柄,最后对去柄后的边缘通过最小外接矩形的方法得到矩形的4个顶点坐标,再选取1个牛角椒中点,计算出牛角椒的弧形长度。将牛角椒的系统检测大小与实际大小进行比较,系统检测的辣椒分级正确率为95%,研究结果为牛角椒大小自动分级提供了参考。     

基于拟脑智能系统的烤烟烟叶分级研究

对烟叶进行检测与分级是控制烟叶质量的重要手段之一.研究烟叶质量的合理表征参数及其自动提取方法,以及烟叶辅助分级系统,是迫切需要解决的问题.应用人工智能方法和计算机技术进行烤烟烟叶自动分级,提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分级系统.该系统由思维模型、感觉模型和行为模型3个子系统构成,分别模拟分级专家的思维智能、感知智能和行为智能,具有学习与记忆、判断与模糊推理、分级决策等多种思维功能,以及图像自动采集、上下位机通信等协调与控制功能.应用该系统进行烟叶分级试验的结果与分级专家分级结果的平均一致率可达到85%,与人工分级水平相当.