种子自动筛选系统软件设计

在育种过程中,挑选一致性好的种子是一项繁琐而艰苦的工作,用机器视觉代替人的视觉可以克服人眼疲劳等因素对种子进行筛选所造成的误差。为此,采用OpenCV图像处理软件设计种子识别软件,对种子的面积、周长、圆形度、直径、延伸度等特征参数进行提取。根据与样本参数的对比决定是否合格,并通过串口送至下位机,控制下位机完成种子的分拣工作。该系统设计了自学习功能,样本种子可自由选择,并可自由控制筛选误差范围。经试验验证,该系统能够准确地判断玉米和小麦种子是否合格,判断速度为60粒/min。     

基于OpenCV的烟叶图像处理技术

以OpenCV底层函数为基础,在分析图像区域分割特点的基础上,提出了建立颜色模板的方法。研究了在不同目标区域和不同帧情况下剔除烟叶杂质的方法,给出了软件设计的基本思想,有较好的工程指导意义。     

基于OpenCV的动态葡萄干色泽实时识别

为了实现新疆吐鲁番地区"无核白"葡萄干的自动化色泽识别,该文利用OpenCV对无核白葡萄干的表面色泽识别进行研究,设计了一套可以实时、动态、多条输送通道同时处理的葡萄干色泽识别设备。为保证葡萄干色泽特征提取的正确率,对实时获取的每一帧图像进行预处理,获得平滑无孔洞的葡萄干二值图像;去除每一帧二值图像两侧边缘处不完整的葡萄干轮廓,从而保证获取葡萄干的完整色泽信息;定义图像上、下2部分掩膜,并分别仅保留图像右侧第一个葡萄干轮廓,利用上、下掩膜对每一帧图像分别处理,实现2条输送带上葡萄干的同时识别,以提高葡萄干色泽识别效率;在HSV空间下对保留的图像右侧第一颗葡萄干提取各通道的均值,以绿色、黄色、褐色葡萄干各40粒进行测试取值,统计数据并分析,确定色调通道H值23、亮度通道V值80为阈值进行葡萄干色泽识别;以3种颜色葡萄干各150粒分3次进行试验,结果表明,绿、黄、褐色葡萄干的识别正确率分别为89.33%,92.00%和96.67%,识别效率为21s/百粒葡萄干,识别方法简单有效。该方法的识别效率高于人工分选方式的110s/百粒葡萄干,但识别正确率低于人工分选方式的100%;相比于现有研究方法对各色葡萄干93%以上的识别正确率,该识别方法对褐色葡萄干的识别正确率较高,但对黄、绿色葡萄干的识别正确率较低;市场上现有的葡萄干分级设备使用的识别方法几乎无法区分黄、绿色葡萄干,与其相比,该文提供了一个可以较好区分黄、绿色葡萄干的方法。该文基于OpenCV设计的葡萄干色泽识别算法具有分选可行性和较好的识别正确率,可为后续分选执行机构和控制系统的搭建提供算法基础,为葡萄干色选的商业化提供算法参考。     

基于OpenCV的大豆籽粒多表型参数获取算法

大豆籽粒的表型参数获取对大豆育种具有重要的作用。现有的深度学习算法获取的大豆籽粒表型性状较少,且识别表型的神经网络模型训练成本高。该研究基于OpenCV图像处理库,提出了一种提取大豆籽粒多表型参数的算法,从大豆图像中一次性获取籽粒的多种表型性状参数,同时能识别大豆的优劣品质。将每个待测大豆单株的所有籽粒拍成一张图像,首先对大豆籽粒图像进行二值化、去噪等预处理,然后采用分水岭算法和改进的目标分割算法提取图像中的大豆籽粒轮廓。根据大豆籽粒的轮廓信息,调用OpenCV图像处理函数计算大豆籽粒的个数、长轴长度、短轴长度、面积、周长等多个表型性状参数。引入圆形度识别残缺大豆籽粒,使用RGB阈值判断识别病变大豆籽粒。测试结果表明,采用该文算法计算的颗粒总数识别率为98.4%,大豆籽粒正确识别率为95.2%,破损大豆和病变大豆的识别率分别为91.25%和88.94%,籽粒的长轴长度与短轴长度的测量精度分别为96.8%、95.8%;引入多进程并行计算,该算法处理215张图片时间为248.9 s,相对于单进程计算缩短了约2/3,实现了低成本高通量的高精度大豆籽粒多表型性状参数的自动获取,为大豆籽粒自动化...     

基于Android手机和图像特征识别技术的植物叶片分类系统的研究

通过对植物叶片进行分类,在植物种类鉴别研究中有着重要的意义.在传统的植物叶片分类中,大多都是在PC机上构建叶片分类系统.该研究基于Android操作系统手机平台,构建了结合图像特征识别技术的植物叶片分类系统,设计了系统的主界面及相关操作界面,在VS开发环境下利用OpenCV中图像处理的相关类函数,实现图像处理的过程,最终通过在Android开发环境下调用本地C++代码的方式实现整个系统.     

基于机器视觉与图像处理的IC浅插检测研究与应用

电子产品中IC的pin脚需要准确插入插槽完成电路连接,但是在实际作业中往往存在一定程度的浅插,即电路连接不到位,不符合工业规定,造成不良多发。本系统基于机器视觉与图像处理,构建一个完整的工程。首先基于相机VB版SDK二次开发,完成图像采集。然后评价光源、镜头,构建视觉硬件平台。接着,基于C++、OpenCV开发浅插检测算法,封装成DLL在VB.NET的环境下调用。最后基于VB.NET开发软件UI,集成PMS功能、IO通信、USB读码功能。经过实验验证,与人工检测相比,本系统在速度、精度上有绝对优势,可应用于工程。     

基于OpenCV的Android手机植物叶片几何参数测量系统

通过Android 手机对植物叶片图像进行处理以测量其长、宽、周长、面积等几何参数,避免其他测量方法的缺点,提高数据采集效率。首先,获取含有已知尺寸矩形框的叶片图像。然后,对图像进行校正以消除倾斜失真。在校正阶段,采用了更为鲁棒的特征点检测法代替可能出现错误结果的Hough 变换法来处理矩形框,得到其4 个角点。根据求得的角点与标准图像的角点对图像进行映射得到校正图像。最后,处理校正图像计算叶片几何参数。参数计算提出以叶片轮廓为基础的方法,所有参数均通过对轮廓的处理求出,提高了计算效率。此外,基于轮廓求面积不需要对叶片进行形态学处理消除空隙及不连续,还可避免统计像素方法中将噪声像素误认为叶片造成的计算不精确。在求叶片长、宽时,给出了2 种方法供用户根据叶片实际形状选择。另外,在编程方面,采用了OpenCV-Android-SDK,大幅提高了图像处理速度。结果表明,精确度测试中,对打印出的规则图形几何参数测量的结果误差均在2%以内;而实际叶片的测量结果中长、宽的误差在2%以内,周长误差小于4%,面积误差低于3%。耗时测试中,相同图像处理算法采用OpenCV后,处理速度明显提升;对多部不同配置手机的测试中,处理1 幅分辨率为2448×3264 的叶片图像的耗时均在3 s 以内。另外,对于同一叶片图像,不同手机测量的结果完全一致。实验表明,该系统不仅操作简单、速度快、通用性强,而且对叶片几何参数的测量精确度也较高。     

基于OpenCV精准对靶施药系统视觉模块设计

针对葡萄种植中切根虫的危害,采用基于OpenCV的图像处理方法设计葡萄树干精准对靶施药系统的视觉模块。通过图像处理实验,得出基于mean shift 的图像分割结果,边缘检测结果以及直线检测结果。实验结果证明该模块设计可有效的区别出葡萄园中弯曲的葡萄树干和笔直的树桩。     

OpenCV耦合改进暗通道先验的图像去雾算法研究

为提高当前图像去雾算法的稳定性,改善在大雾天气雾气很严重时的去雾质量。提出了基于OpenCV耦合改进暗通道先验的图像去雾算法与实现机制。分析了暗通道先验理论与雾图形成模型;对先验理论进行了改进,推算出去雾公式;引入OpenCV实现机制,增强系统运行效率。实验结果表明:与普通的图像去雾算法相比,在雾气很严重时,算法具有更好的去雾效果,准确还原了图像的清晰度,失真度较小,可应用于雾气严重情况下的退化图像复原。