共查询到20条相似文献，搜索用时 656 毫秒
1.
苹果内外品质在线无损检测分级系统设计与试验 总被引：3，自引：8，他引：3
目前苹果品质检测分级机械存在结构复杂、价格昂贵以及不能兼顾内外品质的缺点。苹果的内部品质和外部品质都是决定苹果价值的关键因素,故该研究根据静态条件下的试验分析,设计了苹果内外品质在线无损检测分级系统。该系统主要由哑铃式滚子、机器视觉外观品质检测系统模块、近红外内部品质检测系统模块、分级模块以及控制系统组成。在机器视觉外部品质检测模块设计中,为了增大苹果有碰伤部位和无碰伤部位之间的对比度,通过采集有碰伤部位和无碰伤部位的反射率光谱,确定在730 nm处两者的反射率差异最大,并以此选用波长为730 nm的红色LED光源作为机器视觉模块的光源。为获得苹果整个表面信息,苹果在向前运动的过程中完成自转,并利用算法将单个苹果3个运动状态下的图像进行提取和合成,随后对图像进行高斯滤波,大津法二值化以及轮廓提取处理,当该苹果判断为有碰伤时,直接发送剔除指令,当判断为无碰伤,对轮廓提取后图像进行圆拟合处理,并利用拟合圆直径得到该苹果的大小。近红外内部品质检测系统模块设计中,对比2种近红外检测结构,并以试验确定了将探头和光源布置在下的设计方式。最终,通过试验验证得到了系统的在线检测性能,系统对于苹果有无碰伤检测总体正确率为94%,大小检测的相关系数为0.964 6,均方根误差为2.28 1 mm,苹果内部可溶性固形物含量所建立模型的校正集相关系数为0.950 8,校正集均方根误差为0.342 6%,预测集相关系数为0.949 2,预测集均方根误差为0.448 7%。单个苹果的检测时间为0.71 s。整机具有体积小、结构简单、成本较低的优点,适用于农户和中小型企业。 相似文献
2.
水果品质智能化实时检测分级生产线的研究 总被引：18，自引：12，他引：18
一种用于水果动态、实时检测的水果品质智能化实时检测分级生产线,由水果输送翻转系统、计算机视觉识别系统、分级系统组成。水果输送翻转系统的双锥式滚筒水果输送翻转装置,使水果以一定速度向前输送,并使水果绕水平轴自由转动,保证检测系统能检测到水果整个表面,获得足够的水果图像信息。通过计算机视觉系统的视觉智能识别,综合判断每一水果的等级,并确定每个水果的位置信息,由计算机识别系统的控制模块将指令传输给分级系统,完成水果的分级 相似文献
3.
《农业工程学报》2005,21(10):192-192
成果名称:基于计算机视觉的水果品质智能化实时检测与分级生产线课题名称:水果品质实时检测与分级机器人系统研究(国家“863”计划2001AA422230)柑橘的光学特性与品质机器视觉无损检测的研究(国家自然科学基金No.39800099)基于计算机视觉的柑橘品质实时检测新方法研究(国家自然科学基金No.30270763)水果三维几何特征和色彩的在线实时机器视觉检测方法研究(国家自然科学基金No.60575026)课题完成单位:浙江大学生物系统工程与食品科学学院、杭州杭挂机电有限公司课题主要完成人:主持人:应义斌浙江大学生物系统工程与食品科学学院电话:0571-8… 相似文献
4.
基于近红外光谱和机器视觉的多信息融合技术评判茶叶品质 总被引：10，自引：6，他引：4
首次提出利用近红外光谱和机器视觉的多传感信息融合技术评判茶叶品质.试验以4个等级的炒青绿茶为试验对象,对获取的图像特征信息和光谱特征信息,通过主成分分析提取相应的主成分得分向量构成模式识别的输入.利用BP神经网络方法建立茶叶综合品质评判模型.在模型的建立过程中,对各个信息的主成分因子数进行了优化.从试验的结果看,在图像信息主成分因子数等于6,光谱信息主成分因子数等于3时,建立的模型最佳,模型训练时的回判率为99%,预测时的识别率为89%.研究结果表明基于近红外光谱和机器视觉技术的多传感信息融合技术评判茶叶综合品质的方法是可行的,评判结果的准确性和稳定性都较单个信息模型有所提高. 相似文献
5.
基于图像处理的胡萝卜青头须根与开裂的检测方法 总被引：2，自引：2，他引：0
为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法.须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过R分量上二值化得到,开裂检测算法使用S分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度3个量化标准,对试验随机采集的520个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了97.5%,81.8%,92.3%,总体识别率91.3%.该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义. 相似文献
6.
7.
球体图像灰度变换模型及其在柑桔图像校正中的应用 总被引：4，自引：3，他引：4
由于水果形状不规则，在利用机器视觉和图像处理技术进行水果品质检测和自动分级过程中，会产生图像失真现象。针对这一问题，通过分析在6个位置采集的3种不同尺寸、19种不同表面颜色的标准试验球体的图像，研究了球体的大小、表面颜色和图像采集位置等因素对球体图像灰度失真的影响，并分别建立了位于摄像视区中心的球体图像的灰度校正模型和偏离摄像视区中心的球体图像的灰度校正模型，模型的相关系数R2分别为0.796和0.842。最后，采用该模型在MATLAB软件平台上构建了柑桔图像的灰度校正算法。试验结果 相似文献
8.
基于机器视觉技术的淡水鱼质量分级 总被引：14，自引：13，他引：1
为了便于淡水鱼后续加工,需要对其进行大小分级,而且分级是淡水鱼加工前处理的重要工序之一。该研究收集86条淡水鱼为试验样本,利用机器视觉技术获取淡水鱼样本图像,对样本图像进行灰度化、二值化、轮廓提取等预处理,获取长短轴、投影面积等特征值。通过试验研究,建立有关鱼的头部、腹部和尾部的长度以及质量关系,运用各部分所占总质量的比例对特征值面积进行一定的校正,最后通过回归分析建立鱼体质量的预测模型。试验结果为：鱼体质量与投影面积之间是高度相关,其决定系数R2为0.9878,并对质量预测模型进行验证,验证相对误差均值为3.89%,绝对误差均值为6.81 g。试验结果表明,利用机器视觉技术可以为淡水鱼质量分级方法提供参考。 相似文献
9.
基于机器视觉的番茄内部品质预测 总被引：2，自引：2，他引：0
为了实现番茄内部品质的实施快速检测,利用机器视觉技术,从“定性”和“定量”两方面进行了番茄内部品质预测方法的研究。首先设计开发了番茄图像采集机器视觉系统,可分别从3个不同高度：0.5、1、1.5 m和6个不同方向：上、下、左、右、前、后采集番茄图像。视觉系统利用4个卤素灯作为光源,内部亮度恒定为600 lx。然后收集了68个不同生长阶段的番茄样本,样本根据是颜色从未成熟阶段（绿色）到成熟阶段（红色）被分为了5个等级。在利用开发的机器视觉系统采集了番茄样本的图像之后,通过RGB色彩模型、L*a*b*色彩模型 相似文献
10.
11.
陕西红富士苹果气候品质指标及认证技术 总被引：10，自引：0，他引：10
利用2016年和2017年陕西红富士主栽县11个定点采样果园物候及品质调查数据,采用多元逐步回归法和加权求和法,建立苹果单项气候品质指标模型、果品气候品质分级指标及果品气候品质评价指数,以期为开展陕西红富士苹果气候品质认证提供科学依据。结果表明：陕西红富士苹果单果重、硬度、可溶性固形物和可滴定酸含量与膨大期降水量、幼果期日较差、着色成熟期平均最低气温及着色成熟期降水量呈显著正相关关系（P＜0.05）,果径与全生长季平均气温呈显著负相关关系（P＜0.05）;特优级红富士苹果的气候品质指标为幼果期日较差＞7.9℃,膨大期降水量≥134.9mm,着色成熟期平均最低气温≥6.1℃,着色成熟期降水量≤79mm,全生长季平均气温≤17.5℃;陕西红富士苹果气候品质评价指数CQEI的预测准确率为86.7%,可用于实际认证业务。 相似文献
12.
Calcium (Ca) spray materials improved fruit quality as measured by control of bitter pit, fruit finish (appearance), increased red skin color, reduced incidence of scald, increased juiciness, texture, and fruit firmness of ‘Red’ and ‘Golden Delicious’ apples (Malus domestica, Borkh.). Concentrations of Ca in leaf and fruit tissues were increased by Ca sprays, especially calcium chloride (CaCl2)‐containing spray materials. Improved fruit firmness and control of bitter pit occurred for either standard recommended or high rates of Ca spray materials. At high rates of application, the only significant difference that occurred between early and late applications of Ca spray materials was that less leaf injury occurred with the early applications. Unsprayed ‘Red Delicious’ fruit from M.7 rootstocks had greater fruit peel Ca concentrations and a lower incidence of bitter pit but smaller fruit than fruit from trees on M.26 rootstocks. The above information is strong evidence that Ca sprays are important for the improvement of apple quality. 相似文献
13.
基于图像特征融合的苹果在线分级方法 总被引：8，自引：7，他引：1
苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求。为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级。同时,采取图像压缩和特征降维方法提高实时性。试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95%,平均分级速率可达到4个/s。研究结果为水果的在线分级提供参考。 相似文献
14.
在设施延后栽培条件下,研究了葡萄生长后期施肥对浆果综合品质的影响。结果表明:与当地习惯施肥处理相比,增加P、K肥比例,浆果品质更好;施用磷酸二氢钾肥料的处理,浆果穗重708.00 g,单粒重33.96 g,果实硬度1.40 kg·cm~(-2),可溶性固形物达17.86%,Vc含量7.36 mg·100 g~(-1),果实外观和内在品质均显著优于对照组和当地习惯施肥处理。不同施肥条件下葡萄外观品质和内在品质相关性分析结果表明,葡萄穗重、单粒重、果粒大小、果实硬度与可溶性固形物、酸含量有明显的正相关关系。利用隶属函数法对果实品质进行综合分析,结果表明后期追施较高水平的磷钾肥、不施氮素或少施氮素,葡萄综合品质更优。 相似文献
15.
基于改进YOLOv4模型的全景图像苹果识别 总被引：3，自引：3，他引：0
苹果果园由于密植栽培模式,果树之间相互遮挡,导致苹果果实识别效果差,并且普通的图像采集方式存在图像中果实重复采集的问题,使得果实计数不准确。针对此类问题,该研究采用全景拍摄的方式采集苹果果树图像,并提出了一种基于改进YOLOv4和基于阈值的边界框匹配合并算法的全景图像苹果识别方法。首先在YOLOv4主干特征提取网络的Resblock模块中加入scSE注意力机制,将PANet模块中的部分卷积替换为深度可分离卷积,且增加深度可分离卷积的输出通道数,以增强特征提取能力,降低模型参数量与计算量。将全景图像分割为子图像,采用改进的YOLOv4模型进行识别,通过对比Faster R-CNN、CenterNet、YOLOv4系列算法和YOLOv5系列算法等不同网络模型对全景图像的苹果识别效果,改进后的YOLOv4网络模型精确率达到96.19%,召回率达到了95.47%,平均精度AP值达到97.27%,比原YOLOv4模型分别提高了1.07、2.59、2.02个百分点。采用基于阈值的边界框匹配合并算法,将识别后子图像的边界框进行匹配与合并,实现全景图像的识别,合并后的结果其精确率达到96.17%,召回率达到95.63%,F1分数达到0.96,平均精度AP值达到95.06%,高于直接对全景图像苹果进行识别的各评价指标。该方法对自然条件下全景图像的苹果识别具有较好的识别效果。 相似文献
16.
针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理模块、解码器、特征拼接模块组成,以VGG-16前13层作为主干特征提取网络,在跳跃连接中叠加多重残差空洞卷积（Multiple Residual Dilated Convolution,MRDC）模块,增大感受野的同时增强了模型对底层特征提取能力。采用数据增强技术对果心数据集扩充后,利用迁移学习方法冻结特定的网络层,对TMU-Net模型进行训练。试验结果表明：引入迁移学习并使用最佳训练方式使模型分割精确率提高了22.48个百分点;TMU-Net网络模型在果心分割任务中实现了96.72%的精确率,与U-Net、PSPNet、DeeplabV3+网络对比,精确率分别提升了14.28、9.98、7.15个百分点。该方法能够精准、有效地实现果心分割,可为实现苹果内在品质智能检测提供参考。 相似文献
17.
Machine Vision System for Automatic Quality Grading of Fruit 总被引：1，自引：0，他引：1
Fruit and vegetables are normally presented to consumers in batches. The homogeneity and appearance of these have significant effect on consumer decision. For this reason, the presentation of agricultural produce is manipulated at various stages from the field to the final consumer and is generally oriented towards the cleaning of the product and sorting by homogeneous categories. The project ESPRIT 3, reference 9230 ‘Integrated system for handling, inspection and packing of fruit and vegetable (SHIVA)’ developed a robotic system for the automatic, non-destructive inspection and handling of fruit. The aim of this paper is to report on the machine vision techniques developed at the Instituto Valenciano de Investigaciones Agrarias for the on-line estimation of the quality of oranges, peaches and apples, and to evaluate the efficiency of these techniques regarding the following quality attributes: size, colour, stem location and detection of external blemishes. The segmentation procedure used, based on a Bayesian discriminant analysis, allowed fruits to be precisely distinguished from the background. Thus, determination of size was properly solved. The colours of the fruits estimated by the system were well correlated with the colorimetric index values that are currently used as standards. Good results were obtained in the location of the stem and the detection of blemishes. The classification system was tested on-line with apples obtaining a good performance when classifying the fruit in batches, and a repeatability in blemish detection and size estimation of 86 and 93% respectively. The precision and repeatability of the system, was found to be similar to those of manual grading. 相似文献
18.
基于改进RetinaNet的果园复杂环境下苹果检测 总被引：1，自引：1，他引：0
为了快速准确地检测重叠、遮挡等果园复杂环境下的苹果果实目标,该研究提出一种基于改进RetinaNet的苹果检测网络。首先,该网络在传统RetinaNet的骨干网络ResNet50中嵌入Res2Net模块,提高网络对苹果基础特征的提取能力;其次,采用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network,BiFPN）对不同尺度的特征进行加权融合,提升对小目标和遮挡目标的召回率;最后,采用基于焦损失（Focal Loss）和高效交并比损失（Efficient Intersection over Union Loss,EIoU Loss）的联合损失函数对网络进行优化,提高网络的检测准确率。试验结果表明,改进的网络在测试集上对叶片遮挡、枝干/电线遮挡、果实遮挡和无遮挡的苹果检测精度分别为94.02%、86.74%、89.42%和94.84%,平均精度均值（meanAveragePrecision,mAP）达到91.26%,较传统RetinaNet提升了5.02个百分点,检测一张苹果图像耗时42.72 ms。与Faster-RCNN和YOLOv4等主... 相似文献
19.
基于改进YOLOv3的果园复杂环境下苹果果实识别 总被引：5，自引：4，他引：1
为使采摘机器人能够全天候的在不同光照、重叠遮挡、大视场等果园复杂环境下对不同成熟度的果实进行快速、准确的识别,该研究提出了一种基于改进YOLOv3的果实识别方法。首先,将DarkNet53网络中的残差模块与CSPNet（Cross Stage Paritial Network）结合,在保持检测精度的同时降低网络的计算量;其次,在原始YOLOv3模型的检测网络中加入SPP（Spatial Pyramid Pooling）模块,将果实的全局和局部特征进行融合,提高对极小果实目标的召回率;同时,采用Soft NMS（Soft Non-Maximum Suppression）算法代替传统NMS（Non-Maximum Suppression）算法,增强对重叠遮挡果实的识别能力;最后,采用基于Focal Loss和CIoU Loss的联合损失函数,对模型进行优化,提高识别精度。以苹果为例进行的试验结果表明：经过数据集训练之后的改进模型,在测试集下的MAP（Mean Average Precision）值达到96.3%,较原模型提高了3.8个百分点;F1值达到91.8%,较原模型提高了3.8个百分点;在GPU下的平均检测速度达到27.8帧/s,较原模型提高了5.6帧/s。与Faster RCNN、RetinaNet等几种目前先进的检测方法进行比较并在不同数目、不同光照情况下的对比试验结果表明,该方法具有优异的检测精度及良好的鲁棒性和实时性,对解决复杂环境下果实的精准识别问题具有重要参考价值。 相似文献
20.
杨梅生长指标与果实品质间的相关性分析 总被引：1，自引：0，他引：1
为了明确成熟期不同品种杨梅(早鲜早色和东魁)的营养生长指标与果实外观、品质性状间的相互关系,在成熟采收期,分别对杨梅7个营养生长指标、10个果实外观性状和13个果实品质性状进行测定分析。结果表明,杨梅30个性状指标的变异系数范围为2.546%~31.021%,其中维生素C(Vc)含量、果实硬度(HN)和春梢长度(BL)的变异系数较大,分别为31.021%、22.092%和15.245%。糖酸比(AS)与果实色度值L*、b*、C,叶片长度(LL)、宽度(LW)、厚度(LT)显著负相关,说明通过杨梅果实颜色可以预测AS,且在AS的形成过程中杨梅LL、LW和LT发挥了重要作用;叶绿素(Chl)相对含量、HN与杨梅果实多个外观品质、营养品质指标间呈显著正相关,表明在生产上可以通过提高Chl相对含量改善果实品质;杨梅BL与果实外观品质、营养品质等13个性状均为显著性负相关,证明杨梅结果枝以中短果枝为宜。本研究结果为利用营养生长指标进行优良品质性状的选择提供了一定的理论参考。 相似文献