共查询到20条相似文献，搜索用时 31 毫秒
1.
为实现苹果准确分级,我们提出了基于图像处理与改进SVM(支持向量机)的苹果多特征融合分级方法。该方法主要分为图像预处理、背景分割、特征提取以及改进SVM的多特征融合分级四部分。首先,利用同态滤波算法改善采集的苹果图像质量;其次,将图像转换至HLS空间,使用Qtsu算法分割背景,利用形态学处理去除果梗及表面缺陷区域,利用Canny算法提取苹果轮廓;然后,提取苹果的大小、形状、颜色、缺陷、纹理5个特征;最后,利用交叉验证法优化SVM中的惩罚因子,建立多特征融合分级模型,并通过Fisher计算各指标的权重。本试验分别选取146、61个被明确划分等级的苹果样本进行训练、测试,结果表明,该分级方法的准确率达96.72%,可实现高精确度的苹果自动化分级。 相似文献
2.
基于条纹投影的苹果果梗/花萼识别方法 总被引：1，自引：0，他引：1
为避免苹果果梗/花萼区域对表面缺陷检测造成干扰,提出一种苹果果梗/花萼识别方法。首先,利用相移条纹投影技术,通过数学变换思想模拟多角度下参考平面的偏转相位,将苹果的绝对相位减去参考平面的偏转相位,获得多角度下苹果的相位高度图;然后,根据果梗/花萼区域的凹形特征,利用灰度形态学算法对相位高度图进行填充,获得相位填充图;最后,将相位填充图与相位高度图相减获得相位差值图,通过阈值分割操作便可准确定位到果梗/花萼区域。实验结果表明,所提方法能够有效地识别出不同位置的苹果果梗/花萼区域,具有良好的稳健性和适用性,识别率达到97.33%。 相似文献
3.
《信阳农业高等专科学校学报》2022,(1):110-114
针对苹果分级需要确定苹果正面的问题，本文结合简化的IDW算法，确定平滑处理苹果的方阵，与苹果图像进行卷积运算，通过两次平滑处理，识别出果梗。与常见的OSTU算法识别果梗对比，本文提出的算法识别效果更好。然后计算出果梗与苹果图像中心点的距离，与设定的阈值相比较，确定此苹果图像是否为苹果正面图像。试验表明，本文提出的算法，简单易操作，苹果正面识别正确率达97.5%。该方法不受苹果种类、大小等限制，具有较大的适用性，为苹果智能无损精准分级提供了依据。 相似文献
4.
基于高光谱成像的苹果病害无损检测方法 总被引：1，自引：0，他引：1
《沈阳农业大学学报》2016,(5)
苹果果实易发生病害,传统的苹果病害的检测不适应苹果分级在线检测的要求。为了实现病害苹果快速、有效的在线检测,采用高光谱成像技术对寒富苹果的炭疽病、苦痘病、黑腐病和褐斑病的病害果进行无损检测研究。根据正常区域与病害区域光谱相对反射率差异,提出改进流形距离方法。综合计算病害与正常区域,病害与果梗/花萼区域,正常与果梗/花萼区域的光谱相对反射率的总改进流行距离L值,从而从全波段中选择了3个特征波段,分别为700,765,904nm。对700nm特征波段下的图像进行阈值分割,以此获得掩膜图像,并对掩膜后的图像二次阈值分割提取感兴趣区域。将3个特征波段下对应的光谱相对反射率分别组合,作为BP神经网络的输入矢量,检测苹果是否为病害果。结果表明:选择700nm与904nm波段下的光谱相对反射率为最佳组合,病害果的检测率达96.25%。说明高光谱成像技术所获得的2个特征波段可以有效对苹果病害进行检测,为开发多光谱成像的苹果品质在线检测和分级系统提供参考。 相似文献
5.
为了实现对苹果品质的等级评价,对果梗的完整性进行检测是必不可少的。选取了苹果样本260个,其中果梗完整果104个、果梗不完整果92个、没有果梗果64个。利用高光谱成像技术提取苹果感兴趣区域光谱信息。采用逐步多元回归算法(stepwise multiple linear regression,SMLR)从全波段(450~970nm)提取了5个特征波长(594.78,572.08,599.84,626.48,666nm),采用连续投影算法(successive projections algorithm,SPA)从全波段(450~970nm)提取了7个特征波长(467.5,672.4,695.4,730.2,840.4,952.6,969.6nm)。然后,提取感兴趣区域的惯性矩、相关性、能量和熵4个纹理特征。将光谱特征、纹理特征、光谱特征结合纹理特征3组数据,分别作为输入矢量,采用支持向量机(support vector machine,SVM)、BP人工神经网络(BP artificial neural network,BPANN)对苹果果梗完整性进行识别,使用交叉验证的方法进行5组交叉验证,每一组分别从训练集和验证集中拿出30个进行互换,将5组验证集正确率的平均值作为评价指标,并且对比分析结果。结果表明:单独使用纹理特征作为输入矢量,果梗识别效果不佳,SVM模型正确率为50.3%,BPANN模型正确率为37.2%。融合光谱特征和纹理特征作为输入矢量识别效果一般,SPA-T-SVM模型正确率为86.6%,SPA-T-BPANN模型正确率为80.3%,SMLR-T-SVM模型正确率为77.2%,SMLR-T-BPANN模型正确率为74.9%。只采用光谱特征作为输入矢量识别效果较好,其中SPA-SVM方法识别效果最好,识别正确率达到91.7%,且数据计算量小。该研究为苹果品质等级评价提供了理论依据。 相似文献
6.
[目的]以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法.[方法]对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类.[结果]采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7;.其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果.[结论]利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础. 相似文献
7.
【目的】准确获取红富士苹果的分级指标，为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法，预处理实验所需的苹果图像；使用K-means聚类算法、OTSU最大类间方差法，将苹果灰度图转换为二值图；利用二值图与苹果原图的异或运算，提取苹果轮廓；采用苹果的二值图计算苹果的果实区域大小；使用颜色空间转换RGB-HSV中H通道划分果实红色区域；通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积；构建最小外接矩形计算苹果的果径及果形；利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法，在优于传统图像阈值分割效果的基础上，特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。 相似文献
8.
研究了苹果果梗与果体的识别方法和果面缺陷的查找方法.根据苹果果梗的特性,提出用分块扫描判断果梗是否存在;分析了苹果的坏损表面与非坏损表面的不同反射特性,以及不同灰度值象素点数的统计特性,找出坏损区域,并从中区分出果梗和果萼.对1 5幅无果梗的图象判断准确率为100%,对90幅果梗完好图象的准确率为88%.试验证明该方法对坏损的检测是有效的. 相似文献
9.
计算机视觉技术识别水果缺陷的一种新方法 总被引：25，自引：0，他引：25
利用计算机视觉技术识别水果表面缺陷，提出了分割缺陷和识别缺陷的新方法。该方法考虑了水果的形状特点，使不同灰度级的缺陷一次分割成功。在识别过程中利用水果的三维空间特征，实现了缺陷与果梗、花萼的区分。试验结果表明，该方法检测速度快，正确率高，能够满足计算机视觉进行在线检测的要求。 相似文献
10.
目前苹果分级自动化程度较低,为了实现苹果品质自动、快速、准确分级设计了一套苹果智能在线检测分级系统。以寒富苹果为测试对象,采用机器视觉技术对苹果分级进行研究。采用阈值分割的方法分割苹果正面图像,逐像素遍历法提取苹果外部轮廓,通过计算其各点到重心的距离提取苹果大小特征,同时计算苹果横径与纵径比提取果形特征。采用支持向量机方法分割侧面苹果图像,计算苹果红色像素占苹果像素的比例提取颜色特征,利用Fisher统计识别的方法提取苹果缺陷。实现了整个分级系统的硬件搭建以及软件的功能,利用该系统对400个苹果样本进行了分级试验,结果表明该系统分级的苹果总体正确率达到95%。设计的基于机器视觉的苹果智能在线检测分级系统克服了传统分级方法的不足,加快了苹果品质分级自动化速度,对水果品质分级等领域有重要研究意义。 相似文献
11.
苹果病虫害绿色防控是苹果免套袋栽培的一个重要技术环节,也是苹果收益的重要保障,但在实际生产中却存在诸多不足之处,而且应用的面积也很少。为了提升免套袋苹果病虫害绿色防控技术的应用效果,以20%华碘抗胁迫生态膜、5%香芹酚和0.5%几丁聚糖三种药剂为试材进行免套袋苹果病虫害绿色防控试验。通过免套袋苹果喷施七次病虫害绿色防控药剂及常规化学防治药剂,对比了病虫害不同防控方法对叶片生长、苹果果面色度、单果重、果实品质、病虫害危害率及农药残留的影响,研究了免套袋苹果病虫害绿色防控技术和效果。结果表明,处理1和处理2均对病虫害危害率的影响显著,病叶率分别降低26.09%和31.03%,虫叶率分别降低76.74%和51.61%;均不影响苹果果面色度,也均对苹果果形指数、果实硬度均无显著影响。处理1对苹果单果重、可溶性固形物含量的影响均极显著,分别高出61.430 g和1.875%,但对叶片生长的影响不显著;相反,处理2对叶片生长的影响显著,百叶厚、百叶鲜重、百叶干重分别高出10.88 mm、16.44 g和6.80 g,但对苹果单果重、可溶性固形物含量的影响均不显著,对红富士苹果实现农药无残留。本试验可以减少化学农药使用五次、减少使用量40.34%。20%华碘抗胁迫生态膜、5%香芹酚和0.5%几丁聚糖三种药剂“三合一”作为免套袋苹果病虫害绿色防控技术,是实现绿色果品生产的有效途径,有很好的应用前景。免套袋苹果病虫害绿色防控可以使苹果免套袋栽培进一步达到生态环保、产品绿色安全的效果。之后会进一步试验研究免套袋苹果病虫害绿色防控技术,同时加大示范面积,争取大面积在免套袋苹果生产上推广应用。 相似文献
12.
苹果分选机输送定位机构的设计 总被引：7，自引：0，他引：7
针对国内外苹果分选机在利用计算机图像识别系统进行苹果分级时，需要对每个苹果采集多帧图片，不仅耗时长，而且对梗萼凹陷与苹果真实缺陷易于混淆而影响分级精度的问题，设计了一种苹果分选机输送定位机构。该机构在系统进行图像采集之前，首先实现果梗垂直于水平面的定位，苹果平动输送过程中计算机视觉系统进行苹果图像采集和处理。由于在图像处理时无需再对梗萼凹陷进行识别，并简化了最大直径的确定过程，从而减少了图像处理时间。并可提高识别精度。试验结果表明，该定位机构对每个苹果的定位耗时多在4S之内完成，定位成功率达94％，可满足苹果在线实时检测的需求。 相似文献
13.
为提高运动苹果的采后分选精度,设计一种基于苹果朝向的最大横切面直径检测方法。采集苹果在传送杆上多位置、多姿态RGB图像,利用张氏标定法进行图像畸变校正,通过颜色分割和形态学处理方法提取苹果区域;基于R通道分量的梯度变化获取苹果果梗/花萼区中心,通过对称性判断苹果朝向。计算垂直于朝向的最大直径,将其作为最大横切面直径;针对相机投影角增大产生的投影失真问题,构建投影校正方程以校正检测结果。结果表明：1）对60个苹果（富士和黄元帅各30个）的720幅图像进行直径检测,以单张图像检测结果在±5 mm内作为检测准确的判断标准,所提出的投影校正算法将单张图像的直径检测准确率从65.3%提升至95.3%。2）对每个苹果的12张图像的直径检测结果求平均值作为最终果径,准确率达100%,其中,86.7%的富士和93.3%的黄元帅检测直径在±2 mm以内,均方根误差分别为1.5 mm和1.1 mm。总体结果表明,本研究提出的最大横切面直径检测方法能够精确检测苹果果径,可为苹果大小分级提供技术支持,也为近球形的果蔬分选提供了有效参考。 相似文献
14.
15.
针对酥梨果梗计算机视觉检测方法的普适性问题,提出了一种利用像素点分析法识别果梗的算法。将酥梨图像进行二值化、滤波、形态学运算等预处理后,用Sobel算子提取酥梨图像边缘,再由一阶矩特征计算图像形心。选定形心为参考原点,建立图像的笛卡尔坐标系;从Y轴负方向开始,逆时针分别按15°和10°形心角对轮廓边缘点进行区域分块;统计分块区域内的像素点特征,并依此特征识别果梗。结果表明,对于无果梗的酥梨,15°和10°均能精确识别出来;有果梗的酥梨,15°较10°的识别率高,且含果梗区域的像素特征较其他区域的有很大突变。总体上果梗识别正确率可达97%,一定程度上可以满足酥梨果梗识别的需要。 相似文献
16.
17.
基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究 总被引：5，自引：0，他引：5
对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究.在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理.提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76％ Brix,相对分析误差为2.44.在分级研究中,选择712 nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5％.结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究. 相似文献
18.
为精确地度量柑橘品质分级,研究了病虫害为害状冰糖橙缺陷果实复杂性测度机器识别、脐橙果实周长-面积分形维数与分段色调单位坐标化多重分形谱高度/宽度的形状和颜色分级及糖酸度无损检测。对冰糖橙生理性缺硼、锈壁虱、油胞凹陷病3种常见病虫害果实为害状缺陷在0°—50°主色调区域实施长度为1°的分段,统计各分段色调区间像素分布概率,并计算统计复杂性测度C(Y)与Shannon信息熵H(Y),以C(Y)与H(Y)为检索词计算机查询果实病虫害检索表来进行病虫害缺陷果机器识别,平均正确识别率为93.33%。对脐橙果实果梗面与侧面在相垂直的2个投影面上的图像进行去背景与边界轮廓提取操作,计算边界轮廓周长-面积分形维数,以此为指标检索果实信息字典进行脐橙形状分级,正确率100%。以脐橙果实相对的2个侧面图像为研究对象,去其背景,将30°—120°主色调区域进行30°—50°、50°—70°、70°—90°和90°—120°的区间分割,生成4幅色调图像,计算此图像多重分形谱质心坐标、高度与宽度,对该高度与宽度进行单位质心坐标化处理,一方面以单位质心坐标化多重分形谱高度与宽度为指标检索果实信息字典进行脐橙颜色分级,正确率98%;另一方面以单位质心坐标化多重分形谱高度与宽度为参数通过糖酸度偏最小二乘模型映射果实糖酸度,糖度与酸度标准差分别在0.77及0.36以内,与实际值的相关系数分别在0.8及0.7以上。试验结果表明:统计复杂性测度、周长-面积分形维数、单位质心坐标化多重分形谱高度与宽度较精确地反映了柑橘分级中需识别的冰糖橙果实病虫害缺陷的特征、脐橙果实形状与颜色特性及内部糖酸度无损检测映射参数特点。 相似文献
19.
首先指出果梗判别在苹果自动分级系统中的研究意义;进而列出4种有代表性的判别果梗的方法;在此基础上提出了利用图像形态学可以更好地判别果梗,同时还能检测边缘;最后对该算法进行了系统评估,并为提高处理速度进行了改进. 相似文献
20.
基于数字图像的水果分形维数特征 总被引：1，自引：0，他引：1
温芝元 《湖南农业大学学报(自然科学版)》2010,36(4):478-482
为了定量描述仿球形水果表面轮廓间的差异,用周长-面积法研究水果的分形维数特征.取大小不同的温州蜜柑20个、麻阳冰糖橙17个和红富士苹果18个,设置3种水果花萼面和侧面2个方向上数字图像红色或蓝色分量阈值,将水果区域内外的红色、绿色、蓝色分量分别置为0和1,得到水果二值图像.以水果区域细化后的边界像素数和区域内像素数分别作为水果的周长和面积,以周长-面积法求得3类水果2个方向的分形维数.结果表明,3种水果花萼面的分形维数均比其侧面的分形维数小,花萼面分形维数间差异不明显,但侧面分形维数差异明显,表明仿球形水果的外形特征可用花萼面分形维数和侧面分形维数反映,但主要指标是侧面分形维数. 相似文献