真彩色图象显示技术

一、引言 目前市场上销售的图形显示适配器至少配有1MB的视频存储器,能够显示真彩色图像,但很少利用。其实,充分利用图形显示适配器硬件功能不仅可以显示色彩逼真的图像,制作多彩的软件封面;而且对硬件的直接操作可大大提高图像的显示速度,在此基础上作一些彩色图像处理研究工作,省去了价格昂贵的图像处理卡。     

基于可见/近红外光谱技术的便携分析仪的应用

目的为解决水果内部品质信息的快速无损检测,自主研制了一台基于可见/近红外光谱技术的便携式分析仪,通过试验验证其可行性及所建模型的鲁棒性。方法以红富士苹果为检测对象,采集透射光谱曲线,与化学指标可溶性固形物含量(soluble solid content,SSC)分别建立基于平均光谱、基于各采样光谱的偏最小二乘(partial least squares,PLS)回归模型,比较预测精度并对非同批次样本进行预测。结果试验表明该分析仪对苹果SSC具有较高的测量精度,特别是基于各采样光谱的PLS模型,对同批次样本预测相关系数(Rp)达到0.924,预测均方根误差低至0.429%Brix,预测精密度(平均偏差)低至0.136%Brix,对非同批次样本SSC表现出较强的鲁棒性能,预测均方根误差为0.531%Brix。结论通过此项研究,表明该便携分析仪可用于水果内部品质信息的定量分析,并建议采用基于各采样光谱建立的回归模型用于外来样本的预测。     

基于计算机视觉的槟榔分级研究

槟榔品种的分级技术目前比较落后,主要靠人工完成分级,因而品种分级的质量难以得到保证。该试验用计算机视觉技术进行品种分级,通过图像获取、预处理等提取其颜色特征、形状特征和纹理特征,通过试验分析,发现由颜色和形状特征参数结合起来即可以获得较好的效果。并对其进行主成分分析后代入支持向量机进行分级,预测集的正确识别率达到90.38%以上。     

ASM和BP网络在苹果果形研究中的方法比较

形状判别是苹果外观品质检测中不可缺少的内容。本文先后采用主动形状模型(ASM)和基于傅立叶描述子的神经网络方法进行苹果形态分级。实验结果表明:传统神经网络方法的判别准确率为83．3%左右,而ASM方法的分级效果较好,对苹果果形的判别准确率高达95%,模型与实际对象匹配的时间不超过2s,且直观性强、鲁棒性好,具有较好的灵活性,能够满足苹果实时分级的需要。     

基于siPLS的猕猴桃糖度近红外光谱检测

为了探寻一种快速无损检测猕猴桃糖度的方法,利用小波滤噪法对猕猴桃1000～2500nm 近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型。结果表明,采用联合区间偏最小二乘法将光谱划分为16 个子区间,利用其中的第9、11、13 号3 个子区间联合建立的糖度模型效果最佳,其校正集相关系数和均方根误差分别为0.9414 和0.3788。预测集相关系数和均方根误差分别为0.9295 和0.3904,主因子数为7 个。研究表明,用小波滤噪和联合区间偏最小二乘法所建立的猕猴桃糖度模型不但减少建模运算时间,剔除噪声过大的谱区,而且预测能力和精度均有所提高。     

SUSAN算子在苹果图像缺陷分割中的应用研究

该文介绍一种新的分割算法——SUSAN算子。SUSAN算子是一种基于图像局部灰度特征的算法，利用一个圆形的模板对图像进行扫描，比较模板内部的点与模板中心点的灰度值，如果灰度差值小于一定的阈值，就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数，与一个阈值进行比较，判断该点是否属于某个区域的边缘点，从而实现对图像的分割。应用SUSAN算子对苹果图像的缺陷区域进行分割，可以快速准确地分割出苹果图像上轻微的损伤。经过对100幅图像的检验测试，得出分割准确率为96％。     

遗传算法在智能气体检测装置中的应用研究

当今国内外对智能气体检测装置的研究异常活跃,它涉及传感器融合技术、计算机技术和应用数学以及各具体领域的一门综合性技术.其中最重要最难的因素是传感器特征提取技术和计算机特征数据融合技术,使智能气体检测装置能快速准确的识别不同气味.然而,目前尚无令人满意的方法.本文中研制了适用于传感器阵列反应的试验装置,在获得传感器与溶液气体反应的整个过程的数据的基础上,提取了传感器与溶液气体反应的特征值,利用遗传算法提出了一种新方法称为"遗传特征参数法"它能较好的识别不同溶液的气味.该方法也可用于解决其它模式识别问题.     

图像处理技术在薯条颜色质量检测中的应用

尝试用图像识别来评判薯条的外观质量,以代替人工检测。作者基于图像处理技术,通过对样品的采样,利用最大方差自动取阈法对图像进行分割,实现对象物与背景的分离;采用中值滤波去掉大量的噪声;利用色度学HIS系统提取颜色特征,实现对薯条颜色的识别。试验结果表明,此技术的判别准确率达92.7％以上,而且操作简单。     

可见/近红外光谱半透射法检测苹果中可溶性固形物含量

目的 检验自行搭建的半透射光谱采集平台检测水果中可溶性固形物含量的可行性, 并比较不同光谱采集方式对光谱模型的影响。方法 以红富士苹果为检测对象, 光谱采集平台中的USB2000 光谱仪采集半透射光谱数据, AntarisⅡ FT-NIR光谱仪采集漫反射光谱数据, 同标准法检测得到的苹果可溶性固形物含量建立偏最小二乘(PLS)模型, 并结合不同的预处理方式优化近红外光谱模型。结果 比较发现采用半透射的光谱采集方式优于漫反射方式。半透射光谱采用平滑处理后模型预测性能最佳, 对样本预测得到相关系数为0.937, 均方根误差为0.517。结论 自行搭建的光谱采集平台可行, 为今后检测水果的光谱采集方式提供参考。