共查询到18条相似文献，搜索用时 156 毫秒
1.
《中国农机化学报》2015,(5)
为实现马铃薯智能检测与自动分级,提高马铃薯分级效率,本文在现有水果机械分选机的基础上,加装机器视觉系统和智能分级控制系统,提出马铃薯外观品质检测算法,实现马铃薯智能分选系统。首先下位机发送信号给上位机机器视觉系统控制摄像头拍照;然后上位机根据马铃薯形状、颜色和缺陷特点,采用近似椭圆法进行形状检测,采用逐点检测法检测绿皮区域,采用自适应阈值分割法分离缺陷区域,并以缺陷面积比进行缺陷检测;最后上位机将检测结果通过串口发送给下位机,分级执行器执行分级结果将次品拣出,再配合机械分选的压力传感器信号进一步实现正常品的重量分级。经测试:本文提出的分级检测算法对形状、绿皮和缺陷的检测正确率分别为93.3%、94.1%和88.3%,综合检测准确率可达到90%。本文构建的分级系统运行稳定,每秒可分选25个马铃薯,基本满足马铃薯实时分选的需求。 相似文献
2.
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
3.
油桃外部缺陷的高光谱成像检测 总被引：2，自引：0，他引：2
采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。 相似文献
4.
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
5.
针对任意放置姿态下的轻微绿皮马铃薯难以检测的问题,进行了半透射与反射高光谱成像方式的不同检测方法比较研究,最终确定较优高光谱成像方式的检测方法。分别以半透射与反射高光谱成像方式对图像维提取RGB、HSV和Lab空间颜色信息,并采用等距映射、最大方差展开、拉普拉斯特征映射进行图像信息降维;分别以半透射与反射高光谱成像方式对光谱维提取感兴趣区域的平均光谱数据,并采用局部保持投影、局部切空间排列、局部线性协调进行光谱信息降维;然后分别建立不同高光谱成像方式下的图像与光谱信息的深度信念网络模型;对识别率良好的模型采用多源信息融合技术进一步优化,并建立基于图像和光谱融合或不同成像方式融合的模型。结果表明,基于半透射和反射高光谱的光谱信息融合模型最优,校正集和测试集识别率均达到100%,可实现轻微绿皮马铃薯的无损检测。 相似文献
6.
马铃薯储藏过程中,在高温、缺氧等环境下,极易产生黑心病等内部缺陷,严重影响马铃薯加工品的品质和原料加工利用率。黑心病薯无法从外观分辨,传统检测方法需要将马铃薯切开后判断,仅适用于抽样检测。基于自主研发的马铃薯内部品质光谱检测装置进行光谱数据采集,分别采集234条健康马铃薯和236条黑心病马铃薯能量谱和吸光度谱数据用于判别模型建立,采用随机法按3∶1将样本集划分为校正集和验证集,以灵敏度、特异性指数、分类正确率作为模型评价指标。基于吸光度谱,经标准化（Auto）预处理后,在波段500~950nm范围内建立马铃薯黑心病偏最小二乘线性判别模型（PLS-LDA）,并通过竞争性自适应重加权法与连续投影法（CARS-SPA）进行联合变量筛选,最终采用9个变量,对黑心病判别的灵敏度、特异性指数、总分类正确率分别达98.87%、98.30%和98.44%。基于能量谱,采用双波长相关系数法,分别计算任意波长对组合的能量差值和比值,与黑心病进行相关分析,最终采用2个变量能量比值T699/T435建立线性判别模型（LDA）,对黑心病判别的灵敏度、特异性指数、总分类正确率分别达97.71%、96.15%和97.67%。因此,基于吸光度谱的CARS-SPA-PLS-LDA模型和基于能量谱的(T699/T435)-LDA模型均可有效识别马铃薯黑心病,与吸光度谱模型相比,能量谱模型仅采用2个变量,模型更简单稳定,并且解决了白背景与暗电流2个参比限制的难题,适用性更广泛。 相似文献
7.
针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。 相似文献
8.
9.
《农机化研究》2021,43(9)
表面缺陷会导致水果腐烂,降低商业经济价值,引发食品质量和安全问题。为此,利用机器视觉技术检测果皮表面缺陷是水果采后加工的主要任务之一。然而,由于香梨果皮颜色及缺陷多样性,用图像处理方法检测库尔勒香梨表面缺陷较为困难。为实现快而准确的香梨缺陷检测,提出一种基于多光谱图像的库尔勒香梨表面缺陷检测方法,并研究了疤痕、病害、虫咬、碰压伤、机械损伤及果锈6种表面缺陷情况。同时,设计了一种基于多光谱图像的库尔勒香梨表面缺陷面积计算方法,通过统计缺陷区域像素个数来代替缺陷面积。按照国标GB/T19859-2005规定:选定缺陷面积大于0.8cm~2作为缺陷果的判别依据进行试验,结果表明:带有疤痕、病斑和腐烂缺陷的缺陷识别准确率可达到92%以上,处理单张图像平均耗时2.4s,具有较高准确性,可用于库尔勒香梨的实时检测。 相似文献
10.
在进行禽蛋无损检测研究时,需要花费大量的人力和物力采集禽蛋图像数据,为解决该问题,设计了一种基于深度卷积生成对抗网络(Deep convolutional generative adversarial networks,DCGAN)的改进禽蛋图像数据生成网络。该网络分为生成器与判别器,生成器用于禽蛋图像数据生成,判别器对生成的禽蛋图像进行真实性判断,两者相互对抗最终生成高质量的禽蛋图像数据。为了提高生成的禽蛋图像质量,使用残差网络构建生成器和判别器,引入Wasserstein距离和加梯度惩罚的损失函数,分别在透射和反射情况下对禽蛋图像进行生成研究。该方法有效地解决了大量禽蛋图像数据的采集问题,为后期禽蛋图像识别与检测提供了数据基础,同时也为后续禽蛋数据库构建提供了技术支持。 相似文献
11.
针对目前红枣分级装置检测指标单一,难以实现外部品质综合判别的问题,设计了一款基于残差网络结合图像处理的干制哈密大枣外部品质检测系统。首先,通过深度学习图像分类实现裂纹、鸟啄和霉变缺陷检测,为克服当前残差网络计算量大、复杂度高以及信息丢失的问题,提出了一种改进深度残差网络图像分类方法;其次,根据尺寸与纹理数量的等级差异性,提出了一种阈值检测方法,通过提取干制哈密大枣图像面积、周长、拟合圆半径及纹理数量特征,实现尺寸及褶皱检测。试验结果表明缺陷识别模型和尺寸、褶皱检测模型测试准确率分别达到97.25%、93.75%和93.75%。综合缺陷、尺寸和褶皱3种外部品质指标,通过在线采集图像验证系统测试,外部品质综合检测准确率为93.13%,可初步满足干制哈密大枣品质在线检测装备的生产需求。 相似文献
12.
我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。 相似文献
13.
14.
针对传统方法无法高效、无损地对柑橘浮皮和枯水进行检测的问题,本研究自制了一套软X射线成像系统,包括载物传送装置、软X射线成像装置、触发装置和软X射线防护装置.本研究根据宽皮柑橘物理特性确定检测参数,以柑橘图像的清晰度、对比度、畸变率为评判标准,通过调节成像装置参数,确定了最佳的成像参数为:X射线源的管电压60 kV,管... 相似文献
15.
16.
为了有效实施对鲜杏表面缺陷的快速检测,基于LabVIEW软件平台和IMAQ Vision视觉工具包,开发了可同时检测鲜杏表面磨伤、日灼、霉变及碰伤缺陷的在线视觉检测系统。该系统包含图像在线采集和处理识别模块。最后,通过对搭建的系统在水平输送速度为0.063m/s条件下,对190个各类鲜杏样本进行RGB彩色图像采集,然后提取G单分量图像并依次采用中值滤波、图像灰度变换、阈值分割及形态学处理等算法对缺陷鲜杏图像进行处理和分析,得到正常果、磨伤果、日灼果、霉变果、碰伤果检测的准确率分别为88.00%、73.33%、80.00%、8 2.5 0%、8 7.5 0%,整体在线识别率达到8 3.1 5%。 相似文献
17.