基于虚拟仪器视觉系统苹果图像采集装置的研究

以虚拟仪器视觉系统为主要技术手段,综合运用图像学、机械学、电子技术和计算机科学等方面的知识,以苹果为研究对象,在LED背景光源下通过NI1744智能相机对苹果图像进行实时采集,对所采集图像进行识别和处理,实现对苹果的分级。结合苹果分选装置的结构,具体介绍了供料机构、图像处理、光学检测系统、分选系统和测控系统等重要部分的设计及其工作原理,为以后水果分选机的研制提供了重要的理论依据。     

树形对适收期黄花梨糖度VIS/NIR光谱检测的影响研究

针对树体的光通透性影响果实糖分的积累,不同树形的果实品质存在差异的问题,研究了树形对适收期黄花梨糖度可见/近红外光谱检测模型的影响。采集了适收期前后6个批次、不同树形(开心形和棚架形)的黄花梨果实480个进行实验,两类树形果实糖度差异显著(p0.05),采用同一树形黄花梨建立的模型预测均方根误差(RMSEP)分别为0.69°Brix、0.64°Brix,相对分析误差RPD分别为2.08、1.97;单一树形全部样品建立的模型对不同树形样品的RMSEP分别为1.31°Brix、1.07°Brix,RPD分别为1.14、1.36;2类树形联合模型RMSEP为0.59°Brix,RPD为2.38。结果表明,树形对适收期黄花梨糖度预测模型的精度和稳健性均有较大影响,对进一步研究近红外光谱技术在田间水果采收期品质及最佳采收期检测的应用有一定的参考价值。     

番茄采摘机器人夜间照明系统设计与试验

基于试验设计方法实现了番茄采摘机器人夜间照明系统设计。提出了一种基于前景与背景类间方差和类内方差比值F的图像可分割性评价指标作为确定最佳试验方案即最佳照明系统的评价指标;考虑了光源种类、光源布局及图像采集距离3个试验因子;采用正交试验表L_(18)(6×3~6)安排试验。试验结果表明:光源种类和光源布局是影响番茄采摘机器人夜间照明系统的显著因子,图像采集距离为不显著因子;光源种类因子各水平中,荧光灯照射时图像的F最大,为2.159;光源布局因子各水平中,对角布局时图像的F最大,为2.234。因此,所设计的番茄采摘机器人夜间照明系统的最佳组合为:荧光灯、对角布局。将试验结果与基于归一化R-G色差的OTSU自动阈值图像分割算法的分割效果进行了对比,对比结果验证了基于该图像可分割性评价指标F的夜间照明系统设计方法的有效性。     

基于图像处理的黄瓜叶片含水量无损检测研究

以黄瓜为例,进行基于图象处理技术的叶片含水量无损检测研究.建立含水量图像采集及检测系统,并通过试验确定光源条件及最适背景光下叶片含水量与图像特征参数关系曲线.采用非线性最小二乘拟合方法,建立Log-Modified回归模型.本研究实现了通过黄瓜叶片图像特征判断缺水状态的无损检测目的,为指导温室合理灌溉提供了理论基础.     

基于机器视觉的大米粘连图像分割

以粘连大米为对象,分别以间隔90°的4个方向和不同高度的光源采集大米图像,然后对采集到的一系列图像用LoG算子进行边缘检测,综合不同条件下的边缘,得到粘连分界线。结果表明:这种方法对于椭圆米粒和长圆米粒的分割效果很明显。     

基于改进几何活动轮廓模型的母猪红外图像分割算法

基于母猪热红外视频在线检测的实时性和稳健性,提出了一种快速高效的母猪热红外图像轮廓分割方法。采用点运算进行对比度增强,去除大部分背景像素,减少图像数据处理量,减弱热红外图像中复杂背景的干扰;提出了能够随着图像整体对比度和局部对比度变化的权值函数,从而动态地均衡图像全局能量和局部能量的权重;结合LGIF模型,建立了一个改进权值的LGIF活动轮廓模型。应用不同分割方法对在不同姿态、不同光照、不同品种情况下拍摄的300幅母猪热红外图像进行试验,结果分析表明,所提方法能更高效地将母猪轮廓从养殖场猪圈环境中提取出来,单幅图像平均分割时间为49.67 s,正确分割率达到98%以上,研究结果可为后续基于在线红外视频监测研究提供技术支撑。     

检测皮棉内部杂质的透射成像影响因素分析

目前对皮棉杂质检测仅限于皮棉表面的图像分析，而检测皮棉内部杂质，才是完整检测皮棉杂质的关键。在分析皮棉杂质透射特性的基础上，确定了光透射成像系统中若干成像参数。对光透射成像中的若干关键技术进行深入研究，定量分析了光源种类、光源能量与透射效果的关系，分析了增强杂质透射效果的方法。通过杂质图像的分析，可有效检测皮棉中各种内部杂质。     

油菜联合收获机含杂率在线检测系统设计与试验

针对目前油菜联合收获机含杂率检测主要依靠人工、效率低、实时性差、收获机作业参数调控缺乏依据、收获质量波动大等问题,设计导流式含杂率检测装置,提出油菜杂质视觉识别算法,开发含杂率在线检测系统。基于HSV颜色空间模型,探究导流式含杂率检测装置中单侧条形光源、双侧条形光源和中心环形光源下油菜图像的亮度分布规律,结果表明中心环形光源下图像各像素点的亮度变异系数最小,图像亮度均匀性最好。对比分析含杂油菜图像在HSV颜色空间模型中前三阶像素矩阵各颜色特征参数的分布区间,结果表明油菜籽粒、杂质在H分量中的特征参数范围差异性最显著,并结合油菜籽粒、杂质的圆形度特征,提出综合考虑颜色、形态特征的油菜杂质分割算法。通过标定试验建立油菜籽粒、杂质质量与其像素数的拟合模型,将油菜籽粒和杂质的像素数转换为实际质量,实现油菜含杂率在线检测。台架试验表明,油菜杂质的查准率为91.6%,查全率为89.5%,含杂率检测平均误差为14.8%,能够准确识别油菜籽粒中的杂质并实时计算含杂率。     

基于红外差频的人眼识别及跟踪的研究

本文介绍了一种基于红外光源得到的明暗瞳孔图像做差的人眼检测及跟踪方法,应用于疲劳驾驶检测系统。利用DSP芯片来控制红外光源,获取实时图像。采用差分图像进行人眼瞳孔图像的定位检测,利用卡尔曼滤波法跟踪人眼,以适时检测眼睛的开闭状态。该方法具有准确、快速、全天候且对驾驶员无干扰等优点。     

猕猴桃分级果实表面缺陷的检测方法

猕猴桃的自动化分级中最为复杂、费时的是表面缺陷检测.猕猴桃果实表面缺陷主要包括碰压伤、划伤和日灼,检测过程包括缺陷分割和缺陷识别两个阶段.猕猴桃机器视觉采集系统采用近红外光源采集图像,并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰;图像分析获取最佳阈值,最后图像分割得到猕猴桃果实表面的黑色斑点区域,包括真正的缺陷区域和梗萼区域.通过试验表明,近红外光源能有效提取猕猴桃果实表面的划伤、腐烂伤和日灼缺陷,而且近红外光源图像有效地避免了传统光源图像的反射亮斑区域,通过实验结果,分析针对分割出的可疑缺陷区域如何正确识别,可利用双金字塔数据形式的盒维数快速计算方法,提出描述该区域粗糙度和纹理方向性的特征参数,依此来区分真正缺陷和梗萼区域.     

桃子表面缺陷分水岭分割方法研究

水果表皮缺陷的有效检测是水果自动化无损检测重要的部分,并且表皮缺陷的准确分割是对缺陷果准确分级的前提,也有助于缺陷果的分类识别。然而,通常水果表面具有较大的曲率变化,这种变化的曲率导致水果表面对同一入射光源照度反射的不均,进而影响缺陷区域的准确分割。本研究以平谷大桃为例,提出采用基于形态学梯度重构和内外标记的分水岭算法对水果表面缺陷进行分割。首先,提取R通道图像,采用NIR图像构建掩模模板并对R通道图像去背景;随后,去除背景后的图像进行形态学梯度变化获取梯度图像,并对梯度变化后的图像进行梯度重建以去除水果表面的细小噪声;接着,对重建后的梯度图像进行形态学标记运算获取标记图像;然后,采用标准分水岭算法实现缺陷的准确分割。对正常果、刺伤果、裂果、黑斑果、虫咬伤果、腐烂果和疤伤果7种表皮类型样本共计525幅图像检测结果表明,能够获得96.8%识别率。实验证明,基于形态学梯度重构和标记提取的分水岭算法能够有效用于桃子表面缺陷的分割,并不会受到桃子表面光照不均的影响。     

农畜产品安全无损检测扫描式拉曼光谱成像系统设计

构建了用于农畜产品安全检测的扫描式拉曼光谱成像检测系统,对其硬件和软件分别进行了搭建和设计,实现了拉曼光谱和图像同步获取。根据检测的实际需求和精度要求确定了检测系统中拉曼成像光谱仪、CCD相机、镜头、激光光源、移动平移台等主要元器件。开发了拉曼光谱成像检测系统实时检测与分析软件。软件以Lab View为主开发环境,实现了对CCD相机、激光光源等硬件的控制,利用Lab View与Matlab混合编程,完成数据的提取、分析计算与结果保存,通过Lab View与ENVI的混合编程,完成扫描线图像的实时合成和显示。对系统进行了安装和性能测试,光谱校正确定了CCD相机探测的拉曼光谱范围为-679.3~2 885.7 cm-1,空间校正确定了系统实际的空间分辨率为0.22 mm/像素。构建的拉曼光谱成像检测系统可快速、无损获取样品拉曼光谱和图像信息。     

基于机器视觉的采后荔枝表皮微损伤实时检测

利用机器视觉技术进行采后荔枝的品质检测与分级有重要意义。首先结合摄像机与荧光光谱仪进行了荔枝图像的光谱分析,荧光作为激发光进行荔枝果皮的发射光谱特性分析,确定了不同荧光照射荔枝果实表皮的视觉检测方法的可行性;然后设计了具有不同颜色光照转换控制功能的机器视觉系统,选定了红色、蓝色和绿色荧光灯,对正常和微损伤两种品质状态的荔枝果实荧光图像进行灰度直方图统计分析,确定了利用蓝色荧光作为照射光源以及HSV颜色空间的V分量进行微损伤荔枝果实图像识别的方法,利用探索性分析法对荔枝果实视觉检测试验结果进行统计与分析,确定了正常与微损伤荔枝果实图像分割的灰度图阈值范围,结合优化的圆拟合算法,实现了荔枝果实视觉智能分级系统的设计。试验结果表明:该研究方法对正常荔枝和表皮微损伤荔枝的识别正确率为92%,为荔枝产后智能化检测分级提供了技术支持。     

驾驶员疲劳监测方法设计

对各种疲劳驾驶监测方法进行了比较,指出了各种方法在驾驶员舒适性、监测结果准确性以及对环境背景抗干扰性方面存在的缺陷。提出基于PERCLOS法,利用红外光源、差分图像、神经网络辅助Kalman滤波器实现总体设计。采集图像使用红外光源,利用人眼对两种波长(850nm/950nm)红外光线的吸收率的明显差异,得到差分图像,同时避免了环境背景中其他波长光线的干扰,满足了全天候的要求;利用PERCLOS作为评价标准对驾驶员眼部的差分图像分析,实现了非接触的手段获取信息,解决了影响驾驶员舒适性的缺陷;利用神经网络辅助Kalman滤波器对监测对象进行跟踪,获得的有效差分图像达到17帧/s以上,保证了系统结果的实时性。试验表明,该系统对驾驶疲劳的检测准确率达到86.89%。     

基于YOLO v5-MDC的重度粘连小麦籽粒检测方法

小麦籽粒检测在千粒质量计算及作物育种方面有着重要应用,重度粘连籽粒的有效检测是其关键。本研究设计了一种YOLO v5-MDC的轻量型网络用于重度粘连小麦籽粒检测。该网络在YOLO v5s检测网络的基础上,用混合深度可分离卷积(Mixed depthwise convolutional, MDC)模块进行改进,同时将MDC模块与压缩激励(Squeeze and excitation, SE)模块相结合,以达到在基本不损失模型精度的前提下减少模型参数的目的。YOLO v5-MDC网络将YOLO v5s特征提取网络骨干部分的卷积、归一化、激活函数(Convolution, Batch normal, Hardswish, CBH)模块替换为MDC模块,减少了模型的参数,经过500次迭代训练,模型的精确率P为93.15%,召回率R为99.96%,平均精度均值(mAP)为99.46%。根据模型在测试集上的检测效果,本研究探究了训练次数、不同光源与不同拍摄距离对模型检测结果的影响,统计结果表明,在绿色光源下模型检测精确率最高,为98.00%,在5 cm拍摄高度下图像的检测精确率最高,为98.60%...     

基于全卷积神经网络的核桃异物检测装备设计与试验

针对核桃生产线的异物检测需求,首先根据现有通用的核桃加工生产线结构特点,设计并搭建了一套核桃异物检测装备,该装备包括设备框架、图像采集系统和恒定光源系统,整体尺寸为470 mm×600 mm×615 mm。然后以浙江省杭州市核桃生产基地的核桃和实际生产加工中出现的树叶、树枝、石子、金属、塑料等异物为检测对象,通过工业相机实时采集生产线上的核桃图像,获取直观的图像信息数据。结合了深度学习与计算机视觉技术,利用基于全卷积神经网络(Fully convolutional networks, FCN)的算法进行图像边缘检测,对核桃生产加工中可能出现的异物进行了检测,并通过试验对其性能加以验证。结果表明,训练集检测准确率为92.75%,验证集准确率为90.35%,检测速率为4.28 f/s,满足生产线运输速度1 m/s的检测要求。该研究即使在样本量较少的情况下,仍然得到了较好的图像分割效果,可以实现核桃生产线的异物实时检测。     

自然环境下绿色柑橘视觉检测技术研究

绿色柑橘具有与背景相似的颜色特征,自然环境下绿色柑橘的视觉检测比较困难。提出基于深度学习技术,利用Faster RCNN方法进行树上绿色柑橘的视觉检测研究。首先配置深度学习的试验环境,同时设计了绿色柑橘图像采集试验,建立了柑橘图像样本集,通过试验对批处理大小、学习速率和动量等超参数进行调优,确定合适的学习速率为0.01、批处理为128、动量系数为0.9,使用确定的超参数对模型进行了训练,最终训练模型在测试集上的平均精度(MAP)为85.49%。通过设计自然环境下不同光照条件、图像中不同尺寸柑橘、不同个数柑橘的Faster RCNN方法与Otsu分割法的柑橘检测对比试验,并定义F值作为对比评价指标,分析2种方法的检测结果,试验结果表明:Faster RCNN方法与Otsu方法在不同光照条件下检测绿色柑橘的F值分别为77.45%和59.53%;不同个数柑橘果实检测结果的F值分别为82.58%和60.34%,不同尺寸柑橘检测结果的F值分别为73.53%和49.44%,表明所提方法对自然环境下绿色柑橘有较好的检测效果,为果园自动化生产和机器人采摘的视觉检测提供了技术支持。     

数学形态学在作物病害图像预处理中的应用研究

以大田复杂背景下采集的小麦叶部病害图像为研究对象,为进一步分析小麦病害类别及程度,针对小麦叶片的几何形状特点,设计了一种基于数学形态学的小麦叶部图像预处理方法。该方法首先采用相位一致性模型进行边缘检测,然后将数学形态学中的闭运算、开运算、形态区域填充运算及形态面积开运算相结合,用于对复杂背景下混杂大量噪声的小麦叶部病害图像进行去噪、提取及重建。实验证明,该方法能有效地将图像中最突出的小麦单个叶片从复杂背景中提取出来,并能够保留原始病害图像中的病害细节信息,图像清晰完整,为作物病害的特征提取及分类识别研究提供了新的思路。     

棉花轧工质量机器视觉检测系统设计与试验

针对棉花轧工质量现行人工感官检验中存在的劳动强度大、主观性强、检测效率低等问题，设计一种基于机器视觉的棉花轧工质量检测系统。系统由压棉机构、图像采集机构、检测处理机、检测控制板卡和触控显示屏组成。设计了低角度直接照明系统与图像采集机构，LED光源以检测视窗法线呈45°方向照射，工业相机透过光学玻璃采集棉花图像。采用图像纹理特征表达棉花外观形态，通过测定轧工质量实物标准的角二阶矩，建立图像纹理特征与外观形态关系模型，融合噪声点评价与高低阈值自适应的Canny方法进行图像滤波与分割识别，根据欧氏距离进行轧工质量等级判定，并选取棉样进行系统试验验证。结果表明，轧工质量实物标准P1、P2、P3的角二阶矩分别为[0.893 2,1]、[0.689 1,0.776 1]、[0.213 6,0.587 3],各等级间的角二阶矩纹理特征值区别明显，验证了图像纹理表达棉花外观形态的可行性。系统的疵点粒数指标检测相对偏差为0.15,疵点与背景的分离效果明显。与国标检验方法相比，轧工质量视觉系统检测准确率达94.20%,检测偏差上下浮动不大于1个轧工质量等级，与国标检验结果一致性高。单个棉样系统检测耗时1....     

基于动态荧光指数的草莓干旱胁迫分析

为了探究干旱胁迫与草莓幼苗荧光图像参数的关系,设计了草莓幼苗叶绿素荧光图像采集系统,研究利用460 nm波长LED光源主动激发不同胁迫组分下的草莓幼苗,采集从激发开始到稳态阶段的荧光图像.提出基于最大类间方差法的阈值分割及图像去背景方法进行图像预处理,并根据每幅图像的像素均值绘制荧光淬灭曲线,分析荧光衰减比率、动态荧光指数与胁迫天数相关关系.结果表明:离体叶片的荧光淬灭曲线衰减变化较大,荧光衰减比率与干旱胁迫时间高度相关,决定系数R²=0.98;活体草莓幼苗荧光衰减比率在干旱胁迫7 d内相比对照组存在较明显变化,荧光淬灭曲线550 s处的动态荧光指数与干旱胁迫天数存在较高相关性(决定系数R²=0.84),可以作为模型分析草莓幼苗干旱状况;经过数字处理的荧光图像可以直观地分析叶片荧光二维分布、进行不同胁迫天数之间的荧光比对,结合图像的叶绿素荧光分析相较传统的荧光检测手段更加经济直观,可以作为一种农业生产监测手段来实现干旱胁迫预警.