基于图像处理的小麦容重检测方法研究

为了实现图像处理技术对小麦容重影响因素的分析和容重的准确识别,研究了一种基于小麦图像特征和模式识别的小麦容重检测方法。采集不同容重小麦完整籽粒和籽粒横切面图像,对图像进行中值滤波、形态学运算、图像分割等处理,提取原图像与处理后图像的形态、颜色和纹理共3大类44个特征参数。最后采用逐步判别分析对提取的特征参数进行筛选,建立线性参数统计分类器和BP神经网络模型实现小麦不同容重的检测。结果表明,与小麦横切面图像特征相比,小麦完整籽粒图像的特征参数能更好的反映不同容重的差异;2种分类器对基于完整籽粒图像的小麦容重整体识别率均在95%以上。研究结果证明将图像处理技术应用于小麦容重检测识别是可行的。     

基于图像处理和神经网络的小麦不完善粒识别方法研究

为了实现图像处理技术对小麦不完善粒的准确快速识别,研究了一种基于小麦不完善粒图像特征和BP神经网络的不完善粒识别方法。采集小麦不完善粒图像,对图像进行中值滤波、形态学运算、图像分割等处理后,针对每个小麦籽粒,提取其形态、颜色和纹理共3大类54个特征参数,采用主成分分析法提取8个主成分得分向量作为模式识别的输入,建立BP神经网络模型,实现对小麦不完善粒的检测识别。结果表明,该模型对完善粒、破损粒、病斑粒、生芽粒和虫蚀粒的判别正确率分别为93%、98%、100%、90%和85%,平均判别正确率达到93%,可有效对小麦不完善粒进行检测识别。     

异形纤维截面测量中的边缘检测算法

边缘检测是数字图像处理中的重要内容之一,也是实现图像分割、特征提取和图像理解的基础;而截面的特征参数是表征异形纤维截面形状的主要指标。计算机数字图像处理可以提取异形纤维的特征参数来自动识别不同类型的异形纤维。讨论采用常用的几种经典边缘检测算法对截面形状为五角形的异形纤维图像进行处理的情况,并通过实验得出这些边缘检测算法的优缺点及结论,以便为正在开发的异形纤维截面自动检测系统的图像处理技术作铺垫。     

基于图像增强的高湿度环境下野生二粒小麦籽粒硬度检测方法

为有效检测高湿度环境下谷类籽粒硬度,以某谷类食品加工厂生产的野生二粒小麦为试验对象,采用高光谱图像成像系统获取野生二粒小麦高光谱图像,通过基于匹配思想的自适应消噪方法(PLS)去除野生二粒小麦高光谱图像的带状噪声,增强高湿度环境下野生二粒小麦高光谱图像质量,在此基础上,将野生二粒小麦光谱数据的平均值作为光谱数据,构建高湿度环境下野生二粒小麦籽粒硬度预测模型,实现对高湿度环境下谷类籽粒硬度的准确检测。仿真试验结果表明,当加工环境湿度为55%时,本文方法检测野生二粒小麦籽粒硬度值平均结果为1745 g,与标准红外检测方法得到的结果差值仅有3 g;当环境湿度提高到75%时,本文方法检测结果为1712 g,与标准红外检测方法相差42 g,本文方法检测野生二粒小麦籽粒硬度结果精度高,优于声振频带幅值特性法,是一种高精度的高湿度环境谷类籽粒硬度检测方法。     

轧光工序中织物接缝线的图像检测

针对轧光工艺中织物接缝线的自动检测,本文提出了一种基于数字图像处理的判别方法。以防羽布的轧光工艺为例,首先对获取的图像进行灰度化与中值滤波预处理;然后对预处理的图像提取均值、标准差与变异系数(CV值)等特征参数;最后通过对这三项特征参数的分析与对比,发现特征参数CV值可以作为防羽布有无接缝线的判别依据。实验结果表明,特征参数CV值能够精确地判别织物有无接缝线,并且图像处理的计算量小,检测速度快,可实现接缝线的及时避让。     

基于高光谱成像技术小麦籽粒霉变鉴别方法研究

小麦霉变籽粒是小麦不完善粒一种,鉴别小麦霉变粒是粮食霉变程度的重要参考。为了更精确地鉴别小麦霉变籽粒,本文利用高光谱成像技术采集不同品种小麦霉变籽粒及非霉变籽粒的光谱信息,建立小麦霉变籽粒的鉴别预测模型,实现小麦霉变籽粒快速、无损、有效、稳定的鉴别。首先收集了100粒霉变和100粒正常非霉变籽粒400-1000 nm范围的高光谱图谱,通过不同的光谱预处理方法进行处理,选出最优光谱信息预处理方法。接着,采用连续投影算法(SPA)和竞争性自适应重加权采样(CARS)提取特征波长,分别比较通过全波长范围和特征波长下建立的偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型并进行比较。结果表明,淮麦22和宁麦13的最优预测模型分别为全波长-OSC-SVM和SPA-OSC-SVM模型,对应的R分别为0.9963和0.9998,RMSEP分别为0.0309和0.0064,R分别为0.9975和0.9995,RMSECV分别为0.0247和0.0111。     

小麦籽粒外观形态特征测定技术研究

利用计算机图像处理技术,通过设计图像捕捉装置获取小麦籽粒图像,编程实现小麦籽粒图像分析,能够准确测定小麦投影面积、长轴、短轴、椭圆度、等效直径等形态参数.研究结果表明:计算机图像处理系统测定小麦籽粒长轴、短轴、投影面积等参数与手工测定值均存在良好的线性关系,R2分别达到了0.991、0.993、0.985,实现了小麦籽粒外观形态参数量化测定,能够精确描述小麦形态特征.     

基于ANN和PCA的玉米品种特征分析与识别研究

研究了一种基于玉米外观形态和颜色特征进行的玉米品种的特征主分量分析及BP神经网络识别方法。采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个,颜色特征12个、纹理特征13个,共33个特征参数,采用主分量分析PCA的方法提取其主分量,将这些主分量作为BP神经网络的输入,构建4层神经网络,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的神经网络识别模型。试验结果表明,方法对11个品种550个籽粒的品种检出率为92%以上,得到了较好的识别效果。     

基于支持向量机的甜柿表面病害识别

研究以次郎甜柿为研究对象,应用快速独立分量方法对病害图像进行处理,去除病害图像中的随机噪声.提取病害甜柿表面图像的纹理特征参数和颜色特征参数后采用支持向量机(SVM)识别甜柿表面病害.研究表明快速独立分量方(FASTICA)法可以很好的扩展病害区域边缘.采用图像纹理特征参数和颜色特征参数结合构建支持向量时,识别准确率和...     

基于计算机视觉的玉米粒形检测方法

提出了利用计算机视觉技术检测整粒玉米和破碎玉米的方法,以适应快速准确检测玉米品质的要求。设计了一套基于计算机视觉技术的玉米粒形检测装置,开发了玉米粒形检测算法;首先采用玉米粒形检测装置获取玉米籽粒图像,再对图像进行预处理,然后根据玉米籽粒的特点提取面积、周长、长、宽等8个特征参数,将粒形特征参数作为输入值构建BP神经网络对玉米的粒形进行检测。结果表明:该方法对整粒玉米检测的准确率为97.50%;对破碎玉米检测的平均准确率为91.83%。     

基于高光谱成像技术的小麦籽粒品种鉴别方法研究

为了更精确地鉴别小麦品种,实现小麦品种快速、无损、有效、稳定的鉴别。利用高光谱成像系统采集6个小麦品种籽粒光谱和图像信息,提取小麦籽粒胚、胚乳、胚和胚乳混合部位的光谱,采用不同的预处理方法对原始光谱进行处理,利用竞争性自适应重加权算法(CARS)和连续投影算法(SPA)提取特征波长,基于全波长和特征波长建立线性判别分析(LDA)、支持向量机(SVM)和K最邻近(KNN)模型,筛选出最佳的籽粒部位光谱、预处理方法和特征波长提取方法;在此基础上,分析光谱信息、形态特征及二者结合信息对小麦品种的鉴别效果。结果表明,基于34个特征波长光谱信息结合形态特征建立的LDA模型效果最佳,其训练集和预测集的正确判别率分别为91.3%和86.0%。基于高光谱成像技术进行小麦品种鉴别是可行和有效的。     

机器视觉在服装尺寸自动测量中的应用

利用机器视觉技术精确地提取服装图像的轮廓边缘和确定图像拐点位置,采用快速模糊边缘检测算法和有效的基于Freeman链码的拐角点检测算法,准确地检测图像的边缘和图像上的拐点。并具有实现简单,处理速度快,鲁棒性强的特点。     

适度高温对不同筋力冬小麦蛋白组分、面粉品质和面条加工品质的影响

采用2个面筋强度不同的冬小麦品种为材料,在其籽粒灌浆的不同时期（开花后15天、20天和25天）进行适度高温（日平均温度＜32℃,未达到热胁迫水平）处理,研究了不同处理条件下对小麦蛋白组分、面粉品质和面条加工品质的影响.结果表明：适度高温处理对不同筋力小麦醇溶蛋白的影响趋势一致,但对谷蛋白的影响却有较大差异;不同筋力小麦的蛋白组分对适度高温处理的反应不同;适度高温处理对筋力强的小麦淀粉品质的影响程度优于筋力弱的小麦;小麦开花后20天时适度高温处理利于优质面团品质的形成;适度高温处理利于面条的弹性和面条评分,不同处理间的影响程度不同.     

马尔可夫随机场在纸病检测中的应用研究

纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫（MarKov）随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。     

基于双边滤波的RSG玉米籽粒胚部提取研究

胚部是玉米籽粒的重要组成部分,为了分析其形态特征以提高玉米籽粒品种自动识别率,针对玉米籽粒图像的特点,验证了一个利用双边滤波结合种子区域生长法(RSG)提取籽粒胚部的方法:先用双边滤波器在保证边缘的情况下平滑玉米籽粒胚部,再用RSG分割出胚部。选取华北地区常用的京科25为试验对象,采用该法提取出的胚部区域的面积与周长进行统计,并分别与手工测量的面积、周长进行线性回归分析,相关系数R~2的均值分别达到0.962 0,0.985 2。     

基于小波变换的机织物高密度检测

针对目前高密度机织物密度自动检测算法测量精度较低的现象,提出在三原组织织物密度自动检测过程中,利用小波变换的分解与重构特性分析预处理后的织物图像,对分解的子图像进行二值化、平滑处理来提取纱线周期性特征参数,统计二值图像中黑白循环更替次数来确定织物经纬密度。为提高密度检测精度,采用分区域平滑减小了斜纹纹路的影响;通过缎纹织物图像反面获取纬纱信息消除缎纹组织织物浮长的影响;运用形态学滤波去除因高密度织物上纱线毛羽导致平滑过程中出现的细条块。实验结果表明:该方法检测误约为1.00%,测量精度较高,具有一定的实用参考价值。     

一种基于OpenCV的织物疵点检测方法

在织物疵点自动检测开发中,传统的图像处理代码编写繁琐、效率不高.OpenCV具有较强的图像处理能力且提供了丰富的图像处理函数,可以把OpenCV运用到织物疵点检测上.以断经、纬疵样本为例,提出在OpenCV环境下采用阈值分割提取疵点图像,利用形态学技术实现噪点分离及断线连接.边缘检测实现了疵点图像在原图像中的准确定位.实验结果表明,OpenCV有简化代码、提高编程效率的图像处理强大功能,疵点检测结果准确,效率高.     

Y形纤维截面异形度的测量方法

针对现有的纤维异形度检测系统较难完成边界不封闭、不完整的纤维图像的边界提取,而系统中的六点测量法效率低、数据稳定性差等问题,提出采用三点法测量Y形纤维异形度.通过在Y形纤维截面图像内部点取3个拐点完成纤维截面的边缘检测,确定Y形纤维截面的边界,提取截面的形态特征参数,并计算各异形度指标.该方法特别适用于截面边界不完整的...     

基于图像处理的稻米垩白自动检测研究

应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。     

小麦分选过程中赤霉病粒与呕吐毒素含量关系探讨

基层粮库小麦收购入库工作量大,小麦的呕吐毒素含量检测成本高、时间长,不能满足收购现场的需要。基层粮库小麦收购入库,可以通过赤霉病粒含量的检测来辅助判断呕吐毒素是否超标,对赤霉病粒严重的小麦在清杂后通过籽粒比重的差异实施分选处理,大大降低小麦赤霉病粒含量、呕吐毒素含量,这种处理方法对实际应用有极强的意义。