共查询到18条相似文献，搜索用时 250 毫秒
1.
梳棉内层杂质高光谱图像检测 总被引：2，自引：0，他引：2
以梳棉内部深度1 ～6 mm处的多种杂质为研究对象,研究了高光谱成像技术检测效果和可行性.在波长460～900 nm范围内,提取高光谱图像中杂质和棉花的像素光谱.采用二次判别分析分类像素,构造分割二值图像,使用面积过滤器和形态学组合方法剔除二值图像中的噪声点和伪目标,统计杂质检测效果.结果表明可以检测棉网内一定深度的普通杂质(植物性杂质)、彩色丙纶丝、有色线和有色布块,能够检测部分黑色毛发和灰色丙纶丝.其中,普通杂质的检测效果最佳,正确检测率超过80％. 相似文献
2.
农畜产品安全无损检测扫描式拉曼光谱成像系统设计 总被引：1，自引：0，他引：1
构建了用于农畜产品安全检测的扫描式拉曼光谱成像检测系统,对其硬件和软件分别进行了搭建和设计,实现了拉曼光谱和图像同步获取。根据检测的实际需求和精度要求确定了检测系统中拉曼成像光谱仪、CCD相机、镜头、激光光源、移动平移台等主要元器件。开发了拉曼光谱成像检测系统实时检测与分析软件。软件以Lab View为主开发环境,实现了对CCD相机、激光光源等硬件的控制,利用Lab View与Matlab混合编程,完成数据的提取、分析计算与结果保存,通过Lab View与ENVI的混合编程,完成扫描线图像的实时合成和显示。对系统进行了安装和性能测试,光谱校正确定了CCD相机探测的拉曼光谱范围为-679.3~2 885.7 cm-1,空间校正确定了系统实际的空间分辨率为0.22 mm/像素。构建的拉曼光谱成像检测系统可快速、无损获取样品拉曼光谱和图像信息。 相似文献
3.
皮棉中杂质检测技术与检出装备的研究进展 总被引：16，自引：6，他引：10
皮棉杂质不仅影响棉花等级评定,对纺织品也有影响.在纺织清理过程中,杂质与棉花互相缠绕,使得检测有很大困难.国内外学者从棉花杂质几何、物理和成分官能团光谱特性入手,应用可见光机器视觉、红外波段光谱图像和断层X光摄影等检测技术,采用数字图像处理和化学计量学分析方法.分类识别各种皮棉杂质.同时,已经研制出多种杂质检出机.为了有效检测复杂状态下的不同杂质,在线近红外、多光谱和高光谱图像等检测技术将是应用热点. 相似文献
4.
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
5.
针对目前油菜联合收获机含杂率检测主要依靠人工、效率低、实时性差、收获机作业参数调控缺乏依据、收获质量波动大等问题,设计导流式含杂率检测装置,提出油菜杂质视觉识别算法,开发含杂率在线检测系统。基于HSV颜色空间模型,探究导流式含杂率检测装置中单侧条形光源、双侧条形光源和中心环形光源下油菜图像的亮度分布规律,结果表明中心环形光源下图像各像素点的亮度变异系数最小,图像亮度均匀性最好。对比分析含杂油菜图像在HSV颜色空间模型中前三阶像素矩阵各颜色特征参数的分布区间,结果表明油菜籽粒、杂质在H分量中的特征参数范围差异性最显著,并结合油菜籽粒、杂质的圆形度特征,提出综合考虑颜色、形态特征的油菜杂质分割算法。通过标定试验建立油菜籽粒、杂质质量与其像素数的拟合模型,将油菜籽粒和杂质的像素数转换为实际质量,实现油菜含杂率在线检测。台架试验表明,油菜杂质的查准率为91.6%,查全率为89.5%,含杂率检测平均误差为14.8%,能够准确识别油菜籽粒中的杂质并实时计算含杂率。 相似文献
6.
为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表 相似文献
7.
马铃薯缺陷透射和反射机器视觉检测方法分析 总被引：2，自引：0，他引：2
针对反射机器视觉技术若同时检测马铃薯内外部缺陷存在检测精度不高的问题,提出一种基于透射机器视觉技术的马铃薯内外部缺陷无损检测方法。通过对获取的马铃薯透射和反射图像预处理方法的比较研究,确定上山法结合区域生长法为马铃薯透射和反射图像特征的最优分割方法;采用偏最小二乘-支持向量机分别建立了透射和反射图像的马铃薯缺陷识别模型并进行了比较。在对马铃薯内部缺陷进行检测时,透射和反射图像所建模型的判别正确率分别为96.30%、59.26%;在对马铃薯外部缺陷进行检测时,透射和反射图像所建模型的判别正确率分别为94.20%、89.86%;在对马铃薯内外部缺陷进行同时检测时,透射和反射图像所建模型的判别正确率分别为95.83%、81.25%。研究结果表明,无论是对马铃薯内部或外部缺陷单独进行检测,还是对内外部缺陷同时进行检测,透射方法均比反射方法精度更高。 相似文献
8.
9.
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
10.
农产品无损检测中高光谱成像技术的应用研究 总被引：1，自引：0，他引：1
高光谱成像技术集成了计算机成像技术和光谱技术的优势,能够在连续空间内同时获得被测物的光谱信息和图像信息,可对农产品内外部品质进行可视化研究.尽管高光谱成像技术起源于高空遥感,但近几年仍以高效快速的检测分析方法出现在农产品无损检测领域,成为该领域重要研究方向.为此,对高光谱成像技术的原理特点以及其成像技术在农产品无损检测中应用的最新研究进展进行了综述,分析总结了国内外高光谱成像技术在农产品品质无损检测发展中存在的问题以及应用前景,以期该技术在我国农产品品质无损检测领域中发挥更大的作用. 相似文献
11.
12.
13.
14.
15.
16.
基于FPGA+DSP的嵌入式系统以其灵活的芯片选型和高功效的计算性能,适合在环境恶劣以及对系统在线实时运行有严格要求的农业分拣领域中应用。针对棉纺产线中的异纤清除机设计,从检出原理、系统软硬件和剔除系统方面讨论了基于嵌入式系统的设备设计。检出原理方面,除常见的白光和紫外光检测外,在不增加相机的情况下通过增加偏振通道来增强透明地膜检测。在系统软件设计方面,提出了基于三线阵相机亚像素空间分离量测速方案和基于统计学习的阈值检测。在系统硬件方面,设计了具有功耗和物料成本优势的嵌入式相机数据处理平台,并移植优化算法以满足系统实时性需求。在剔除系统方面,设计了基于目标实时速度的控制方案。试验结果表明,测速方案能正确获取目标速度,并能在剔除系统测试中适应风速变化,准确打击。设备对棉花带有明显差异的异纤及带有荧光粉的丙纶丝和透明薄膜的检出率高于80%,而对接近棉花颜色的淡黄色异纤检出率稍低于80%。长期试验结果显示,异纤清除机能适应产线变化,操作简便,能检出国内现有常见异纤,性能稳定。 相似文献
17.
随着棉花种植和收获的机械化程度提高,获取准确的产量图,分析田间产量数据,变得尤为重要,而采棉机作业时在输棉管道处监测产量是一种有效、可行的方法。现有光电对射式棉花测产传感器在作业中会有粘液遮挡检测通道、环境光影响等问题,面对复杂的田间作业环境,传感器标定普遍采用线性或多项式模型,精度和抗干扰性表现不够理想。针对上述现状,本文首先在传感器的结构和电路设计上做了抗干扰改进。然后在传感器标定过程中,尝试使用随机森林回归模型(Random forest regression, RFR),对实验样本进行训练、测试。在分析模型的表现后,提出了麻雀算法(Sparrow search algorithm, SSA)改进的随机森林回归模型,以均方误差作为适应度,对模型进行优化。经过验证,在相同验证集下,优化后的模型有更好的检测精确度。通过研究寻优上下界范围,平衡运行时间和检测精度,得到最优检测模型。该模型在验证集上表现良好,决定系数R2为0.99,平均绝对百分比误差(MAPE)为6.34%。台架实验结果表明,不同风速下最大误差为9.21%,平均误差为8.33%,改进后的传感器及检测... 相似文献
18.
为实现“贵长”猕猴桃成熟度的快速无损检测,提出高光谱成像结合模式识别建立识别模型的检测方法。首先利用可见/近红外(390~1 030 nm)高光谱成像系统采集不同成熟阶段猕猴桃样本的高光谱图像,并获取整个样本区域的光谱反射率。然后对比3种光谱预处理方法：二阶导数、标准正态变换以及多元散射校正对原始光谱的预处理效果。最后分析偏最小二乘判别分析(PLS-DA)和简化的K最近邻(SKNN)模式识别方法对猕猴桃成熟度的识别性能。结果表明：相对于标准正态变换和多元散射校正两种光谱预处理方法,二阶导数预处理方法对原始光谱的预处理效果相对较好。另外,PLS-DA识别模型对猕猴桃成熟度的识别性能要优于SKNN识别模型,其正确识别率达到100%。表明采用高光谱成像技术结合模式识别方法判别“贵长”猕猴桃成熟度是可行的。 相似文献