共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
基于机器视觉的干制红枣大小分级方法研究 总被引：1，自引：0，他引：1
为了实现干制红枣的大小自动分级,介绍了应用机器视觉的干制红枣自动分级方法,利用CCD摄像机获取红枣的样本图像,应用MATLAB软件编程实现了样本图像的灰度化、二值化、图像分割、图像滤波、图像形态学处理、边缘检测和特征量提取等处理,参照干制红枣分级标准完成了红枣自动分级。通过实验数据回归分析得出红枣实测纵径、果质量与识别值当量值之间的数学检测模型,其决定系数分别达0.995 5和0.948 1。实验表明,采用句法模式识别对数据进行红枣大小分级,分级准确率达85%。 相似文献
3.
文章介绍了采用图像处理技术进行蜜柑大小自动分级的方法,利用CCD摄像机获取蜜柑的样本图像,应用MATLAB软件实现对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理,参照蜜柑分级的国家标准完成蜜柑自动分级。经试验验证表明,此方法分级精度高、速度快。 相似文献
4.
5.
6.
7.
为研究哈密瓜表面纹理特征分布规律,采集金密16号9成熟、全熟和金密17号9成熟、全熟共168幅哈密瓜样本图像,对RGB彩色图像的R、G、B分量执行代数运算,转换为灰度图后进行背景分割,然后利用双树复小波变换(DT-CWT)分解图像,获取高频子图像,并对其执行邻域操作,采用迭代法选取最优阈值完成纹理提取,最后利用灰度差分统计法和纹理频谱分析法描述分析哈密瓜纹理特征,建立基于支持向量机(SVM)的分类模型。研究结果表明,利用DT-CWT和邻域操作相结合的方法可得到更加连续、完整的哈密瓜纹理图像;4种哈密瓜的纹理特征值差异显著,利用纹理特征值分类准确率为89.3%;哈密瓜表面纹理无周期性。 相似文献
8.
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
9.
根据农业部发布的农业行业标准NY/T 484-2002,基于M Vision Assistant系列软件对毛叶枣提出了一种自动分级方法.以黑色传送带为背景,采用CCD摄像机在毛叶枣样本的滚动中采集图像,通过对图像进行初步分割、灰度化、平滑去噪、增强、边缘检测、二值化等处理得出样本果实大小、表面缺陷大小以及果梗识别,进而借助机械手完成对毛叶枣品质的自动分级,识别结果与人工挑选结果吻合率分别达到:优等品吻合92.43%,一等品吻合96.34%,二等品吻合95.60%,残次品吻合95.95%. 相似文献
10.
以新疆特色水果哈密瓜为研究对象,提出一种利用Matlab辅助DSP提取哈密瓜纹理的方法。该方法首先利用Matlab把待处理的图像转换为数据文件(dat文件),然后利用DSP强大的运算能力分割哈密瓜表面纹理特征,并将分割结果同样以dat文件传递给Mat Lab,最后利用Mat Lab强大的数据分析与图像显示能力建立哈密瓜分类模型。实验结果表明,该方法能够有效地对哈密瓜表面纹理进行分割与分类,分类准确率为88.10%。该方法不但能够缩短DSP系统的开发周期,且能够为今后开发基于DSP的哈密瓜品质实时检测系统奠定基础。 相似文献