首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到14条相似文献,搜索用时 0 毫秒
1.
基于计算机视觉和神经网络的牛肉颜色自动分   总被引:5,自引:0,他引:5  
将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.  相似文献   

2.
基于图像运算的牛肉大理石花纹分割方法   总被引:1,自引:2,他引:1  
针对牛胴体眼肌切面大理石花纹图像的自然纹理特征,首先采用区域生长法进行图像的背景分割,然后采用图像差影法操作、图像腐蚀和膨胀技术以及图像的逻辑运算实现背长肌区域的分割,再通过Otsu法自动选取阈值,以此阈值为门限值,对图像进行二值化处理,最终提取出牛肉大理石花纹。实验结果表明,该综合处理技术具有很好的适应性,可以对各种牛胴体眼肌切面图像进行大理石花纹的准确分割。  相似文献   

3.
基于KFCM和改进分水岭算法的猪肉背最长肌分割技术   总被引:4,自引:0,他引:4  
提出一种利用核模糊C均值聚类(KFCM)和改进分水岭算法分割猪肉眼肌切面图像中背最长肌区域的方法.该算法对经中值滤波去噪后图像的R分量利用最大方差自适应阈值(OTSU)去除背景,再采用KFCM提取出肌肉组织,然后进行空洞填充,最后由改进的分水岭算法分割出背最长肌区域.利用该算法对采集的60幅猪肉眼肌图像进行处理,分割正确率为86.67%;与传统的形态学算法相比,该算法能真实、完整地恢复出背最长肌区域.结果表明:该算法能有效地分割出猪肉眼肌图像中的背最长肌区域,与改进前分水岭算法相比,能避免背最长肌区域出现欠分割.  相似文献   

4.
牛胴体眼肌切面图像的分割方法   总被引:2,自引:0,他引:2  
在牛肉的计算机自动分级系统中,牛胴体眼肌图像的分割、大理石花纹的提取是利用计算机视觉评定牛肉等级的最基本及重要步骤。在简要介绍各种图像分割方法的基础上,对目前国内外应用于牛胴体眼肌图像的分割技术及各种算法进行了初步分析研究。并在此基础上,对其他学科提出的一些图像分割算法应用于牛胴体眼肌图像分割的潜力和前景进行了论述。  相似文献   

5.
基于分形维和图像特征的牛肉大理石花纹等级判定模型   总被引:1,自引:0,他引:1  
采集135个牛胴体眼肌样本,参照中国牛肉质量标准的大理石图版,由3人评定小组评定出每一个样本的大理石花纹等级,再用数码相机采集每一个样本的数字图像。用图像处理技术对每一幅图像进行降噪、分割等处理,提取出牛肉大理石花纹,并计算出牛肉大理石花纹的面积比率、总脂肪颗粒数和大小脂肪颗粒数;然后用变尺度的方法,测定出每个牛肉大理石花纹样本图像的计盒维数和信息维数;以这些参数为基础,分别建立牛肉大理石花纹等级判定的多元线性模型和多元多项式模型。实验结果表明,利用多元线性模型和多元多项式模型判定牛肉大理石花纹等级,预测正确率分别为75%和87.5%。  相似文献   

6.
基于机器视觉的鸡胴体表面污染物在线检测技术   总被引:2,自引:0,他引:2  
基于机器视觉技术设计了鸡胴体表面污染物在线检测及处理系统。通过"工业相机+滤光片+计算机"的方式在线采集鸡胴体表面波长500 nm和710 nm的特征图像,采用中值滤波、灰度增强进行图像预处理,然后采用Otsu法自动确定阈值并获得二值化图像,再对图像进行腐蚀、膨胀、空洞填充以及异或操作,分割得到鸡胴体表面污染物区域并以此判断鸡胴体表面是否存在污染物,然后对鸡胴体表面的污染物进行喷淋处理。试验结果显示,利用该系统进行鸡胴体表面3种污染物(盲肠粪便、血液、胆汁)检测,检测总体平均正确率为90.5%,表明该系统可实现鸡胴体表面污染物的在线检测和正确识别。  相似文献   

7.
基于色度和形态特征的蝗虫信息提取技术   总被引:5,自引:1,他引:4  
采用基于数字图像处理技术的蝗虫(以粤北腹露蝗为例)自动识别和计数方法,计算新型超低空蝗灾预警系统自动采集视频中的蝗虫数量.根据灰褐色蝗虫与以绿色叶片为主的栖息地之间的颜色差异,利用基于色度空间的图像分割方法从蝗虫栖息地中分割蝗虫区域,然后利用蝗虫区域面积和分散度提取单个存在的蝗虫,根据群居蝗虫个体大小基本一致的特性,由单个蝗虫的平均面积计算蝗虫数量.试验结果表明:蝗虫区域的识别计数精度大于85%.  相似文献   

8.
复杂光照条件下视觉导引AGV路径提取方法   总被引:2,自引:0,他引:2  
针对复杂光照条件下视觉导引AGV的路径提取问题,提出一种基于光照色彩模型的自适应图像照度分区阈值分割方法。首先研究光照照度与图像亮度分量的关系,通过统计复杂光照条件下的图像色彩分布建立光照色彩模型。其次根据光照色彩模型将导引路径图像划分为不同照度区域。然后在RGB色彩空间对低照度区域进行图像增强以还原路径色彩信息,在高亮光区域对色度分量Cb与Cr进行差分运算以抑制共模照度干扰,最后对不同照度区域分别进行自适应阈值分割。大量实验结果表明,在光照环境中同时存在高反光和暗阴影的运行路面,该路径提取方法具有较强的复杂光照适应性,可显著降低在高反光和暗阴影区域的欠分割及过分割误差,对导引路径的识别率为98%。  相似文献   

9.
基于DM642的农产品图像边缘检测系统设计   总被引:1,自引:0,他引:1  
基于DM642和CPLD架构实现农产品图像的采集与处理,并利用Canny算子检测农产品图像边缘信息。针对农产品种类丰富、外形多样、边缘信息复杂且图像在采集过程中容易受到外界因素影响的特点,采用一种新的调试技术,将Matlab和DSP两者结合起来,充分利用两者特长,在线调节Canny算子阈值,简化系统开发的分析、调试和验证过程,并使系统具有更强的通用性,满足不同农产品边缘检测需要。  相似文献   

10.
生理成熟度及牛肉肌纤维特征与嫩度关系试验研究   总被引:1,自引:0,他引:1  
生理成熟度(牛龄)是牛肉质量分级的重要参考指标,研究牛龄与嫩度之间的定量关系,对建立牛肉质量分级标准及牛肉自动分级系统的开发具有重要意义。选取4组不同月龄的牛肉背长肌样本,采集其眼肌区域微观图像,通过图像处理的方法提取出每个样本的肌纤维直径、周长和密度,然后再用质构仪测定出每个样本的剪切力,研究分析不同牛龄的牛肉肌纤维直径、周长和密度的变化规律及其与剪切力之间的关系。结果显示,随着牛龄的增大,牛肉肌纤维直径和周长均线性增加,而肌纤维密度则线性下降(P0.05);同时,随着肌纤维直径和周长的增加、肌纤维密度的下降,牛肉剪切力线性增大(P0.05)。牛龄对肌纤维直径、周长、密度及牛肉剪切力具有显著影响。  相似文献   

11.
针对规模化羊场对山羊体尺无接触式自动测量的需求,设计了一种山羊双视角图像采集装置并开发了配套的山羊体尺自动测量算法。首先,开发了山羊双视角图像自动采集装置并在养殖场完成山羊双视角图像数据集的构建;然后,采用背景减除法二值化羊体俯视图,引入简单线性迭代聚类算法(SLIC)构建侧视图超像素的纹理和颜色特征向量,训练基于支持向量机(SVM)的超像素分类器,综合利用置信度和超像素区域邻接图(RAG)获取侧视图中的羊体二值图;最后,提出了在侧视和俯视二值图像中定位关键体尺特征点的方法,自动提取山羊体高、体斜长、胸深、胸宽、管径参数,拟合得到胸围和管围参数。算法测试结果表明,羊体侧视图前景区域超像素分类正确率超过94%,算法自动提取与人工标注的侧视、俯视前景二值图的交并比分别为96.1%和97.5%。以人工使用软尺测量获得体尺参数为金标准评价算法自动提取体尺参数的精度,结果表明管围、体高、胸深、胸宽、胸围和体斜长的平均相对误差分别为5.5%、3.7%、2.6%、5.2%、4.1%和3.9%。本文开发的羊体双视角图像采集装置及相应的图像处理方法可以满足山羊体尺无接触自动测量的精度要求,为山羊体尺的高...  相似文献   

12.
基于视差图像的重叠果实图像分割算法   总被引:3,自引:0,他引:3  
为解决自动采摘视觉系统中重叠果实的分割问题,提出了基于视差图像的果实分割算法。采用双目立体视觉系统获取图像对,对图像对进行预处理和校正,通过图像对的立体匹配来获取视差图像,最后对视差图像进行分割。该算法将分割的依据和信息从二维图像的颜色、形状、纹理等扩展到三维空间的深度,对空间距离不同的目标具有较好的分割效果。实验表明,对获取的视差图像进行基于区域的分割时,其区域间灰度对比度为0.98,目标计数一致性达到0.90;进行基于边缘的分割时,其边缘检测误差为5.74%,因此,该方法对重叠果实区域的分割是有效的。  相似文献   

13.
苹果采摘机器人夜间识别方法   总被引:5,自引:0,他引:5  
提出了一种适用于苹果采摘机器人夜间识别的方法。在图像采集阶段,通过对比不同光源的照明效果,选用白炽灯作为照明光源并采用2盏白炽灯从不同角度照明的方式削弱图像中的阴影。在图像分割阶段,对比白天图像的分割方法,提出改进R-G色差分割法。此外针对夜间图像中的高亮反光区,采用二次分割的方法提取出水果表面的高亮反光区以此对分割后的图像进行修补,以得到完整的分割结果。经统计不考虑果实的遮挡和粘连,夜间苹果正确识别率达到83.7%。  相似文献   

14.
基于PCA和高斯混合模型的小麦病害彩色图像分割   总被引:5,自引:0,他引:5  
为了提高高斯混合模型对小麦病叶的分割精度,减少分割时间,提出了一种基于PCA和高斯混合模型的分割方法。首先充分利用图像的颜色信息,将图像多个颜色通道进行主成分分析计算,获得3个主要颜色通道;在此基础上,将图像分成多个分块,根据其像素平均值排序,各取前后多个分块组成新的像素集合进行高斯混合模型运算;最后遍历整个图像,将每个像素归类到已求出的高斯模型上得出分割结果。通过对小麦锈病图像的分割试验表明,该方法的错分像素率分别比高斯混合模型、K-means等传统分割方法低5.46和13.44个百分点。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号