共查询到20条相似文献，搜索用时 31 毫秒
1.
计算机视觉在芒果品质检测中的应用研究 总被引：1，自引：0，他引：1
传统的芒果分级采用人工观察和化学分析方法,无法适应产业的发展。随着科学的进步,人们开发出多种无损检测和分级技术以提高水果的市场竞争力,但受检测和分级设备的限制,目前的相关研究都停留在试验阶段。为此,设计了一种基于计算机视觉的芒果品质检测方法,拍摄芒果图像后利用自适应Canny算法获取目标区域的边缘,以大小、颜色和表面缺陷反映芒果的品质,并基于BP神经网络实现对芒果的分级。仿真试验表明:计算机视觉对芒果品质分级的准确率超过93%,处理单张图像平均耗时0.8s,可以用于芒果品质的实时检测和在线分级。 相似文献
2.
《农机化研究》2021,43(9)
基于机器视觉的红枣缺陷检测研究中,普遍采用单相机采像,由于相机位置固定,加之红枣通常由普通传送带运送,红枣间易产生堆积、黏连造成红枣之间相互遮挡和红枣自身遮挡,导致红枣表面完整图像无法被采集,即使改用多相机采相也存在盲区,仍无法解决采集的图像不完整,导致检测准确率降低的问题。为了解决以上问题,设计了一种基于机器视觉红枣缺陷检测装置,主要包括刮板上料机、分料挡板、V型传送带、排列装置、图像采集装置、吹除装置和回流装置。该装置可将红枣等距排成一列,且使红枣旋转,图像采集装置连续采集3张旋转前进的红枣图片,避免盲区得到较为完整的红枣表面图像。此设备可以与红枣干燥流水线连接,实现全程自动化无需人工参与。试验结果表明:基于机器视觉红枣缺陷检测装置可明显提高红枣缺陷检测效率和准确率,增加了红枣缺陷检测自动化程度,降低了工人劳动强度,有助于红枣加工产业发展。 相似文献
3.
4.
红枣是一种表面颜色深的果物,为了满足红枣业科技发展需要,课题组在相关理论研究和实际应用基础上,设计了红枣光电分选机检测系统,优化了图像处理算法和检测系统硬件,利用实验采集平台实现对红枣缺陷检测,根据陕北榆林红枣检测的需要,设计了缺陷枣粒的图像采集分选测试装置,挑选了合适的工业相机,装配了缺陷枣粒检验测试实验平台,确定了光源配置方式和光源组合方案,完成了计算机与枣粒图像收集模块的搭建,确定了基于Blob分析的红枣缺陷识别算法的实现流程,从而来分辨出红枣图像信息中的正常枣粒和霉变枣粒及损伤粒,达到分选不同类别红枣的目的。 相似文献
5.
针对水下图像对比度差、模糊,致使检测出的边缘存在不连续和伪边缘的问题,提出一种基于改进的Canny和亚像素的水下图像边缘检测方法。采用改进的Canny算法检测水下图像的像素级边缘,在此基础上采用灰度矩提取图像的亚像素边缘特征,提高边缘的定位精度和检测率。实验结果表明,提出的算法相较于传统的像素级边缘检测算法在边缘轮廓的提取、减少伪边缘、提升边缘精度方面有较大优势,尤其是对深海环境中光源单一以及图像对比度差的物体边缘的检测具有更显著的效果和定位精度。 相似文献
6.
基于支持向量机理论的植物根系图像边缘检测方法 总被引：1，自引：0，他引：1
由于传统边缘检测方法中存在噪声大、粗糙边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果.为此,基于支持向量机方法给出了一种改善的边缘检测算法.同时,提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测;用所得到的边缘检测算法与Canny算法和Prewitt算法的性能进行了比较.仿真结果表明,给出的算法与Canny算法和Prewitt算相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰. 相似文献
7.
基于机器视觉的干制红枣大小分级方法研究 总被引：1，自引：0，他引：1
为了实现干制红枣的大小自动分级,介绍了应用机器视觉的干制红枣自动分级方法,利用CCD摄像机获取红枣的样本图像,应用MATLAB软件编程实现了样本图像的灰度化、二值化、图像分割、图像滤波、图像形态学处理、边缘检测和特征量提取等处理,参照干制红枣分级标准完成了红枣自动分级。通过实验数据回归分析得出红枣实测纵径、果质量与识别值当量值之间的数学检测模型,其决定系数分别达0.995 5和0.948 1。实验表明,采用句法模式识别对数据进行红枣大小分级,分级准确率达85%。 相似文献
8.
针对基于计算机视觉技术的蛋品分级技术进行了综述。禽蛋品质检测一般分外部品质检测和内部品质检测两大部分。主要基于小波的轮廓特征提取算法、基于边缘算子技术等图像识别方法检测禽蛋外部品质;利用图像亮度、声学特性检测技术对裂纹禽蛋进行检测,主要有基于阈值、区域和梯度等图像分割技术、基于小波变换的图像增强算法、声学脉冲共振特性等;基于透射光谱技术、荧光光谱图像、磁共振成像技术等非破坏性技术检测禽蛋内部品质;利用贝叶斯判别原理、神经网络及其改进算法对进行分级。但目前研究多数是静态的,动态检测识别准确率偏低,因此改进识别方法提高检测准确精度是今后的主要研究方向。 相似文献
9.
随着生活水平的提高,稻米产业目标从解决温饱问题开始转向改善稻米品质。在外观性状中,粒型与稻米品质的关系最为紧密,是品质育种的重要参考。水稻粒型由稻米长度和宽度计算获得,传统的粒长和粒宽测量方法难以满足实际需求。作为机器视觉分析方法的一个分支,图像边缘检测能够对不同外观特性的农产品进行检测。为此,基于图像边缘检测技术分析了水稻的粒型,对稻米图像进行阈值分割和去除噪音,然后利用自适应Canny算法检测获得稻米的边缘,并以最小外接矩形反映完整稻米的长度和宽度,计算得到长宽比。试验结果表明:边缘检测获得的稻米粒长和粒宽变异系数更小,长宽比也更接近于标准值,具有良好的稳定性和准确性,可以为水稻的品质育种提供技术支持。 相似文献
10.
剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断 总被引：7，自引：0，他引：7
剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在09:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。 相似文献
11.
剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在9:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。 相似文献
12.
橙子具有很高的营养价值,是我国部分地区的支柱产业,在农业经济中占有一定地位。分级是水果销售前的一道重要工序,有利于增加销售收益,提高产业竞争力。橙子种类繁多,品质各异,对其检测分级显得尤为重要。目前,橙子的分级主要由人工完成,但不能满足可持续发展的要求。基于计算机视觉的橙子分级设备类型、分析和计算方法都较多,但处于试验阶段,还没有应用于实际生产。为此,基于计算机视觉技术,建立了橙子的实时分级系统。橙子图像用计算机进行预处理和灰度化后提取目标轮廓,然后分别对大小、颜色和表面缺陷进行检测,采用RBF神经网络模式划分等级。系统对各级橙子的识别准确率为82.5%~90.0%,平均准确率为8 6.3%。系统处理单张图像平均用时0.6 s,分级效率达到1 8 0个/s,可以实现对橙子的自动化检测和分级。 相似文献
13.
设计了一套基于计算机视觉检测无精蛋的特征无损装置,实现了种蛋孵化前对无精蛋与受精蛋的分离。无精蛋识别系统以数码相机、计算机和打印机快速搭建计算机视觉系统,应用Canny算子实现了种蛋图像边缘提取,利用无精蛋的边缘轮廓特征规律,实现无精蛋的识别。试验结果表明,基于计算机视觉无精蛋识别装置对无精蛋筛选精度为1 0 0%。 相似文献
14.
为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95 相似文献
15.
采摘机器人视觉伺服策略研究——基于回归数据挖掘的 总被引：2，自引：0，他引：2
为了实现采摘机器人的准确抓取控制、路径识别和自主导航功能,提出了一种基于回归数据挖掘计算模型的机器人视觉伺服控制系统。首先利用双目相机获取果实图像,然后利用拉普拉斯变换和高斯滤波方法对图片进行平滑和增强处理,并利用Canny算法对图像边缘进行检测和分割处理,完成图像的预处理。对图像进行目标识别,提取图像的特征,并采用回归数据挖掘方法对滤波图像进行检验,最终通过计算得到果实图像的中心位置,将中心位置利用控制器反馈给控制中心,控制中心发出指令,控制末端执行器完成果实的采摘作业。对机器人视觉伺服系统进行了测试,结果表明:利用采摘机器人视觉伺服系统可以准确地计算果实的中心位置,实测位置和计算位置的吻合程度较高,视觉伺服系统的计算的稳定性较好。 相似文献
16.
17.
绿橙表面缺陷的计算机视觉分级技术 总被引：1，自引：0，他引：1
应用计算机视觉研究了绿橙表面缺陷的分级检测技术.通过CCD采集绿橙的可见光图像,经图像低层处理后,采用美国National Instruments Vision Assistant软件测得绿橙的果实横径、整果和缺陷像素数值,将果实横径像素数变换成实际的果实横径后,即可求出绿橙的表面积;再根据绿橙的表面积和整果、缺陷像素数之间的比例关系计算出缺陷面积,进而对其进行分级.检测结果表明,该方法对绿橙的4个质量等级的正确分级率分别是97 44%,91.49%,91.78%和95.12%. 相似文献
18.
南疆红枣静态图像采集分级方法研究 总被引：2，自引：1，他引：2
为了提高红枣商品品质,提出了红枣静态图像采集分级方法。通过比较不同光照条件、颜色背景下取得的红枣图片,研究基于机器视觉红枣大小的分级检测方法。采集红枣图像和图像预处理,选取最佳图像阈值,提取特征尺寸,建立特征尺寸与质量之间的对应关系;建立红枣的机测尺寸与实际尺寸、机测尺寸与红枣质量、实际尺寸与质量之间的不同关系模型。选择最贴近的二维分级模型:红枣机测实面积与质量的一次线性回归模型,通过对机测面积线性方程回归分析,线性模型的确定系数R2=0.841 8,并对研究结果进行验证,为进一步开展在线机器视觉红枣品质分级奠定了基础。 相似文献
19.
20.
基于计算机视觉技术大枣品质检测分级的研究 总被引：1，自引：0，他引：1
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。 相似文献