基于计算机视觉的规模化蛋鸡场产蛋计数方法

本文提出了一种基于计算机视觉和图象处理的规模化蛋鸡场产蛋量计数方法,通过分析摄像机获取的图像中鸡蛋和传送带背景信息来有效的检测鸡蛋个数.本方法经试验表明:鸡蛋计数的准确率为95%,并对统计鸡蛋枚数效率高,实用性强,克服了人工计数带来的不便,因而可以进行推广.     

基于粗糙集与支持向量机的禽蛋蛋壳无损检

针对当前禽蛋蛋壳无损检测系统存在检测精度不高的问题,提出粗糙集和支持向量机相结合的方法进行分类器的设计.首先,基于粗糙集理论对特征参数集进行属性约简,在约简过程中,利用模糊C均值聚类算法对特征参数进行量化,并基于属性重要性的启发式搜索对条件属性进行约简;然后,在属性约简的基础上完成支持向量机分类器的训练,在训练过程中,通过交叉验证法对分类器模型参数进行了优化.实验结果表明该方法的分类准确率能够达到94.6%,具有良好的工程应用价值.     

基于图像识别的农产品品质无损检测

农产品外观颜色在一定程度上反映其内在品质,如破损、霉变、成熟度等.从农产品外观颜色的局部区域及全局区域两方面,介绍了根据农产品外观颜色进行无损检测及判断其品质的不同方法.     

逆向云在垩白识别中的应

在云理论的基础上提出了一种无需人工干预的垩白识别方法.在此方法中,把垩白与非垩白定义为两个定性概念,以一个不对称云和一个对称云来表达垩白与非垩白,以两组数字特征分别描述垩白云与非垩白云.首先,利用动态阈值算法获得训练样本,然后设计逆向云发生器实现定量到定性的转换,最后根据两个云的隶属度函数,用极大值判定法来实现垩白区与非垩白区的分离.试验结果表明,云分类法分类精度高于传统的硬分类法.     

基于机器人的禽蛋自动检测与分级系统集成开发

将禽蛋的破损检测、内部品质检测以及检测和分级时的搬运工作集成到一个关节型机器人上,实现了禽蛋检测与分级的自动化和柔性搬运.机器人在视觉引导下,定位禽蛋位置并将其吸取,分别运动到基于敲击声音的破损检测和基于彩色图像的内部品质检测装置处,进行相应的检测,根据检测结果分级并将禽蛋搬运到相应等级的位置放下.文章给出了各子系统的组成结构、集成原理,硬件配置和主要参数.试验结果表明,该系统硬件配置合理,各部分能够协调工作,运行稳定.     

基于DSP的鸡蛋破损检测方法

通过分析受敲击鸡蛋的声音功率谱图而确定出特征参数：共振峰对应的模拟量频率值、功率谱面积、高频段额外峰功率谱幅值和第32点前后频段功率谱面积的比值,并通过Bayes理论建立鸡蛋破损判别模型。然后采用DSP鸡蛋破损检测系统,进行鸡蛋破损检测的试验。检测结果表明,此系统判别精度高,方法可行。     

鸡蛋新鲜度神经网络检测系统的研究

鸡蛋内部颜色信息（H、I、S）的变化表征蛋的新鲜度等内部品质的变化。用计算机视觉装置获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度大小（哈夫值）,用它们作为样本数据建立BP神经网络模型,获取鸡蛋新鲜度与其图像颜色参数之间的最优关系,达到自动检测鸡蛋新鲜度。经检验,系统正确识别率为90．8％。     

鸭蛋动态图像预处理和获取颜色特征参数的算法

研究了动态鸭蛋图像预处理及图像颜色特征参数的提取算法。其中预处理包括去图像边缘毛刺和蛋壳污点信息；提取鸭蛋图像颜色特征参数需要通过鸭蛋轮廓识别和圆形搜索算法实现，对于鸭蛋图像的轮廓识别是以彩色图像的红色分量R来判定图像边界点，并以此计算出鸭蛋图像蛋内像素和，用圆形搜索法求出蛋芯颜色特征区域并提取图像特征颜色参数。试验结果表明，通过该算法，得到的蛋重模型相关性达到0．95，建立的颜色模型相关性达到0．92。     

鸭蛋新鲜度模型的试验研究

用计算机视觉技术，研究了鸭蛋新鲜度模型。取当天产新鲜鸭蛋，分青壳蛋和白壳蛋各150枚置于恒温衡湿环境中。每次定时任意取出其中白壳和青壳蛋各10枚用计算机视觉检测装置检测出蛋内容物的颜色参数。根据这些参数和与之对应且表征蛋新鲜度的Haugh值拟合出蛋新鲜度模型。白壳蛋新鲜度模型检验结果为：r=0.757,F=77.932；青壳蛋新鲜度模型检验结果为：r=0.767,F=75.911。检验结果表明鸭蛋新鲜度模型有较高的回归精度。     

鸭蛋破损检测的试验研究

试验研究了损壳蛋和未损壳蛋的声学特性差异，数据分析采取模糊聚类的方法获得损壳蛋和未损壳蛋隶属函数式，计算两个模糊集的隶属度，按照最大隶属度原则就可准确区分损壳蛋。用此方法设计的鸭蛋破损检测系统，其好壳蛋检测准确率为85％，损壳蛋检测准确率为90％。