共查询到17条相似文献,搜索用时 828 毫秒
1.
2.
3.
4.
5.
6.
7.
基于机器视觉的棉花异性纤维检测技术优化研究 总被引:1,自引:0,他引:1
为解决人为采摘、室外曝晒、分散储运等出现的问题,提出利用机器视觉来实现棉花异性纤维自动检测技术,包括图像预处理、图像增强、图像分割、图像数据的特征提取,目标模式识别方法。通过实验,SVM分类器训练出来的实验结果表明异性纤维识别的准确率有明显提高;最后再次实验,对检出的结果进行性能分析和评估,有效地提高了异性纤维检测方法的正确率,并对结果计算出相应的平均识别准确率,性能提升尤为明显。本文提出的棉花异性检测方法是在已有的检测方法基础上进行优化,有很好的应用价值。 相似文献
8.
9.
10.
11.
检测皮棉内部杂质的透射成像影响因素分析 总被引:3,自引:3,他引:0
目前对皮棉杂质检测仅限于皮棉表面的图像分析,而检测皮棉内部杂质,才是完整检测皮棉杂质的关键。在分析皮棉杂质透射特性的基础上,确定了光透射成像系统中若干成像参数。对光透射成像中的若干关键技术进行深入研究,定量分析了光源种类、光源能量与透射效果的关系,分析了增强杂质透射效果的方法。通过杂质图像的分析,可有效检测皮棉中各种内部杂质。 相似文献
12.
13.
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
14.
基于改进蚁群算法的棉花异性纤维目标特征选择方法 总被引:4,自引:0,他引:4
为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出一种基于改进蚁群算法的棉花异性纤维图像目标特征选择方法。采用初始选择概率预处理方案,设置特征初始概率,降低了冗余特征影响,缩短了算法搜索时间;利用分段变异运算及取优舍劣策略,对棉花异性纤维的颜色、纹理、形状3类特征进行分段变异,避免了算法局部收敛,选出了全局最优特征集。实验结果表明,改进的蚁群算法比基本蚁群算法优化能力更强,搜索时间更短,优化得到的棉花异性纤维特征子集的特征个数比原特征集减少了2/3,分类正确率由84%提高到93%。 相似文献
15.
16.
针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题,提出一种改进的注意力机制YOLO v7算法(CBAM-YOLO v7)。该模型在YOLO v7模型基础上,在Backbone与Head中间增加注意力机制CBAM,并在Head部进行4倍下采样,然后将CBAM-YOLO v7模型用于棉叶病虫害识别,并与YOLO v5和YOLO v7进行对比试验。试验结果表明:蚜虫和正常叶片检测方面,YOLO v7可取得好的检测结果;CBAM-YOLO v7对黄萎病、棉盲蝽、红蜘蛛棉叶病虫害图像检测的准确率高于其他模型。CBAM-YOLO v7的mAP为85.5%,相较于YOLO v5提高21个百分点,相较于YOLO v7提高4.9个百分点;单幅图检测耗时为29.26ms,可为棉叶病害在线监测提供理论基础。 相似文献