共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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
3.
4.
以割草机器人作业系统为研究对象,通过对割草机器人作业过程进行分析,利用高清摄像头进行目标区域草地图像采集,采用视觉算法进行草地图像转换,获取草地图像的颜色和边界特征集合,实现草地识别和草地形状识别,并根据结果进行割草作业自动化控制。试验表明:基于视觉算法建立的割草机器人作业控制系统,草地面积识别误差不大于1.5%,草地图像像素识别误差不大于3%,系统在进行草地状态识别时具有较高的可靠性。 相似文献
5.
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
6.
7.
8.
提出了一种嵌入式收获前籽棉分级系统的总体设计方案。嵌入式终端以ARM(TMS320DM365)为主处理器,以DSP(TMS320DM6437)为从处理器。在ARM上构建Linux系统环境,并行执行视频采集和人机交互任务:摄像头采集模拟视频流送解码芯片(TVP5146)解码;同时,在用户界面上实时显示数字视频流,并通过SPI向DSP发送视频处理请求。DSP在同步采集视频流的过程中收到请求信号后,对当前帧进行图像分割、特征提取和判别,并将处理结果返回给ARM。田间试验表明,系统能够以90.48%的正确识别率快速地识别籽棉品级。 相似文献
9.
10.
猕猴桃自动分级设备设计与试验 总被引:1,自引:0,他引:1
针对目前猕猴桃采后人工分级费时费力、自动分级成本高等问题,通过机械分离输送、图像采集与处理、智能控制等技术,研制了一套实用的猕猴桃自动分级设备。该设备包括单行定位输送系统、图像采集系统、分级执行系统和控制系统,通过多特征提取和融合分级的方法对猕猴桃实现了自动分级,同时在线监控参数。经试验验证,该设备按体积、形状、表面缺陷特征分级的准确率分别可达88.9%、91%、94%,融合分级的准确率可达86%。 相似文献
11.
高新科 《拖拉机与农用运输车》2008,35(4)
介绍嵌入式Linux系统下使用USB摄像头图像采集器的方法,给出了Intel XSCALE PXA27x处理器嵌入式图像采集系统的设计方案,并对如何编写Video4linux摄像头图像采集驱动程序进行了探讨。 相似文献
12.
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
13.
基于特征融合和SVM的稻谷品种识别 总被引:1,自引:0,他引:1
为快速有效地识别稻谷品种,提出一种基于特征融合和SVM的稻谷品种识别方法。采集华南双季稻区4种不同的籼稻品种(象牙香占、江航丝苗、小农占和五优234),采用图像处理的方法对稻谷图像进行灰度化、二值化和形态学处理等预处理操作,提取稻谷图像的形状特征和颜色特征,建立单特征模型和融合特征模型,构建SVM分类器,进行稻谷品种识别试验,并进行模型选择和讨论。结果表明,两两品种差异性显著的6个形状特征参数为:面积、长轴长、短轴长、离心率、周长和形状因子;形状特征模型对于不规则形状和大小的谷粒品种具备较好的识别能力;与BP神经网络识别模型相比,SVM模型的识别率更高、时间更短。基于特征融合和SVM的稻谷品种识别获得较高的准确率99.50%和较短的识别时间0.165 s,可满足稻谷在线识别与质量检测的精度和实时性要求。 相似文献
14.
基于MATLAB与VB混合编程的哈密大枣品质检测研究 总被引:3,自引:1,他引:2
基于Visual Basic 6.0设计了应用软件的用户界面,用SOLIOS图像采集卡与CCD摄像头连接采集数据,构建了基于机器视觉的哈密大枣自动检测系统,并利用Matlab7.6图像处理工具箱,通过各种算法的比较和验证,确定了最佳背景分割方法,找到有利于哈密大枣的特征提取、品质(缺陷、大小、颜色等)自动识别的方法,为哈密大枣自动化检测生产奠定了基础。在图像采集中,调用图像采集卡驱动程序,实现图像的储存。图像处理中,应用颜色空间转换、小波消噪、阈值分割和数学形态学处理等方法,快速准确识别其品质,利用VB的ActiveX组件,在Visual Basic中直接调用Matlab图像处理程序,实现对哈密大枣品质的自动检测。 相似文献
15.
【目的】近年来,图像采集技术已广泛应用于各大智能装备领域,但传统图像采集系统因过度依赖PC,导致整个智能机械体积大、成本高,不利于企业研发生产。【方法】研究小组设计了一种基于Linux的模块化图像采集系统取代PC,该系统主要包括硬件设计和系统程序设计。其中,硬件设计主要为外围设备的电路设计,包括图像采集、图像传输、图像显示等硬件模块部分,而系统程序设计主要为嵌入式Linux系统搭建、外围设备驱动程序和摄像头采集图像信息流程。【结果】对系统进行了测试验证,摄像头采集的图像信息在HDMI显示屏上显示正常,并且可以设置摄像头的亮度、曝光、白平衡等信息。网口网速平均可达938 MB/s,稳定且不丢包,满足该系统高速传输功能需求。【结论】该系统各模块工作正常,能够达到预期效果,适合工厂批量化生产,在未来的农业生产、医疗器械、产品检测等智能机械领域有着非常广阔的应用前景。 相似文献
16.
17.
【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
18.
19.
枸杞产地的快速、准确鉴别,对规范枸杞交易市场、推动不同产地枸杞差异化、品牌化战略发展具有重要意义。本文以2018-2019年宁夏、新疆两地四产区的宁杞7号夏果干果为研究对象,利用可见/近红外高光谱成像系统,对图像进行Hue Saturation Value(HSV)色彩空间变换和纹理特征提取。配合人工测定的百粒重、果形指数(L/D)等枸杞果形参数指标,采用最小显著差异法(LSD)比较不同产地的差异性。在R 3.6.2环境支持下,对数据进行决策树(Decision Tree,DT)、随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)、多元逻辑回归(Multinomial Logistic Regression, MLR)等分类器模型训练并建立产地识别模型,开展基于“高光谱成像+计算机视觉”的枸杞产地识别技术研究。结果表明:枸杞百粒重新疆明显高于宁夏,果形指数宁夏高于新疆,宁夏枸杞纹理更深更复杂但色泽较暗;4种枸杞产地识别模型中DT模型表现最稳定,且果形指数参与建模后的识别精度更高。 相似文献
20.
为了实现机器人在果园中的自主运动,基于大数据融合,对激光测距传感器、CCD摄像机和电子罗盘等传感器采集的数据进行分析,确定当前机器人位置与航向。在果园中预先设定机器人行走路线,安装数码管地标牌,地标牌坐标已知;电子罗盘用于确定机器人航向角;CCD摄像头拍摄地标牌图像,采用图像灰度化、图像分割、图像腐蚀及图像细化的方法提取表示牌上数码管图像数据。采用模糊控制方法识别地标牌上数码管数字,CCD摄像头同时扫描行进前方是否有障碍物。激光测距传感器完成两个任务:①检测距离地标牌距离和方向角,通过标识牌坐标计算机器人当前位置与航向角;②检测与障碍物间距离,当小于1m时启动避障系统。实际测试表明:系统依托多种传感器,对果园环境感知能力强,具有较高的路径规划能力。 相似文献