共查询到20条相似文献，搜索用时 31 毫秒
1.
红枣自动快速无损检测分级机研究 总被引：6，自引：0，他引：6
设计了基于机器视觉技术的红枣自动快速无损检测分级机,可依据枣果外部综合指标进行判别分级。整机由单体化定向排布输送系统、多表面图像采集与处理系统、分级执行机构、传动及控制部分组成。根据整机工作原理,采用辊轮输送链板与间歇式凸轮拨枣机构相结合的方式,实现枣果快速单体化排布输送,利用工业相机与STM32嵌入式系统配合正面及背面光源进行枣果多表面图像采集,采用气动式分级执行机构完成枣果分级。理论计算与试验表明:输送带最佳倾角为28°,当运行速度为160 mm/s时,输送带驻枣率为95%,分级速度达10个/s,分级准确率92%,最大产能550 kg/h,可较好满足红枣自动化快速检测分级生产要求。 相似文献
2.
《农机化研究》2021,43(9)
基于机器视觉的红枣缺陷检测研究中,普遍采用单相机采像,由于相机位置固定,加之红枣通常由普通传送带运送,红枣间易产生堆积、黏连造成红枣之间相互遮挡和红枣自身遮挡,导致红枣表面完整图像无法被采集,即使改用多相机采相也存在盲区,仍无法解决采集的图像不完整,导致检测准确率降低的问题。为了解决以上问题,设计了一种基于机器视觉红枣缺陷检测装置,主要包括刮板上料机、分料挡板、V型传送带、排列装置、图像采集装置、吹除装置和回流装置。该装置可将红枣等距排成一列,且使红枣旋转,图像采集装置连续采集3张旋转前进的红枣图片,避免盲区得到较为完整的红枣表面图像。此设备可以与红枣干燥流水线连接,实现全程自动化无需人工参与。试验结果表明:基于机器视觉红枣缺陷检测装置可明显提高红枣缺陷检测效率和准确率,增加了红枣缺陷检测自动化程度,降低了工人劳动强度,有助于红枣加工产业发展。 相似文献
3.
4.
针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。 相似文献
5.
基于标记的极半径极值红枣形状识别方法 总被引：2，自引：0，他引：2
形状是分级的最重要参数之一,本文采用标记法对红枣形状进行了识别。通过图像预处理获取红枣二值图像,通过边界追踪获取目标边界笛卡尔坐标,并将其转化为极坐标,对目标图像进行缩放旋转使均值圆成为基线,切割的4部分边界曲线能完整表达。对边界曲线进行多项式拟合,获取极值点坐标,将其映射回被拟合曲线上,获取对应极值点坐标。若两极小极半径差值大于阈值,则红枣畸形;若两极大极半径附近区域极半径过渡平缓,判红枣为规整,否则为较规整。取53粒红枣进行检测,其中16粒畸形,17粒较规整,20粒规整。检测结果表明:畸形枣识别准确率达100%,较规整枣的识别准确率94%,规整枣识别准确率95%,可基本满足红枣分级系统精度的要求。 相似文献
6.
通过对当前脱绒棉种分选实现方法的对比,给出了一种双CCD(Charge-coupled device)检测FPGA(Fieldprogrammable gate array)分选实现的方法。通过图像采集模块、数据传输模块和分选模块的分析与设计,结合仿真分析和测试试验,验证了色选机系统效果。其中,图像采集模块采样彩色线阵CCD对脱绒棉种进行成熟度信息采集、黑白线阵CCD对棉种进行完整度信息采集;数据传输模块完成采集数据的传输任务;分选模块依据成熟度和完整度信息对棉种进行判别分析。试验结果表明,色选机系统能够完成对棉种特征信息的采集、数据传输以及分选判别工作,能够满足色选机设计要求。 相似文献
7.
针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1200粒正常种子、1200粒霉变种子和1200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。 相似文献
8.
针对农业生产中种子精选的需求,设计了在线式单粒种子检测分选装置,实现流水线式种子上料、检测和分选。该装置由上料装置、检测单元、分选单元和控制系统组成。上料装置通过两级振动实现籽粒的平铺,配合传输带完成籽粒的单粒化。检测单元由高速工业相机实时获取种子图像,并传送至上位机检测分析。控制系统根据检测结果和种子在图像中的位置,控制分选单元完成分选。利用搭建的装置采集了1 200粒正常种子、1 200粒霉变种子和1 200粒破损种子的图像,使用HALCON软件提取了单粒种子的18个颜色和12个形态特征,通过偏最小二乘判别分析法进行判别分析,分别构建了种子霉变和破损的检测模型,并利用搭建的装置和模型进行了验证试验。试验结果表明：在线式单粒种子检测分选装置分选速率大于300粒/min;其中霉变种子的分选准确率高于95%,破损种子分选的准确率高于89%。 相似文献
9.
10.
猕猴桃分级果实表面缺陷的检测方法 总被引：1，自引：0，他引：1
猕猴桃的自动化分级中最为复杂、费时的是表面缺陷检测.猕猴桃果实表面缺陷主要包括碰压伤、划伤和日灼,检测过程包括缺陷分割和缺陷识别两个阶段.猕猴桃机器视觉采集系统采用近红外光源采集图像,并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰;图像分析获取最佳阈值,最后图像分割得到猕猴桃果实表面的黑色斑点区域,包括真正的缺陷区域和梗萼区域.通过试验表明,近红外光源能有效提取猕猴桃果实表面的划伤、腐烂伤和日灼缺陷,而且近红外光源图像有效地避免了传统光源图像的反射亮斑区域,通过实验结果,分析针对分割出的可疑缺陷区域如何正确识别,可利用双金字塔数据形式的盒维数快速计算方法,提出描述该区域粗糙度和纹理方向性的特征参数,依此来区分真正缺陷和梗萼区域. 相似文献
11.
《中国农机化学报》2015,(4)
针对颜色信息丰富的茶叶,通过形态学分析,研究茶叶的几何特征,提出一种基于彩色线阵CCD的茶叶色选算法,开发出一套集信号的采集、处理于一体并结合识别算法的新型茶叶色选控制系统。该系统通过彩色线阵CCD相机采集图像,利用MATLAB图像处理工具箱处理,色彩空间选择HSI模型,通过中值滤波算法去除图像中的噪声,利用改进的阈值分割算法二值化处理图像,运用形态学处理算法腐蚀和膨胀图像,进行连通域分析,提取并识别图像几何特征参数确定分类结果,增强色选系统对颜色信息复杂茶叶的识别能力。本系统同时将分选算法集中在FPGA上实现,提高分选的实时性。经过测试,验证基于彩色线阵CCD的茶叶分选识别算法具有良好的高效性与选别率。 相似文献
12.
针对目前红枣分级装置检测指标单一,难以实现外部品质综合判别的问题,设计了一款基于残差网络结合图像处理的干制哈密大枣外部品质检测系统。首先,通过深度学习图像分类实现裂纹、鸟啄和霉变缺陷检测,为克服当前残差网络计算量大、复杂度高以及信息丢失的问题,提出了一种改进深度残差网络图像分类方法;其次,根据尺寸与纹理数量的等级差异性,提出了一种阈值检测方法,通过提取干制哈密大枣图像面积、周长、拟合圆半径及纹理数量特征,实现尺寸及褶皱检测。试验结果表明缺陷识别模型和尺寸、褶皱检测模型测试准确率分别达到97.25%、93.75%和93.75%。综合缺陷、尺寸和褶皱3种外部品质指标,通过在线采集图像验证系统测试,外部品质综合检测准确率为93.13%,可初步满足干制哈密大枣品质在线检测装备的生产需求。 相似文献
13.
14.
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
15.
基于机器视觉的胡萝卜表面缺陷识别方法研究 总被引：2，自引：0，他引：2
胡萝卜在生长与收获运输过程中,不可避免会出现一些外观缺陷,缺陷胡萝卜的剔除是胡萝卜上市销售前的重要环节。目前缺陷胡萝卜主要依靠人工分选,具有分选标准不稳定、劳动强度大、成本高等缺点。为了快速、准确、无损地检测缺陷胡萝卜,将机器视觉技术引入到胡萝卜分选过程中,以提高分选准确率和效率。胡萝卜表面缺陷包括青头、弯曲、断裂、分叉和开裂等,缺陷特征互不相同,所以不同缺陷需要不同的检测算法。青头检测利用胡萝卜正常区域与青头区域的颜色差异实现,胡萝卜图像在HSV颜色空间下,利用统计方法确定青头区域H、S和V的判别阈值;弯曲、断裂和分叉识别是根据正常胡萝卜与缺陷胡萝卜之间的形状差异实现,凸壳算法、Hu不变矩和Harris角点检测算法分别用来检测胡萝卜弯曲、断裂和分叉缺陷;开裂检测则是利用胡萝卜正常与开裂区域的纹理差异实现,Sobel水平边缘检测算子、Canny边缘检测算子结合形态学操作实现胡萝卜开裂区域提取。结果表明青头、弯曲、断裂、分叉和开裂的识别准确率分别为100%、91.14%、90.57%、94.57%和95.45%,总体识别准确率达94.91%,满足胡萝卜在线分选精度要求。 相似文献
16.
基于试验设计方法实现了番茄采摘机器人夜间照明系统设计。提出了一种基于前景与背景类间方差和类内方差比值F的图像可分割性评价指标作为确定最佳试验方案即最佳照明系统的评价指标;考虑了光源种类、光源布局及图像采集距离3个试验因子;采用正交试验表L_(18)(6×3~6)安排试验。试验结果表明:光源种类和光源布局是影响番茄采摘机器人夜间照明系统的显著因子,图像采集距离为不显著因子;光源种类因子各水平中,荧光灯照射时图像的F最大,为2.159;光源布局因子各水平中,对角布局时图像的F最大,为2.234。因此,所设计的番茄采摘机器人夜间照明系统的最佳组合为:荧光灯、对角布局。将试验结果与基于归一化R-G色差的OTSU自动阈值图像分割算法的分割效果进行了对比,对比结果验证了基于该图像可分割性评价指标F的夜间照明系统设计方法的有效性。 相似文献
17.
小型农产品分选机设计与试验 总被引：2，自引：0，他引：2
针对家庭农场及小规模营销的需要,设计了基于机器视觉的小型农产品分选机。农产品在平胶带上形成多通道阵列式输送,以DSP作为机器视觉单元的核心,采集一帧图像可分析多个通道,并根据农产品的形状、颜色等图像特征进行分选。在水平输送速度为9.2 cm/s、农产品输送间隔为16 cm、4通道并行输送的条件下,选用核桃、红枣及栗子3种农产品进行了分选机性能测试。试验表明,机器能够可靠工作;核桃、红枣和栗子的分选准确性分别为91.66%、94.79%和97.39%;分选速度达8 800个/h。因此采用DSP芯片作为小型分选机的机器视觉核心是可行的,可以为农产品分选机的小型化、低成本提供技术支持。 相似文献
18.
我国红枣的种植规模庞大,但加工水平不高,影响了其竞争力和经济效益。分级是水果进入市场之前的重要处理环节,对经济效益有提升作用。与传统方法相比,计算机视觉分级的检测精度高,能实现无损分级。图像边缘检测是基于计算机视觉分级的核心,合适的边缘检测算法能够极大地减少计算量,提高分级效率。为此,建立了一种基于图像边缘检测的红枣分级方法,利用小波变换、自适应Canny算法和梯度算法分别检测边缘,并计算红枣的大小和表面缺陷比率作为等级划分依据。试验表明:3种算法对边缘的定位精度都很高,能有效检测到表面缺陷。这3种算法各有优缺点,自适应Canny算法是最为理想的检测算法。 相似文献
19.
提出了一种基于亮度校正和AdaBoost的苹果缺陷与果梗-花萼在线识别方法。以富士苹果为研究对象,首先在线采集苹果的RGB图像和NIR图像,并分割NIR图像获得苹果二值掩模;其次利用亮度校正算法对R分量图像进行亮度校正,并分割校正图像获得缺陷候选区(果梗、花萼和缺陷);然后以每个候选区域为掩模,随机提取其内部7个像素的信息分别代表所在候选区的特征,将7组特征送入AdaBoost分类器进行分类、投票,并以最终投票结果确定候选区的类别。实验结果表明,该算法检测速度为3个/s,满足分选设备的实时性要求,且总体正确识别率达95.7%。 相似文献
20.
家用厨锅在制造时安装手柄需要焊接螺母座,针对螺母座焊接位置不准确的问题,设计了厨锅锅底标签角度测量系统。该测量系统通过搭建视觉采集平台采集图像,利用模板匹配原理对锅底图像进行角度检测。通过对不同种类锅底图像进行滤波、阈值化与频域变换等图像处理算法制定感兴趣区域（ROI）,由ROI依次创建形状模板;将采集到的图像经过预处理后根据已建好的同类模板进行匹配,匹配结果由Visual Studio 2019平台所建立的人机界面显示。实验表明,该测量系统平均误差可达0.08°,检出率达94%,平均检测时间0.35 s,明显优于传统的人工检测,能够满足工业的实际检测需求。 相似文献