共查询到18条相似文献，搜索用时 185 毫秒
1.
为了提高对鸡蛋裂纹识别的准确性,建立利用计算机视觉和声学响应信息融合技术检测鸡蛋裂纹的系统,首先采集和分析鸡蛋被敲击后的声音信号,提取了4个特征频率、偏斜度平均值和崤度平均值共6个特征参数,作为人工神经网络的输入量,创建了结构为6-15-1的3层BP神经网络模型判别鸡蛋裂纹。其次,利用计算机视觉系统获取鸡蛋表面图像,提取了区域面积、圆形度、区域长径、短径和长短径之比共5个特征参数,作为BP人工神经网络的输入量,创建了结构为5-10-1的3层BP神经网络模型识别鸡蛋裂纹。最后,根据计算机视觉与声学响应技术检 相似文献
2.
3.
4.
5.
基于力-声学特性的鸡蛋微小裂纹在线检测方法 总被引：1，自引：0，他引：1
针对目前国内外禽蛋流水线在线裂纹检测中微小裂纹检测的难题,通过外部压力增大微小裂纹信息,并结合声学方法实现多维度禽蛋微小裂纹的无损检测。对20枚不同位置的微小裂纹蛋进行压碎实验,选取压力范围为0~6 N,采集无损蛋与微小裂纹蛋的振动音频信号,结合功率谱分析、PCA主成分分析,选出工业流水线条件下最适宜增大微小裂纹信息的外部压力为5 N,最佳扫频范围为3 000~7 500 Hz。实验中,对320枚鸡蛋进行检测,分别构建基于反向传播神经网络(BPNN)、概率神经网络(PNN)和最小二乘支持向量机(LS-SVM)的鸡蛋微小裂纹检测模型,其中,基于LS-SVM的鸡蛋微小裂纹检测模型最优,测试集中无损蛋与微小裂纹蛋的识别率分别达到98.3%和95%,且流水线每小时可在线检测约3 600枚鸡蛋。 相似文献
6.
动态图像采集在鸡蛋品质检测中的应用 总被引：1，自引：1，他引：0
图像采集是利用机器视觉对禽蛋品质检测的第一步.为了满足自动化的需求,提出了一种基于DirectShow技术的鸡蛋动态图像采集的方法,介绍图像采集系统的构成以及动态鸡蛋图像采集的实现,为今后研究鸡蛋品质检测指明了方向. 相似文献
7.
鸡蛋敲击响应特性与蛋壳裂纹检测 总被引：13，自引：6，他引：7
鸡蛋经敲击激励后用传感器获取时域特性信号,并进行信号频域分析。结果表明,无裂纹鸡蛋的频域特征有相似的规律性。存在一个较明显的主频率值。峰值突出;有裂纹鸡蛋频域特征无规律性,没有明显的主频率值。峰值较紊乱;裂纹蛋上不同测点的频域特性有较大差异。提出了检测鸡蛋裂纹的主要参数：主频率值、功率谱平均值、归一化功率谱平均值、x轴及y轴质心等。主频率值、功率谱平均幅值、归一化功率谱平均幅值等参数可以用于检测鸡蛋有无裂纹,其中采用主频率值、归一化功率谱平均幅值检测时精度较高。 相似文献
8.
9.
10.
种子的质量对于增产丰收具有重要的意义。为了准确检测玉米种子是否有机械损伤裂纹,基于机器视觉技术提出了一种能自动提取玉米种子,并自动识别裂纹种子的方法。首先,采用最大类间方差法、数学形态学处理和区域属性度量函数提取单粒玉米种子图像;进而,采用基于模糊集和浮雕算法的图像增强方法与基于小波变换模极大值的边缘检测算法凸显玉米种子的裂纹区域;最后,采用图像相乘运算和数学形态学处理等方法去除种子的轮廓与种子区域的噪声,并提取出玉米种子的裂纹区域。以"郑单958"玉米种子为例,选取了160粒经机械脱粒后外部轮廓形态基本完整的裂纹和无裂纹种子,对320幅胚面和胚乳面图像的识别结果表明:该方法对胚面和胚乳面裂纹检测的准确率分别为94.4%和86.9%,平均准确率为90.6%。本研究为基于机器视觉技术检测裂纹玉米种子,保证种子的质量,提高出苗率提供了技术支持。 相似文献
11.
玉米种子的品质关系到后期玉米种植收获的好坏,也是玉米收获后的重要加工环节,一般在收获的玉米中挑选出品质优良的作为种子。利用计算机视觉对玉米种子品质进行挑选,具有效率高、准确度高的优势,可代替传统的人工作业,节省了大量劳动力。计算机视觉技术是通过对玉米种子采集的图像进行格式转换、图像变换、图像直方图信息统计、图像增强、图像分割及形态学处理等一系列图像预处理技术,并提取有效图像进行分析验算。计算机视觉技术对玉米种子品质的研究主要表现在玉米种子的品种、纯度、活力、裂纹等方面的检测,本文对玉米种子的检测智能化进行了阐述,为后期研究提供参考。 相似文献
12.
13.
基于嵌入式系统与机器视觉的上孵前无精蛋识别系统 总被引：2，自引：0，他引：2
为避免未受精蛋的孵化,将计算机图像处理技术与嵌入式技术有机结合,提出了无精蛋识别系统设计方案.该系统首先通过计算机视觉技术采集种蛋图像,之后运用数字图像处理技术完成种蛋图像区域不变性参数(圆度、复杂性、伸长度、球状性、长短轴比和平均变动系数)的提取,最后采用已训练的遗传神经网络实现无精蛋识别.实验结果表明:该系统简单便捷,易于实现,对种蛋的600枚非实验样本的识别精度为99.3％,满足上孵前剔除无精蛋的要求. 相似文献
14.
基于计算机视觉的高速机器人芒果分选系统设计 总被引：1，自引：0，他引：1
针对目前芒果的外观品质分级采取人工方法所存在的不足,基于机器视觉、并联机器人等先进技术,构建了用于芒果品质动态、实时检测及分选的高速机器人系统,设计了芒果分拣的计算机视觉硬件系统,开发了高速分拣计算机视觉软件系统。工作时,芒果输送带将芒果按机器人动作节拍输送至图像采集区域由工业相机采集图像,识别系统对图像信息进行特征提取,建立图像特征与国家标准中的三级芒果的对应关系,将具有相应图像特征的芒果其所处位置信息及其级别对应的位置信息,通过单片机控制系统输送给高速分选机器人,从而完成芒果的高速分选。测试结果表明:高速分拣机器人系统可以高速、准确地完成芒果的分选工作。 相似文献
15.
16.
针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。 相似文献
17.
玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。 相似文献
18.
基于计算机视觉的奶牛生理参数监测与疾病诊断研究进展及挑战 总被引：1，自引：0，他引：1
利用先进的信息技术推动智能养殖业发展已经成为奶牛养殖研究领域的重要目标和任务。计算机视觉技术具有非接触、免应激、低成本及高通量等优点,在畜牧生产中应用前景广阔。本文在阐述了计算机视觉技术在智能化养殖业发展中重要性的基础上,首先介绍了基于计算机视觉的奶牛生理参数监测进展,包括体尺、体温、体重的前沿监测设备、技术和模型参数。然后阐述了奶牛跛行及乳腺炎等疾病诊断的前沿技术发展过程和研究现状。目前,相关技术研究和应用推广存在检测准确性不高,受环境因素影响较大,非标准化养殖场结构制约检测系统普及,以及检测系统成本较高等问题和挑战。最后,本文结合中国养殖业发展现状,针对保证检测准确性、减少环境干扰等问题,就如何提高计算机视觉技术在智能化养殖业中的准确性和普适性提出了相关建议,旨在为中国奶牛养殖业的科学管理和现代化生产提供新方法和新思路。 相似文献