共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
3.
基于计算机视觉的葡萄检测分级系 总被引：8，自引：2，他引：6
设计了一套基于计算机视觉的葡萄检测分级系统,包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,葡萄以悬挂方式连续输送,两个CCD摄像机在外触发模式下实时采集葡萄的两面图像.基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级.选用20穗巨峰葡萄进行3次分级试验,与人工分级对比,颜色和大小形状分级的准确率分别为90%和88.3%,同时在分级过程中不会对葡萄造成损伤. 相似文献
4.
为验证金正大硝基双效肥在玉米上的应用效果,开展田间小区试验示范。试验结果表明:施用金正大硝基双效肥能明显改善作物生育性状,玉米表现为穗大粒多、秃尖小,千粒重高,果穗整齐;施用金正大硝基双效肥具有明显的增产作用,比常规施肥处理平均增产46kg/666.7 m~2,增产率为5.72%。 相似文献
5.
6.
为了解安徽省玉米主要农艺性状在产量构成中的相对重要性,以2011—2021年安徽省区域试验高密度组参试玉米品种为研究对象,对参试品种的产量与主要农艺性状之间的关系及演变情况进行相关分析和通径分析。结果表明,安徽省参试品种的产量水平稳步提升,穗行数、行粒数、穗长和出籽率的演变趋势与产量一致,对产量具有较大的直接作用;生育期、株高、穗位高、穗粗、秃尖长、空秆率和倒伏（折）率等呈现下降趋势,与产量的不断提高也具有直接关系。性状与产量的相关系数由大到小依次为穗粗>行粒数>穗长>出籽率>千粒质量>穗位高>生育期>株高>穗行数>倒伏（折）率>空秆率>秃尖长,其中穗粗、行粒数、穗长和出籽率与产量呈极显著正相关,千粒质量、穗位高、生育期和株高与产量的相关性不显著,穗行数、空秆率、倒伏（折）率和秃尖长与产量呈负相关。分析相关系数的显著水平发现,穗粗、行粒数、穗长、出籽率和千粒质量等与550个品种产量的相关性较高,而穗行数与产量的相关性不高。 相似文献
7.
基于机器视觉的玉米果穗性状参数测量方法研究 总被引：1，自引：0，他引：1
在玉米育种、田间测产和提高玉米产量的过程中,均需要对玉米果穗考种,即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力,而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题,在很大程度上限制了考种的速度与精度。针对上述问题,利用所研制的自动考种设备和机器视觉方法,通过USB工业相机获取玉米果穗单面性状彩色图像,利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化,利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化,分别得到果穗轮廓二值图像和果穗特征二值图像;通过轮廓二值图像计算果穗放置后的倾斜角,实现果穗轮廓二值图像和特征二值图像的自动纠偏;通过相机标定,得到单位像素对应的实际值,进而得到穗长及穗粗;通过提取局部籽粒特征二值图像,利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度,通过穗行数修正模型得到果穗的穗行数;通过提取局部单行籽粒特征二值图像,利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数;根据行粒数和穗行数得到穗粒数。试验结果表明,穗长和穗粗平均测量精度分别为98.05%和97.99%,穗行数测量正确率为95%,行粒数平均测量精度为96.29%,穗粒数平均测量精度为95.67%,和实际值相比,穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗,考种设备测量速度为6s/穗,能够满足自动考种设备的使用需求。 相似文献
8.
为探究刚柔耦合结构在玉米摘穗中的减损作用及机理,以板式摘穗机构和具有缓冲弹簧的轮式摘穗机构为2种基本结构,以刚性触穗表面和柔性触穗表面为2种基本表面,构建4种摘穗机构作为研究对象,进行摘穗速度下的玉米果穗碰撞试验,分析碰撞参数和籽粒损失情况。结果显示,刚柔耦合结构可有效改变碰撞参数,并降低果穗籽粒损失。缓冲弹簧可缩短果穗的碰撞时间,当轮式摘穗机构触穗表面分别为刚性、柔性材料时,碰撞时间比板式摘穗机构分别缩短62.2%、67.3%,碰撞冲量降低60.6%、76.0%,掉粒质量降低14.4%、25.6%。柔性触穗表面可降低果穗受到的冲击力,在板式和轮式摘穗机构上,柔性触穗表面的果穗碰撞时间比刚性触穗表面分别延长78.4%、53.8%,最大冲击力降低45.1%、55.2%,碰撞冲量降低19.9%、51.2%,掉粒质量降低34.1%、42.8%。本研究可为玉米摘穗割台的减损设计提供理论依据。 相似文献
9.
基于计算机视觉的胡萝卜外观品质分级系统与装备 总被引：2，自引：0，他引：2
为了实现胡萝卜的自动化分级分选,在前期胡萝卜青头、须根、开裂检测算法研究的基础上,参照国家标准需求,进一步提出了胡萝卜外观等级规格,如弯曲、断折等缺陷,以及衡量异品种的锥形度参数的检测方法,并以此为基础设计了基于计算机视觉的胡萝卜外观品质实时分选生产线。该生产线由下位机控制系统、上位机软件系统和机械分级装置组成。通过对软硬件环境和机械系统性能的测试表明:该分选生产线每秒钟可检测20个胡萝卜的等级;对520个胡萝卜含有不同种类缺陷和异品种的胡萝卜进行分级检测,分级正确率达到了93.5%,能够满足胡萝卜外观品质分选实时检测的要求。该分选线能够同步实现胡萝卜等级规格、质量、各种缺陷的实时检测与在线分选。 相似文献
10.
采用人工检测的石榴外观品质等级分级方法存在准确率和效率低的问题,提出一种基于机器视觉的石榴品质分级方法。首先,采用机器视觉系统采集石榴样本图像,进行去噪处理与获取掩模图像;其次,提取去噪图像的红、绿、蓝分量,用蓝色分量减去红、绿色分量得到色差图像,并对色差图像进行阈值分割;然后,对分割图像采用数学形态学处理获得连通的疑似缺陷区域的边界,提取纹理特征并根据缺陷与非缺陷区域纹理特征的不同来标记缺陷区域;最后,将缺陷面积与总面积之比和缺陷数目作为划分等级的依据,对石榴品质等级进行划分。试验结果表明：本方法总体分级准确率达到92.9%,能够高效、准确地识别石榴表面缺陷并进行品质分级,为实现自动分级的产业化提供思路。 相似文献