机器视觉技术在玉米苗期杂草识别中的应用

杂草严重影响我国的玉米产量,化学除草剂是防治杂草的有效方法,但通常采用粗放的喷洒方式,防治效果较差。精准喷洒极大地降低了除草剂的用量,提高了使用效率。除草剂实现精准喷洒的前提是识别玉米田中杂草位置和种类等信息,而机器视觉是一种开始广泛应用于识别作物田间杂草的方法。为此,设计了一种基于机器视觉的玉米苗期杂草识别方法,采集的图片经过畸变矫正、HSI颜色空间转换和阈值分割后,根据形状和颜色特征提取并识别杂草。田间试验结果表明:在不同播种方式下对玉米和杂草的识别率超过85%,处理单张图片的平均耗时为67ms,能为除草剂的精准喷洒提供信息。     

基于计算机视觉技术大枣品质检测分级的研究

我国的大枣种植面积和产量占世界总量的95%,产量和出口量巨大。因此,加强大枣分级能给我国带来可观的经济效益,对大枣产业的升级也具有重要意义。目前,大枣的分级以人工为主,也开发了多种自动分级的系统和方法。基于计算机视觉的分级方法检测精度高,能实现无损操作,具有广阔的应用前景。为此,基于计算机视觉技术,建立了一个大枣品质检测分级系统。工作时,系统拍摄传送带上的大枣图像,传入计算机中进行灰度化、图像分割和轮廓提取;然后,以最小外截矩形的长宽为参数,计算大枣质量并以此划分等级。试验结果表明:系统对各级大枣的识别准确率为92%96%,平均为94%,具有很高的精准度。处理单幅图像耗时0.5s,能够满足自动分级的要求;在传送带运行速度0.5m/s、拍摄间隔0.8s时,可以实现20个/s的分级效率,可用于大枣的自动化分级。