首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 328 毫秒
1.
茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。  相似文献   

2.
为了满足烟叶快速、准确、自动提取特征的要求,笔者提出了基于机器视觉技术的烟叶分级特征提取的方法。本研究基于MATLAB 2018a软件平台采用迭代阈值法,实现烟叶图像的二值化,利用基于区域生长分割法,剔除烟叶图像的背景、褶皱、叶脉,根据最小外接矩形法,提取出烟叶的长度、宽度、长宽比、矩形度等几何特征;基于HSI和LAB两种颜色空间模型,提取出烟叶的色调H、饱和度S、A通道、B通道等颜色特征。试验结果表明:该方法合理有效,程序设计可靠,应用于其他植物叶片提取特征效果良好,为进一步完善机器视觉烟叶自动分级提供理论基础和技术支持。  相似文献   

3.
棉种图像精选方案与算法研究   总被引:2,自引:0,他引:2  
提出了一种基于图像处理的棉种精选算法.精选作业前,先设定种子通道工位;精选过程中,使用首帧差分阈值分割的方式提取种子区域的二值图像,然后在原图像的种子区域计算红色像素数并判断红色种子,通过分析二值图像判断破壳种子,最后对种子图像进行微分处理并去除边缘像素判断裂纹种子.实验结果表明,该算法能够很好地判断出缺陷棉种,速度快、准确性高.  相似文献   

4.
周志强  曹倩  朱虹  宋宁  肖茂华 《南方农机》2023,(10):8-10+18
【目的】传统的河蟹分拣方法主要依靠人眼识别,误差率大,耗时耗力,且易对河蟹造成损伤。随着机器视觉技术和人工智能的高速发展,基于视觉识别技术的河蟹分拣方法效率高、准确度高。【方法】课题组设计了一种基于品质智能分级技术的河蟹高效分级系统,通过使用不同等级的雌雄河蟹各20只进行分级试验,利用视觉模块的图像采集与图像处理技术采集河蟹图像,经过图像的灰度化、滤波、增强、图像分割和形态学处理消除环境干扰,结合河蟹雌雄判别技术和河蟹肥满度公式,计算得到河蟹公母与肥满度识别准确率指标。【结果】该系统的河蟹雌雄平均识别准确率为97.5%,肥满度平均识别准确率为97%,证实了分级装置的可靠性。【结论】该系统采用视觉识别技术进行河蟹无损检测,可以实现低损伤、高效率、高准确度识别河蟹,与传统人工相比提高了判别准确度,提升了分拣效率,大幅节省人力、物力,具有广泛的应用前景。  相似文献   

5.
为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。  相似文献   

6.
基于机器视觉的猕猴桃特征参数提取   总被引:2,自引:0,他引:2  
以猕猴桃为研究对象,通过对源图像各颜色分量及颜色因子的灰度图、直方图及线剖面分析,选用Lab空间的a通道分量进行特征提取。为了改善图像质量,对a通道分量通过直方图均衡化、中值滤波进行增强。对滤波后的图像利用OTSU自动阈值分割法,完成目标与背景的分割。应用形态学处理方法,对图像先腐蚀再去除小目标最后进行反向膨胀运算去除残留物。对处理得到的二值图像运用Canny算子获取目标区域的边界信息,基于正椭圆Hough变换提取猕猴桃的质心、面积、周长和圆形度。为了测试提取算法的准确性和实时性,对采集的40张图像87个果实进行了特征提取试验。试验结果表明:正确提取率为88.5%,平均提取时间为3.976s,基本满足猕猴桃采摘机器人目标识别对图像处理的实时性要求。  相似文献   

7.
吕怡秋 《南方农机》2023,(24):56-58
【目的】实现通过手势对采摘机器进行远程操控,优化采摘机器控制系统,减少识别与采摘误差。【方法】笔者设计了一种基于手势识别的智能农业采摘控制系统,该系统应用图像滤波算法,提高了采摘机器控制的准确性与高效性。在系统设计中,将手势识别与远程操控机械臂结合,通过高分辨双目摄像机收集手势图像信息并提取特征,将其转化为电机控制命令后发送至控制层,实现了通过手势对机器的远程操控。【结果】图像滤波算法的识别时间仅为0.3 s,远低于其他两种算法的4.1 s与3.5 s;识别准确率高达96%,远高于其他两种算法的94%与92%。【结论】采用图像滤波算法的系统对手势识别的时间更短、识别准确度更高,可有效提高作物成熟判断准确率与采摘效率,具有良好的推广价值。  相似文献   

8.
研究烤烟叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型,为构建或筛选系统的烟叶烘烤特性评价指标奠定基础.以云烟87为研究对象,测定不同成熟度水平和不同烘烤温度下,叶片叶绿素含量及400~1000 nm光谱反射率,以烤烟叶片高光谱反射率与烤烟叶片叶绿素含量为数据源,用SPA(连续投影算法)对高光谱数据进行特征...  相似文献   

9.
烤烟烟叶等级是评价烟叶品质的重要依据,烟叶等级判定涉及国家、企业、烟农等多方利益,研究意义重大。基于此,研究团队采用深度学习残差网络ResNext50作为烟叶特征提取器,并在其中加入CA注意力机制,增强不同通道以及同一通道不同位置对特征的关注程度,同时采用多尺度特征融合的方式,获取不同的感受野用来表征烟叶的多尺度信息。研究结果表明,本研究提出的烟叶分级方法准确率达到91.7%,相较于基础ResNext50网络准确率提高了9.4%,为烟叶自动化分级提供了一个新方法。  相似文献   

10.
在形状、身份、油分及颜色等因素中,颜色是影响烟叶等级的一个重要因子。为实现根据烟叶颜色特征对烟叶等级的自动区分,选取贵州黔南地区中部六个等级的烟叶作为实验样本,经过样本采集、预处理,提取出样本的颜色特征值,分析RGB、HIS及HSV三种颜色模型下各颜色分量对烟叶等级影响的研究;基于BP神经网络,依据烟叶等级间差异较大的颜色分量作为神经网络输入因子,从而实现烟叶等级的预测识别。结果显示,用该模型进行烟叶等级预测识别的准确率可达89.17%,耗时仅0.39s。说明根据设计的BP神经网络可实现通过颜色特征对烟叶等级较为准确的预测,可靠性高。  相似文献   

11.
基于图像处理的温室黄瓜霜霉病诊断系统   总被引:8,自引:0,他引:8       下载免费PDF全文
为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。  相似文献   

12.
主要探讨脱绒棉种颜色特征与种子活力之间的相关性,搭建脱绒棉种图像采集平台,并进行图像处理算法的研究。在RGB、HSV和I1I2I3颜色模型下提取颜色特征参数,同时进行脱绒棉种电导率的测定,采用SPSS19对各颜色特征参数与脱绒棉种电导率值进行相关性分析,结果表明脱绒棉种部分外观颜色特征参数与其电导率值之间相关性显著。基于BP神经网络的脱绒棉种内部品质检测模型,取脱绒棉种鼎丰10和新陆早45各300粒对模型进行训练,当鼎丰10和新陆早45隐含层的结点数分别选择为8和7时,网络均方误差和函数收敛效果较好,然后将脱绒棉种鼎丰10和新陆早45各取100粒对训练好的网络模型进行验证,结果表明用BP神经网络的检测精度分别可达到82.7%、86.1%。  相似文献   

13.
樱桃小番茄腋芽去除点定位方法研究   总被引:1,自引:0,他引:1  
为实现对樱桃小番茄腋芽去除点的精确定位,用蓝色LED光源对目标植株腋芽部位进行照射染色,区分目标植株与背景,提取获得图像的RGB颜色空间B通道分量,分割后得到完整目标图像;通过快速傅里叶变换(FFT),使用低通滤波器去除毛刺和噪声,保留基本轮廓特征;由形态学膨胀算法突出腋芽两侧特征点,通过ShiTomasi角点检测算法,找到目标图像角点,再经过特征点判别算法,找到特征点,由此判别腋芽存在与否,定位腋芽去除点,最后摘除腋芽。实验结果表明,腋芽识别成功率为93.94%,腋芽摘除成功率为88.9%,能够满足自动去除的要求。  相似文献   

14.
李果实成熟度的高光谱成像判别研究   总被引:1,自引:0,他引:1  
为实现对李果实成熟度的快速、准确判别,采用高光谱成像技术(450~1 000nm)采集不同成熟阶段(未熟期、半熟期、成熟期、过熟期)的李果实共计640个样本的高光谱信息进行判别研究。对不同成熟阶段的李果实样本测定表征成熟度的理化指标(可溶性固形物和硬度值)并进行单因素方差分析,结果表明:不同成熟度样本的两项指标均存在极显著差异,硬度值差异最大。采用连续投影算法(Successive projections algorithm,SPA)和主成分分析(Principal component analysis,PCA)分别提取得到不同成熟度样本光谱数据的10个特征波长(381、3 8 2、3 8 7、4 0 8、4 4 3、4 9 4、5 9 6、8 1 3、9 6 3、1 0 0 8 nm)和前5个主成分值(累积贡献率达9 7.8 3%)。基于RGB、HSV颜色模型对不同成熟度李果实样本图像进行颜色特征提取,最终得到6项颜色特征指标(R、G、B及H、S、V分量图像的平均值和标准差)。分别建立基于光谱信息、图像信息及融合信息的偏最小二乘(Partial least squares,PLS)判别模型,结果表明:基于特征波长和RGB特征信息融合值建立的PLS模型判别结果最佳,准确率达9 1.2 5%。由此可见,采用高光谱成像技术在光谱和图像信息方面对不同成熟度李果实进行判别是可行的、有效的,该研究为实现李果实成熟度在线检测提供了理论依据。  相似文献   

15.
以葡萄的黑腐病、轮斑病、褐斑病为研究对象,以应用小样本数据集和避免使用病斑形状特征进行病害识别为研究目标,研究了基于机器视觉和机器学习的葡萄病害识别方法。对葡萄病害图像进行预处理后,提取了RGB颜色矩、HSV颜色直方图特征、GLCM纹理特征、HOG特征共4种特征集,采用级联融合方式得到2 037维葡萄病害特征,并利用支持向量机算法进行识别训练和测试。结果表明,采用4种特征融合的方式在小样本集下能够获得较好的识别准确率,优于仅使用颜色或者纹理特征的识别方法,且能取代融入病斑的形状特征识别方法。  相似文献   

16.
识别小麦抽穗扬花期抽穗情况,可用于指导后期水肥管理、病害防治和产量预测等。为实现准确、自动地麦穗计数,提出一种基于颜色特征的麦穗计数方法。抽穗扬花期小麦麦穗与叶片、茎秆颜色非常接近,常见颜色特征并不能有效分割麦穗,通过彩色直方图均衡化和红绿归一化差异指数对麦穗进行有效提取。针对图像中麦穗粘连问题,利用改进Harris角点检测算法分别对垂直拍摄和45°夹角拍摄的小麦图像进行验证。通过样本图像进行计数试验,准确率分别为96.06%和94.74%。结果表明,经均衡化处理后麦穗、叶片和茎秆出现明显颜色色差,可以利用颜色特征提取大田环境下抽穗扬花期麦穗图像;麦穗细化后进行骨架交点检测,可用于粘连麦穗的准确计数。  相似文献   

17.
为探求烤烟鲜烟叶RGB图像特征与其水分的相关性,采用1 300万像素的手机采集盆栽的成熟期烟叶叶片的图像信息,用烘干法测量叶片的含水率;研究基于灰度直方图的图像处理技术,提取了叶片的颜色特征值,分析其与含水率的关系。在烟叶图像的均值、方差、歪斜度、峰态、能量和熵6组特征值中,均值、能量与含水率存在较好的相关性,可以用来预测烟叶水分;方差、歪斜度、峰态和熵与烟叶含水率没有相关性,难以预测烟叶的水分;均值与含水率的回归模型相关系数为0.801 5,含水率预测结果误差维持在±2.10%,标准差为0.012;能量与含水率的回归模型相关系数为0.659 2,预测结果误差维持在±3.50%,标准差为0.015。基于手机采集的烟叶RGB图像可以无损检测其水分。  相似文献   

18.
基于稀疏表示的烤烟烟叶品质分级研究   总被引:1,自引:0,他引:1  
为了实现烟叶自动检测与分析,通过计算机视觉对烟叶品质进行分级。在提取烟叶图像特征参数的基础上,提出了一种基于稀疏表示的烤烟烟叶品质分级方法。以临朐12种和恩施5种不同级别的烟叶图像作为研究对象,每级烟叶取10幅图像作为训练样本,对每幅烟叶图像取颜色、形态和纹理特征值。利用训练样本的特征值组成稀疏表示方法的数据字典,对每个测试样本计算其在数据字典上的投影,利用最小残差项确定其品质分级。实验结果与基追踪法(BP)、神经网络方法、SVM方法和模糊处理方法实验结果相比较,训练集样本识别率为100%,综合识别率达95.7%,取得了比较好的分类效果。  相似文献   

19.
提出一种基于阈值边缘提取算法和HSV颜色模型的二次分割叶片雾滴图像识别算法。通过模拟喷雾试验得到三种不同雾滴密度的叶片样本,保留叶片自身轮廓信息的同时分割叶面雾滴,计算叶面积与雾滴覆盖率关系。结果表明应用Otsu阈值边缘提取与HSV空间混合算法相对于传统的k-means聚类分割算法、动态阈值分割算法,更适用于叶面雾滴分布的识别与检测,三种覆盖密度叶片的分割准确率分别为:95.16%、94.23%、93.76%,平均准确率为94.38%;雾滴覆盖率检测相对误差分别为:2.82%、4.11%、7.59%,平均相对误差分别为4.84%。基于阈值边缘提取与HSV空间提取的混合算法可分割叶面雾滴图像并检测完整叶面上雾滴覆盖率,识别结果能够满足识别精度的要求。  相似文献   

20.
【目的】探究非垂直拍摄获取细叶作物覆盖度优化算法以及非垂直拍摄对作物覆盖度计算结果的影响。【方法】在北京市小汤山基地草业研究中心露天环境下,以青绿薹草、结缕草为试验对象,获取45°、60°、90°(与地面夹角)3种拍摄角度下的图像,采用基于自适应权重粒子群改进K-means的图像分割方法,分析不同拍摄角度对青绿薹草覆盖度测量精度的影响,研究非垂直拍摄与垂直角度下覆盖度的关系曲线。首先将草RGB图像转化成HSV颜色空间,在HSV颜色空间利用自适应权重PSO算法向全局像素解的子空间搜寻,通过迭代搜寻到全局最优解,确定最佳初始聚类中心;其次利用K-means算法对不同角度图像像素进行聚类划分,从而得到草冠层区域分割结果,最后采用形态学滤波方法对分割结果进行优化。【结果】垂直拍摄时,传统K-means算法计算的2个品种的覆盖度总体相对误差分别为32.89%和34.37%,而本文算法下2个品种总体相对误差分别为11.23%和15.85%。相比于K-means算法,本文算法环境适应性好,算法精度高。非垂直拍摄条件下,本文算法能够克服多角度拍摄导致图像色彩分布不均匀的问题,有效分割出草冠层区域,90°覆盖度估测值与真实值平均误差为3.27%,60°二者平均误差为4.61%,45°平均误差为5.70%,随着拍摄角度的减小,平均误差略有增大,但均小于6%。非垂直角度下计算的覆盖度与垂直角度覆盖度呈显著地线性关系。【结论】采用本文方法可以提高非垂直拍摄获取作物覆盖度的精度。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号