共查询到18条相似文献，搜索用时 29 毫秒
1.
目前市场上存在的猕猴桃分级机械主要是针对质量特征进行分级的大型机械,而消费者在购买猕猴桃时往往更注重它的外观品质,且大型设备难以在以农户小规模营销为主的市场环境下得到普及。为了实现猕猴桃外观品质的自动分选,适应广大猕猴桃种植农户的需求,设计了一种基于机器视觉的小型移动式猕猴桃外观尺寸在线检测与分级系统。该系统主要由输送机构、检测机构、分级执行机构和控制系统组成。输送机构采用倾斜式输送带方案,结构简单,便于实现猕猴桃的输送和分级;检测机构采用图像处理的方法得出猕猴桃的大小等级信息;分级执行机构借助猕猴桃的重力与旋转磁铁的开合实现猕猴桃的分离。对样机进行了试制和验证试验,结果表明:该系统的平均分级成功率为96.3%,单个猕猴桃分级时间约为2.5s。该猕猴桃检测分级系统的设计为今后完成多特征指标的融合分级提供了基础和依据。 相似文献
2.
3.
为实现鸡肉新鲜度的快速准确检测,设计了一种基于电子鼻和视觉数据融合的一体化检测装置。装置由控制系统、视觉系统和电子鼻系统3部分组成,可同时通过电子鼻传感器阵列检测鸡肉散发的气体浓度并由摄像机采集鸡肉视觉图像,控制板传输数据至Jetson Nano上位机进行特征提取、融合与分析。由该装置获取不同新鲜度鸡肉样本的气味和图像数据,采用主成分分析方法进行降维处理,再基于支持向量机建立鸡肉新鲜度分级模型,准确率可达98.7%。该装置具有准确率高、便携和稳定性强等特点,可为肉品新鲜度检测提供技术支持。 相似文献
4.
【目的】当前猕猴桃的缺陷识别与分级大多基于传统图像处理技术,无法完全脱离人工操作,且对图像的质量要求高、可靠性差,无法满足猕猴桃现有的分级需求。【方法】课题组提出了一种基于Deeplabv3+网络模型的猕猴桃特征提取和自动分级方案,采用轻量级卷积神经网络MobileNetV2作为图片特征提取工具,将采集的466张猕猴桃图片进行滤波处理、数据增强等步骤后获得2 796张图片,按8∶2的比例分为训练集和预测集进行网络模型训练,并与传统模型识别率进行了对比。【结果】基于Deeplabv3+网络模型的猕猴桃四个等级的识别率分别为100%、96.15%、95.83%和97.05%,高于传统计算机视觉方法的识别率,验证了该方法在猕猴桃分级上的可行性。【结论】该模型有效地降低了系统的参数和计算量,具有训练时间短、空间复杂度低等优点,在猕猴桃图像的特征抽取和分级任务上具有较好的表现。 相似文献
5.
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
6.
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
7.
基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。 相似文献
8.
9.
苹果是世界上最常见和最广泛消费的水果之一,在进入市场之前需要分级买卖,而苹果的直径和色泽是影响销售价格的重要因素。为此,利用视觉捕捉技术,设计了一套拾取机器人水果自动分类系统,包括输送机构、图像采集系统、控制模块和执行器等,能够根据苹果直径进行分类。实验结果表明:系统分类准确率达到了93.6%,符合设计需求,且在分类过程中没有对苹果造成任何损坏,具有一定的有效性和可靠性。 相似文献
10.
为自动采集水果机器视觉分选机输送装置上水果所有表面的图像信息,设计了一套水果流动态图像实时采集系统,并提出了一种水果流等转角动态序列图像实时采集方法,依靠水果输送翻转装置实现水果的等角速度均匀翻转,依靠图像采集实时控制系统实现2台摄像机的适时同步触发,再通过图像处理系统判断获取图像中有无水果及图像的奇偶帧特性,从而实现了输送线上不同大小水果的等转角动态序列图像自动采集.试验表明,该系统能自动采集到输送线上每个水果的6帧图像,且相邻图像帧之间水果大约旋转60°,6帧图像中水果近似旋转一周. 相似文献
11.
基于机器视觉的穴盘幼苗分级移栽系统设计与试验 总被引：1，自引：0，他引：1
针对穴盘幼苗工厂化生产中人工分级移栽劳动强度较大的问题,提出了基于机器视觉和图像处理自动分级方法,设计了一套穴盘幼苗分级移栽系统。首先,运用图像分割、模板匹配等方法提取穴盘幼苗叶面积、地径、株高3个特征,并以此训练SVM自动分级模型;然后,开发了基于Opencv3.6、Qt5的软件,实现了穴盘幼苗的实时在线分级;最后,使用穴盘幼苗分级移栽样机对7~10天的番茄幼苗进行自动分级移栽试验。结果表明:在平均移栽速度为9.6株/min时,移栽成功率为96.88%,分级正确率为95.83%,可以连续稳定工作,有效解决人工费时费力问题。 相似文献
12.
13.
随着社会经济的快速发展和人们消费水平不断的提高,消费者在购买苹果时对其品质的要求也越来越高。在传统农产品加工作业中,导致分级精度低和劳动生产率低。利用计算机视觉信息处理技术,依据主特征参量对苹果进行自动分级,相较于传统的苹果等级人工分离方法,不仅提高了苹果等级分离的正确率,且极大地节约了劳动力。 相似文献
14.
苹果在水果消耗中占有较大份额,对其进行分级销售可提高经济效益。在以往的苹果分级中,大都采用人工方法进行,只考虑大小、色泽方面的影响,导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中,如水果和蔬菜的自动收获及农产品的分级。为此,利用计算机视觉系统采集提取苹果图像,采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理,设定等级区分参数,再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离,提高了苹果分级的正确率,节省了劳动力,可以广泛地推广应用。 相似文献
15.
在水产养殖中,鱼类的摄食强度可以反映其食欲,准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题,本研究以实现鱼类食欲的自动客观分析为目的,提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先,利用近红外工业相机搭建了近红外图像采集系统,采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后,利用灰度共生矩阵提取摄食图像的纹理特征变量信息,包括对比度、能量、相关性、逆差距和熵等。之后,将这5个特征变量作为输入向量构建了模型的数据集,并训练了支持向量机分类器。为了提高模型分类的准确率,利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类,最终实现了鱼类摄食强度的评估。试验结果表明,图像纹理可以较好地描述鱼类摄食过程中的行为变化,正确识别4类摄食强度的准确率达到87.78%,且不需要考虑水花等对成像质量的影响,具有较强的适应性。本方法可用于鱼类食欲的自动客观评估,为后续投喂决策提供理论依据和方法支持。 相似文献
16.
利用工业4.0背景下的嵌入式和物联网技术,采用TI公司Sitara系列的AM5728处理器,结合图像处理技术,设计了一套基于工业4.0的智能式香梨分级机自动控制系统。试验结果表明:系统正确分级数均超过9 3 0个,即正确率都在9 3%以上,且效率高,稳定性强,具有广阔的市场空间。 相似文献
17.
设计了一套针对地垄栽培模式下的草莓智能采摘机器人。该草莓采摘机器人可在一定范围内基于机器视觉识别成熟草莓位置和精准定位,并以夹持、扭转果柄的方式摘取果实,从而实现草莓的无损伤采摘。设计的采摘机器人由三轴精确运动同步滑台机构,三菱fx3n PLC控制系统,视觉识别系统组成,并采用面向对象编程工具C#编写了控制终端及视觉自动采摘算法。试验结果表明,该机具有精度好,自动化程度高、结构合理等特点。在试验环境下对草莓的平均判别速度为1 s,果实误判率为7%,采摘成功率为90%,达到设计要求。 相似文献
18.
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