基于高光谱成像技术的灵武长枣常见缺陷检测

以灵武长枣为研究对象,利用高光谱成像技术结合主成分分析法(principal component analysis,PCA)和最小噪声分离法(minimum noise fraction,MNF)对长枣缺陷进行快速检测与识别,主要探讨样本背景对缺陷识别的影响。首先,采集虫眼、裂痕、正常枣的高光谱图像,利用PCA法和MNF法分别对其降维去噪,选择虫眼与正常枣的PC1和M1图像、裂痕枣的PC2和M2图像进行缺陷识别,经PCA分析后的缺陷识别率均为100%,MNF处理后的识别率分别为69.2%,56.8%,100%;随后对其高光谱图像进行掩模去背景,再对其降维去噪后检测识别,PCA后的识别率均为100%,MNF后的识别率分别为73.1%,65.9%,100%。结果表明:利用高光谱成像技术结合两种降维去噪法对长枣常见缺陷的识别是可行的,背景干扰对于PCA法的缺陷识别不影响,其识别效果优于MNF法,且去背景后的MNF法缺陷识别率较未去背景的有所提高,为后续长枣缺陷的在线检测提供理论依据。     

基于稀疏表示分类的家具表面缺陷检测

针对家具表面的死节缺陷,提出一种基于图像颜色特征和稀疏表示分类的家具表面缺陷检测方法。首先将RGB转换为HSI图像,分别提取HSI、RGB空间颜色分量,将各颜色分量灰度图分成一系列小块,提取每块子图的特征值,选取部分缺陷与背景子图的特征值作为训练样本集,利用稀疏表示分类算法得到家具表面的缺陷目标,最后经过腐蚀膨胀消除缺陷边界小点使缺陷边界平滑,实现家具表面的缺陷检测。实验结果显示,该方法能够有效的检测出家具表面死节缺陷,为现代家具表面缺陷检测提供准确、快速的识别算法。     

一种去柄鲜香菇视觉分级系统设计

针对鲜香菇深加工智能化生产要求,提出了一种基于机器视觉的去柄鲜香菇智能分级方法,并设计了一套自动分级系统。去柄鲜香菇图像可分为菌盖、包边和菌褶等区域,各区域的几何特征是分级的主要依据。首先利用人工干预法对有限个样本进行区域划分和标识,并建立高斯混合模型;对经过标识的样本进行训练,识别出模型参数;再利用该模型实现香菇各区域以及背景的智能分割,对各区域的圆度、直径、均匀性等几何特征进行量化,设置不同的分级标准,最终实现香菇的分级。仿真结果表明,相比于传统的人工分级方式,试验设计的自动分级系统的可靠性、速度、稳定性等指标具有非常明显的优势。     

基于机器视觉的淡水鱼去鳞损伤无损检测识别方法

为了研究淡水鱼去鳞损伤无损检识别方法,以鲤鱼为研究对象,搭建视觉采集系统,实现图像采集与处理。通过采集鲤鱼去鳞后有去鳞损伤的图像,将样本图像划分为鱼腹、鱼背、鱼尾、损伤、背景五部分,提取感兴趣区域(ROI),比较其颜色差异,发现正常鱼体的表面区域与损伤区域颜色差异较大,以不同区域对应的红色通道值(R)、绿色通道值(G)、蓝色通道值(B)对应像素的平均值作为输入,建立基于广义神经网络(GRNN)和径向基函数神经网络(RBF)的鱼体损伤区域检测识别模型,经测试,识别准确率分别能达到98%和80%。通过计算预测损伤区域与实际损伤区域的相关面积大小,验证识别模型的准确度,经试验验证,基于GRNN和RBF网络识别模型对去鳞损伤预测的准确率分别达到了90%和83%。研究结果表明,机器视觉可应用于淡水鱼去鳞损伤的无损检测识别。     

柑橘病虫害疤痕的计算机视觉识别

为提高柑橘果面缺陷机器识别的正确率及缺陷等级的分级精度,研究柑橘病虫害疤痕的计算机视觉检测.对柑橘图像设置蓝色分量阈值去除背景,统计44幅有病虫害疤痕的柑橘图像中疤痕的亮度值,以此经验值作为亮度分段阈值,提取病虫害疤痕,并对病虫害疤痕进行逐行扫描连通,形成连通的病虫害疤痕区域,对该区域进行离散傅里叶变换,取其前4个谐波分量区分病虫害疤痕与果萼、果梗和花萼.44幅柑橘图像中疤痕的正确识别率为88.64%.试验结果表明:该方法能将柑橘病虫害疤痕进行识别与分级.     

基于视觉图像的鲅鱼新鲜程度的检测方法

鲅鱼新鲜程度是评价其质量好坏的重要因素。为提高鲅鱼检测新鲜程度准确性,研究基于视觉图像的鲅鱼新鲜程度的检测方法。研究对象是某地海鲜市场中的30条鲅鱼,通过鲅鱼视觉图像采集系统采集鲅鱼视觉图像,利用区域填充算法及形态学开运算对采用大津法分割的鱼体二值图像进行填充及去噪,融合上山法与区域生长方法分割鱼眼区域,通过全局动态阈值分割方法分割鱼鳃图像;提取图像特征时,利用图像的R、G、I分量灰度均值提取鱼体、鱼眼及鱼鳃图像颜色特征,采用G分量提取鱼眼中心区域面积。将图像特征输入到NeuroShell 2神经网络判别模型中,实现鲅鱼新鲜程度的有效检测。经实验验证,该方法检测鲅鱼新鲜程度的准确率平均高达98.28%,依据鱼眼中心区域面积+颜色灰度均值特征进行鲅鱼新鲜程度检测的准确率最高,且检测不同死亡时间的鲅鱼新鲜度的检测准确率高达95%,说明鲅鱼新鲜度的检测为海鲜检测提供了理论基础。     

基于机器视觉的碳纤维预浸料表面缺陷检测方法

针对碳纤维预浸料表面缺陷人工检测方法效率低、成本高、实时性差等问题,提出基于机器视觉的碳纤维预浸料表面缺陷自动检测方法。首先,在碳纤维预浸料生产线上,采用2台高分辨率线扫描相机快速连续采集图像,从中随机选择带有缺陷的图像1 000张;其次,基于大气光散射模型对图像进行去雾增强处理,以消除白色树脂的干扰;然后,改进具有19个卷积层和5个最大值池化层的YOLOv2目标检测算法,用于缺陷的检测;最后,对预处理后的图像进行网络训练提取图像特征,识别图像目标,并对训练好的网络进行实验验证。结果表明:该方法在复杂的工业环境下,具有较高的识别精度和鲁棒性,识别成功率达到94%以上,且每张图像的检测时间不超过 0.1 s,可满足工业生产中精度和实时性要求。     

基于计算机视觉的核桃外观缺陷检测

为快速准确识别核桃外观缺陷(黑斑、破裂),自行搭建图像采集系统采集样本图像。预处理后采用形态学和逻辑运算去除背景,基于样本图像提取18个颜色特征参数和20个纹理特征参数。采用形态学和逻辑运算提取缺陷部分和样本投影像素面积的比值t以及样本图像阈值分割后二值图像的欧拉数。分别采用回归系数法(Regression Coefficient,RC)和连续投影法(Successive Projections Algorithm,SPA)优选特征参数并建立偏最小二乘法(PLS)模型。结果表明,基于SPA法优选特征参数建立的模型性能最优。将SPA法提取的5个优选特征参数作为输入建立最小二乘支持向量机(LS-SVM)模型,并对预测集样本进行预测。结果表明,对正常核桃、黑斑核桃、破裂核桃的判别准确率分别为88.9%、83.3%、94.6%,总判别率为88.9%。本研究建立的方法能够很好的对核桃外观缺陷进行检测,为今后核桃的在线检测分选提供了技术支持。     

机械零件图像表面瑕疵的检测算法

针对机械零件表面瑕疵检测问题,将机器视觉技术用于零件表面图像瑕疵的提取和分析,提出一种基于粒子群优化算法加权模糊C均值聚类的零件缺陷图像智能分割算法,精确定位了机械零件表面的瑕疵区域。缺陷的形状特征是判断其类型的重要依据,提取缺陷的形状特征,设计支持向量机分类器来检测划痕、裂纹、砂眼等表面瑕疵。研究结果表明,该方法具有较强的实用性,在实验数据库上达到90%以上的正确识别率。     

梯度空间下的丝饼表面缺陷检测

为解决工业生产中人工检测丝饼表面缺陷效率低、漏检率高的问题,提出了一种在梯度空间下根据图像信息熵变化和能量分布的差异来检测丝饼表面缺陷的方法。首先设计一套基于机器视觉的丝饼图像采集装置,用于获取传输过程中的丝饼表面图像;然后将丝饼图像转换到梯度空间域,构建一个信息熵和能量的组合特征用来表征缺陷,选择适当的临界阈值区分丝饼缺陷区域与正常区域;最后对分割出的丝饼缺陷利用形态学处理得到最终的检测结果。实验结果表明,该方法对丝饼表面污渍、压痕、起毛等缺陷具有较好的检测效果,缺陷识别准确率高、速度快,可满足工厂对检测准确性和实时性的要求,实现丝饼表面缺陷的自动化检测。     

基于OpenCV的食品包装缺陷分割方法

针对现有食品包装表面印刷缺陷分割算法中分割速度慢、精度低的问题,提出基于OpenCV实现图像差分与形态学处理结合的表面缺陷分割方法。分别对模版图像和待测图像进行高斯低通滤波运算;将预处理后的两幅图像作差分运算,得到其差分结果;采用形态学开运算来去除差分图像的噪声并标出目标缺陷位置。选取污点、飞墨、漏印3类缺陷样本各30组进行试验,结果表明:该法能够达到的平均准确率为91.51%,93.41%,94.14%,平均的分割时间仅为46.6ms。     

基于改进CNN和数据扩充的苹果表面缺陷检测

目的:提高苹果表面缺陷的检测准确率和效率。方法:基于改进卷积神经网络(CNN)和数据扩充建立苹果表面缺陷检测方法。改建CNN的拓扑结构,并将其用于苹果表面缺陷检测;利用条件生成对抗网络,合成表面无缺陷和有缺陷苹果图像,实现图像数据扩充和提高改进CNN的苹果表面缺陷的识别性能;通过模型剪枝,合理权衡苹果表面缺陷的检测准确率、检测时间及节能限制,以提高所提方法的实用性。结果:当改进CNN中的解释层选用2 048个解释性神经元时,平均检测准确率最高;条件生成对抗网络增强了苹果图像数据集的多样性;随着增强图像数在测试数据集中占比的增加,所提方法对苹果表面缺陷的检测准确率不断升高;当剪枝后的模型尺寸占原始模型尺寸的百分比从100%降至50%时,可以以6.96%的准确率损失将苹果表面缺陷的检测效率提升1倍。结论:试验方法有望在苹果生产和加工过程中实现自动化缺陷检测。     

基于计算机视觉的纸张填料粒径分析方法

针对现有纸张填料粒径分析过程中使用的激光衍射法存在的缺点,提出一种基于计算机视觉的纸张填料粒径分析方法。将获取到的扫描电子显微镜图像进行预处理,去除噪声等影响统计粒径分布的因素,对图像中存在的填料颗粒粘连比较严重的部分采用改进的分水岭算法进行图像分割,进而利用快速连通域标记及欧拉数算法确定填料颗粒的粒径分布。最后将采用计算机视觉方法计算的填料颗粒粒径分布结果与采用激光衍射法得到的结果进行对比。在放大1500倍沉淀碳酸钙填料颗粒图像上的实验结果表明,采用计算机视觉方法计算的纸张填料粒径分布与激光衍射法测得的结果基本一致,中位径误差小于1%,累计粒度分布数达到85%时,误差在6%左右。     

香菇中甲醛含量测定的不确定度分析

依据NY/T 1283-2007《香菇中甲醛含量的测定》,对香菇中甲醛的测量不确定度进行评定。在中性条件下,将溶解于水中的甲醛随水蒸馏出,在沸水浴中,溜出液中甲醛在乙酸-乙酸铵缓冲溶液介质中,与乙酰丙酮生产稳定的黄色化合物,冷却后在412nm处测其吸光度,外标法定量。系统分析了该法测量结果的不确定度来源并对其进行评定,对各不确定度分量进行了量化,提出了该法的合成不确定度。     

香菇鸡蛋羹工业化生产配方优化及凝胶特性研究

以鸡蛋和香菇粉为主要原料,通过单因素结合响应面试验考察了水的添加量、蔗糖的添加量、香菇粉添加量对香菇鸡蛋羹感官品质的影响,利用质构仪、DSC(差式热量扫描仪)、RVA(快速粘度分析仪)研究未添加蔗糖和香菇粉、只添加香菇粉、只添加蔗糖、同时添加蔗糖和香菇粉的四种蛋羹的凝胶特性的变化。实验结果表明,当水添加量为173.28%、蔗糖添加量为4.04%、香菇粉添加量为1.57%(均以蛋液质量为基准),香菇鸡蛋羹感官品质预测最佳得分为88.94分,验证实验感观评分为90分。同时添加蔗糖和香菇粉显著增强香菇鸡蛋羹的硬度和咀嚼性,热焓值最大,凝胶强度也最大,研究结果表明蔗糖和香菇粉同时添加对香菇鸡蛋羹的凝胶强度具有增效作用。这为香菇鸡蛋羹的工业化生产奠定了一定的理论基础。     

一种用单幅图像生成真实感立体图的算法

立体印刷图像通过柱透镜光栅阵列进行分像,形成左右视觉图像而产生立体感觉,因而,图像的分像处理就是立体印刷图像的关键。通过摄影得到的平面图像不包含左右视图而失去了深度信息,因此,用单张平面图像不能获得真实感的三维信息,通过图像处理一般只能得到有限层的假立体图像,而不能得到真实立体感的图像,必须增加额外的约束条件。在已知目标物体表面形状函数的特定情况下可以进行三维形状重构处理,得到真实感立体图像。对该处理方法进行了讨论,该方法可以应用于立体印刷图像的处理和三维场景的再现。     

香菇多酚超声波提取工艺及抗氧化性分析

以干香菇为原料,乙醇溶液作为提取溶剂,在单因素试验的基础上,结合响应面法优化了香菇多酚的提取工艺,并采用大孔树脂吸附法对香菇多酚进行分离纯化,通过体外试验来评价其抗氧化活性.试验结果表明,香菇多酚的最佳工艺参数为乙醇浓度50％、提取温度74℃、料液比1∶42 (g/mL)、超声功率146 W,在此条件下,香菇多酚得率为...     

基于图像传感技术的娃娃菜外观品质检测

目的设计一套基于图像传感技术分析娃娃菜外观品质如尺寸、重量、瑕疵点等的检测方法。方法搭建一套图像采集平台拍摄娃娃菜不同侧面,应用图像处理技术,分割出娃娃菜图像区域,并数字化其区域特征信息(包括:投影面积、尺寸、瑕疵点面积等)。结果建立合格娃娃菜的侧面投影面积与重量真实值间的线性关系,其相关系数为0.938,均方根误差为36.52 g;对比人工检测,图像法可以识别出娃娃菜外表面95%的瑕疵点(腐黑点、裂纹裂缝等);参照娃娃菜的分级标准,以图像法获取各特征指标,结合聚类算法分级娃娃菜,其中K-medoid法准确率为100%,Gath-Geva法准确率为96.67%。结论机器视觉技术可应用于娃娃菜的自动检测和分级,为在线无损检测提供参考。     

基于Contourlet变换的磁瓦表面缺陷检测

文章选取磁瓦为小型金属零件的特例,采用多目智能视觉技术,针对常见缺陷进行检测,提出了一种基于Contourlet变换的磁瓦表面缺陷的检测方法.结果表明,与基于小波变换的磁瓦表面缺陷检测的算法相比,该方法能够更精确地检测出表面缺陷,具有较高的检测率.