共查询到20条相似文献，搜索用时 250 毫秒
1.
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
2.
3.
杨肖刘淼 《农业装备与车辆工程》2022,(6):98-101
路面坑洼检测技术是汽车辅助驾驶系统的重要组成部分,传统的道路检测算法工作量大且算法鲁棒性不高。提出一种基于深度学习的道路坑洼检测系统,解决传统算法的短板。路面坑洼检测系统以树莓派4B为开发平台,通过采集道路图像,对图像信息进行预处理,再送入深度学习算法,成功检测出路面上的坑洼,测试可信度为87%。 相似文献
4.
5.
基于多元图像分析的包装罐内壁缺陷检 总被引：1，自引：0，他引：1
为提高包装罐生产线内壁缺陷检测准确性与可靠性,研究了一种采用单摄像机的内壁缺陷检测系统.利用基于形态学的区域提取算法,从罐内图像中分割出内壁检测区域图像.提出基于多元图像分析(MIA)的内壁缺陷检测算法.利用图像融合构成环形合格样本图像,消除罐内焊缝区域的影响,把多个环形合格样本图像与测试样本内壁检测区域图像堆叠起来,用重合区域的图像构造多元测试图像.用基于主成分分析(PCA)的多元图像处理方法获得多元测试图像的主分量表示,将去掉第一主分量和噪声后的Q统计图像作为内壁缺陷特征的检测空间,利用阈值处理检测缺陷,解决了罐体内壁照明困难、亮度不均造成缺陷误检率高的问题,提高了检测系统的准确性和鲁棒性.实验表明对内壁缺陷检测的误检率降低到2%,验证了检测系统的有效性和可靠性. 相似文献
6.
拖拉机田间作业工况参数实时、同步、适宜频率的采集对于可靠性分析与优化具有重要意义。本文设计了基于NI-C DAQ控制器的拖拉机作业工况参数检测系统,对所需传感器进行了选型、设计及安装,并结合LabVIEW平台开发了检测软件和远程监控平台。该系统由传感器、数据采集控制器和数据采集监测平台组成,可实现对发动机、车轮/桥、悬挂系统和机具等多种机构的参数测取。此外,该系统可通过便携式触摸屏远程控制和实时监测。为了验证检测系统的准确性和稳定性,开展了信号误差测试和典型参数田间试验。信号误差测试结果表明,各类信号的采集误差、丢包率以及初始误差均能满足参数检测系统的要求。在田间测试中,拖拉机车轮速度和实际速度测量值的最大相对误差为3.1%;悬挂系统水平牵引力的计算值与测量值的最大相对误差为4.5%;根据测取的车轮加速度,辨识田间作业地面类型的准确率为96%;根据悬挂位置拟合耕作深度的决定系数R2为0.99156。最后,开展了检测系统田间作业24h连续运行试验,该系统能始终保持运行稳定与数据准确。开发的拖拉机作业工况信息检测系统相比于同类系统,采集的参数更多,操作更为方便,可为可靠性分析与优化提供有效的数据测取依据。 相似文献
7.
8.
针对水稻稻纵卷叶螟和二化螟成虫图像识别中自动化程度较低的问题,引入目标检测算法YOLO v5对监测设备和诱捕器上的稻纵卷叶螟和二化螟成虫进行识别与计数。依据稻纵卷叶螟和二化螟的生物习性,采用自主研发的水稻害虫诱集与拍摄监测装置,自动获取稻纵卷叶螟和二化螟成虫图像,并与三角形诱捕器和虫情测报灯诱捕拍摄的稻纵卷叶螟和二化螟成虫图像共同构建水稻害虫图像数据集;采用左右翻转、增加对比度、上下翻转的方式增强图像数据集;对比了不同训练模型对三角形诱捕器和监测设备诱捕拍摄的水稻害虫图像的检测性能,并对比稻纵卷叶螟成虫不同训练样本量对识别结果的影响,用精确率、召回率、F1值、平均精度评估各模型的差异。测试结果表明,测试集图像为三角形诱捕器和监测设备诱捕拍摄虫害图像时,稻纵卷叶螟识别的精确率和召回率分别达到91.67%和98.30%,F1值达到94.87%,二化螟识别的精确率和召回率分别达到93.39%和98.48%,F1值达到95.87%。不同采样背景、设备构建的多源水稻害虫图像数据集可以提高模型对水稻害虫识别的准确性。基于YOLO v5算法设计的水稻害虫识别计数模型能够达到较高的识别准确率,可以用于... 相似文献
9.
为了提高工件边缘毛刺尺寸和位置坐标检测的效率,设计了由硬件模块和图像处理模块组成的用于毛刺信息检测的机器视觉测量系统。通过工业数字摄像头采集图像,在Open CV开源平台下,对其进行相关的形态学处理,利用Canny边缘检测和C++标准模板库中的函数将图像轮廓信息转化为数字信息,以累计概率霍夫变换(PPHT)拟合的轮廓曲线为基准,提出一种基于数据驱动的曲线异常检测算法,分离曲线异常部分,得出毛刺信息。在Visual Studio 2010平台内配置Open CV 2.4.9进行测试。实验结果表明,算法能准确快速地获得毛刺尺寸信息,测量系统的精度达到0.095 mm/pixel,相对误差最大为1.62%,完全能够满足此工件加工中的精确性要求。 相似文献
10.
针对棉花轧工质量现行人工感官检验中存在的劳动强度大、主观性强、检测效率低等问题，设计一种基于机器视觉的棉花轧工质量检测系统。系统由压棉机构、图像采集机构、检测处理机、检测控制板卡和触控显示屏组成。设计了低角度直接照明系统与图像采集机构，LED光源以检测视窗法线呈45°方向照射，工业相机透过光学玻璃采集棉花图像。采用图像纹理特征表达棉花外观形态，通过测定轧工质量实物标准的角二阶矩，建立图像纹理特征与外观形态关系模型，融合噪声点评价与高低阈值自适应的Canny方法进行图像滤波与分割识别，根据欧氏距离进行轧工质量等级判定，并选取棉样进行系统试验验证。结果表明，轧工质量实物标准P1、P2、P3的角二阶矩分别为[0.893 2,1]、[0.689 1,0.776 1]、[0.213 6,0.587 3],各等级间的角二阶矩纹理特征值区别明显，验证了图像纹理表达棉花外观形态的可行性。系统的疵点粒数指标检测相对偏差为0.15,疵点与背景的分离效果明显。与国标检验方法相比，轧工质量视觉系统检测准确率达94.20%,检测偏差上下浮动不大于1个轧工质量等级，与国标检验结果一致性高。单个棉样系统检测耗时1.... 相似文献
11.
为提高水稻种子质量,剔除杂草稻种子,提出一种基于凹点匹配的粘连分割算法,搭建一种在线形色双选水稻种子识别平台。该平台由排种系统、图像采集系统、传动系统、电机驱动系统构成。该平台算法基于ECMM凹点分割法,首先对采集的图像进行预处理、提取形态因子小于0.4的粘连轮廓,对所提取轮廓的边缘进行一维高斯卷积核平滑处理,并计算平滑后轮廓曲线的曲率及其曲率均值,寻找与曲率均值相差较大的若干个点作为角点。其次,依据矢量三角形面积的正负来判断角点是否为真正的凹点,寻找凹点与前继点、后继点所组成的法线方向的夹角范围(0°~180°),并在此夹角范围内寻找与其相匹配的凹点对,完成粘连分割。该算法平均精度为92.90%,比极限腐蚀法提高19.82个百分点,比分水岭算法提高12.85个百分点。最后,计算分割后图像上各轮廓内的种子长度与R通道像素占比来识别杂草稻种子。经识别平台测试,本文算法每识别100粒种子平均用时0.95s,平均识别精度为97.50%。 相似文献
12.
以生长期为10 d的杂草稻和水稻为研究对象,采集其高光谱图像信息,对其进行滤波预处理后,利用主成分分析方法优选出1448.89 nm和1469.89 nm波长下的特征图像.对每个特征图像,分别提取其形状特征、纹理特征和颜色特征,共18个特征变量.基于这些特征变量,利用神经网络方法建立杂草稻和水稻的判别模型,模型训练时杂草稻和水稻的回判率都为100％;预测时,杂草稻的回判率为92.86％,水稻的回判率为96.88％.研究表明,利用高光谱图像技术快速鉴别稻田苗期杂草稻是可行的. 相似文献
13.
基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统 总被引：2，自引：0，他引：2
杂交稻机械化秧盘精密播种育秧过程中需要人工实时监测,以保证秧盘播种性能,为解决传统人工长时间户外、低效的监测方式,设计了基于嵌入式机器视觉的水稻秧盘育秧图像无线传输系统。系统由嵌入式开发平台、无线Wi Fi网关、高清网络摄像头、红外传感模块、远程服务器等组成。嵌入式开发平台采用Tiny4412开发板,并在其上移植Linux系统、摄像头驱动、GPIO口驱动;采用Qt开发工具,完成图像采集、实时显示,并设计出友好的人机交互界面;利用Jpeglib静态库对图像进行数据压缩;利用无线Wi Fi局域网、嵌入式系统和远程服务器按照规定的协议通过Socket通信进行数据传输。远程服务器基于Netty框架对采集到的图像数据进行校验、实时显示和保存。试验结果表明,不同分辨率图像的无线传输速率均满足育秧流水线实时作业要求,JPEG格式的图像经过数据压缩,其传输速率大大提高;嵌入式采集终端能够稳定采集播种秧盘图像,并成功地上传到服务器,网络平均丢包率为0.23%,误码率为0.23%。 相似文献
14.
吊杯栽植器是吊杯式移栽机直接与土壤接触的工作部件,其形状、尺寸及作业参数直接影响栽植器打穴栽植性能和效率。为深入研究吊杯栽植器尺寸、作业参数对成穴阻力的影响,设计了一种基于LabVIEW的吊杯栽植器成穴阻力试验系统。采用直流电机作为栽植装置的动力源,并用数据采集卡、压力传感器和扭矩传感器等搭建了成穴阻力测量硬件系统,采用LabVIEW开发了系统监测软件。在吊杯栽植器成穴阻力试验平台上进行了系统测试,结果表明,该系统可实时采集栽植过程中成穴阻力、扭矩和转速等数据,系统运行稳定,可为吊杯栽植器的优化设计提供依据。 相似文献
15.
16.
小麦的抗倒性与其茎秆截面显微结构密切相关,茎秆微观结构的观测和分析对小麦遗传育种具有重要意义。研究了一种显微图像测量系统,用于精确测量小麦茎秆截面的主要参数。使用计算机、图像采集室、光学显微成像系统等搭建了硬件平台,并开发了算法软件。系统针对茎秆截面的颜色和结构特点,对显微图像进行预处理得到髓腔、厚壁的轮廓,再进行椭圆拟合以计算截面整体、髓腔和厚壁的几何参数。根据维管束结构的一致性,提出了一种具有尺度、平移和旋转不变性的模板匹配方法,用于在目标图像中识别维管束并统计数量。实验表明该自动化测量系统具有高通量和高精确度的优点,在作物重要资源的挖掘和群体遗传等研究中具有重要的价值。 相似文献
17.
18.
基于Android手机的水稻剑叶角测量系统 总被引：3，自引：0，他引：3
为了快速、无损地测量水稻剑叶角,设计了基于Android智能手机的便携式水稻剑叶角无损测量系统。采用智能手机后置摄像头获取水稻剑叶基部图像,经过图像预处理、直线检测、K-means聚类和向量方法等处理过程,得到水稻剑叶角。基于Android编程技术对系统软件进行设计,实现了在Android平台下利用JNI和Android NDK调用基于Open CV库的剑叶角提取图像处理算法,实现了新建试验、材料信息输入、摄像头获取剑叶基部图像、计算输出剑叶角及保存数据等界面操作流程。利用该测量系统在田间对4个品种的80株水稻进行剑叶角测量试验,以验证系统性能。试验结果表明,和人工用量角器测量结果相比,该系统测量的平均绝对误差为1.34°,相对误差为2.7%,测量值和真实值相关系数为0.997,能有效测量剑叶角。 相似文献
19.
为实现水稻病害的轻量化识别与检测,使用ECA注意力机制改进MobileNetV3Small模型,并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练,将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试,试验结果表明,在非迁移学习下,识别准确率达到97.47%,在迁移学习下识别准确率达到99.92%,同时参数量减少26.69%。其次,通过Grad-CAM进行可视化,本文方法与其他注意力机制CBAM和SENET相比,ECA模块生成的结果与图像中病斑的位置和颜色更加一致,表明网络可以更好地聚焦水稻病害的特征,并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化,使其能够在移动设备等资源受限的场景中部署,达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统,方便于在边缘端进行水稻病害识别分析。 相似文献