赵彦如[1]2004年在《基于虚拟仪器的鸭梨品质检测计算机视觉系统研究》文中研究指明利用计算机视觉技术进行水果品质的在线检测与分选技术研究，对提高果品市场竞争力与产品增值效益具有重要应用前景。目前在我国，因缺乏农产品品质检测标准和手段，使各种农产品混杂上市，在国际市场上缺乏竞争力，初级农产品得不到增值，给国家和农民造成了巨大的经济损失，特别是在我国加入WTO世界贸易组织之后，这一需求显得更为迫切。本文就是在这样的背景下，研究了水果在线检测与品质分选的方法和技术，目的在于解决动态条件下，图像质量差，信息量大，实时处理能力低，检测精度低等问题。水果的外部品质主要涉及大小、形状、颜色和表面缺陷。主要研究内容如下： (1)图像低层处理算法是利用计算机视觉进行水果在线快速分级的基础。本文首先对图像低层处理中的图像平滑、图像增强、图像分割、边缘检测、边缘细化等算法进行了比较和研究，得到了适合水果在线快速分选的低层处理算法。特别是在边缘检测方面采用了模板分析法，这种方法检测的图像面积仅约为传统方法的1／2，因此检测速度约是传统方法的2倍。 (2)国内研究者提出的水果形状、大小识别算法，都是围绕水果中心轴线来提取特征参量，而水果在分选生产线上的状态是随机的，故这些特征参量的提取方法不再适合于在线状态。为此，本文采用质点法计算形心，确定形心以后再计算最大果径，用傅立叶变换描述果形。 (3)本文利用颜色模型RGB、HIS进行颜色分级。水果表面缺陷的识别复杂而费时，一直是实现水果自动化分级的障碍。真正缺陷区与梗萼凹陷区的快速识别是国内外研究的另一热点，因为这是造成分级误差的主要原因。为此，本文提出基于人工神经网络的快速识别新方法。 (4)建立了以分级为目的的软硬件系统。硬件系统可完成水果的传输和动态捕获图像的功能。软件系统完成水果大小、形状、颜色以及表面缺陷的分级功能。软件开发工具为LabWindows／CVI6.0，IMAQ，IMAQ-Vision；IMAQ是采集卡驱动软件，它提供了丰富的图像采集驱动函数，可直接在用户的应用程序中调用这些函数；IMAQ Vision是一个高级图像处理分析软件包，它包括一整套丰富的MMX优化函数，具备灰度、彩色及二值图像的显示、处理和图像形态学处理等功能。
齐晓娜[2]2005年在《鸭梨品质检测与分级计算机视觉系统的研究》文中研究表明鸭梨是河北的特产水果,也是我国主要出口水果之一。鸭梨的品质分级是其产后处理和市场销售的一个重要环节。我国的水果分级一直是手工进行,费时、效率低下,主观性强,不能保证出口鸭梨的品质。因此迫切需要开发一套先进的自动分级系统。 计算机图像处理和机器视觉技术的发展大大推动了水果分级研究的进展。本研究应用视觉检测技术对鸭梨进行品质检测和分级。建立了鸭梨分级软硬件系统,从鸭梨的形状、大小、颜色入手,选出符合梨的外观品质检测的4个特征参数,分别是鸭梨横径,果形指数,鸭头特征,色泽。依据这4个特征参数通过改进BP神经网络将鸭梨分为AA级、A级和等外品叁个等级。另外,文中对鸭梨的表面缺陷做了一些讨论。 鸭梨分级系统包括图像采集、预处理、特征提取、分级四个部分。 图像采集的硬件系统包括PC机,NI公司PCI/PXI-1411图像采集卡及自制照明箱。照明箱内壁喷有哑光白漆,内装有Panasonic WV-CP240/G彩色摄像头,40W环形荧光灯和升级载物台。实验中,将鸭梨放在升级载物台上,在黑色背景下,对每个鸭梨采集叁幅彩色图像,每隔120°采集一幅,以保证采集到鸭梨的全表面。 将采集到的彩色图像进行图像转换、中值滤波、图像增强、图像分割、边缘检测等预处理,得到便于进行特征提取的图像。其中特点是获得去除梨梗的梨体图。方法是通过阈值处理得到带梗的鸭梨图像和单独梨梗的图像,再将两图进行减操作,即得到去除梨梗的梨体图。 特征提取中,鸭梨横径和果形指数采用最小外接矩法获得。鸭头特征选用优等果形的梨头作为模板,与其它鸭梨图像进行匹配,比较鸭梨图像与模板鸭头的近似程度,将匹配的分数作为鸭头明显与否的标准。对于颜色特征,选取HSV模型中与亮度无关的H通道来进行研究,将鸭梨最大内接圆内所有像素的H值的平均值作为鸭梨颜色特征值。 分级部分将获得的4个特征值作为神经网络参数,输入改进BP神经网络系统。神经网络结构为4-10-3,隐含层选用S函数,隐含层和输出层之间选用线性转移函数。实验中人为选出AA级、A级鸭梨各10个,等外品8个作为训练样本输入网络进行训练,再取3个等级的共33个鸭梨作为检验样本。实验结果表明分级准确率可达85%。 软件部分由Labview及NI公司图像处理软件包IMAQ Vision开发。分级所用BP神经网络训练分级程序由Matlab语言神经网络工具箱编写。软件界面友好,操作简单。
刘佳[3]2016年在《基于LabVIEW的大麦生长远程监控系统的设计与实现》文中进行了进一步梳理随着我国现代农业的不断发展,农业监控技术已取得了长足的进步,同时由于对大田的生产和设施环境监测性能的要求也越来越高,为此就推动着对大田智能化监控技术的深入研究。大麦是啤酒生产的重要原料,甘肃又是我国大麦种植大省,为实施田间管理增产增收农艺措施,需要及时有效的掌握其田间生长状况。为此,本文依据虚拟仪器设计原理,以田间种植大麦为监测对象,在LabVIEW和NI Vision平台上设计并开发了一套大麦生长远程监控系统。同时,利用机器视觉技术对所采集到的图像进行了处理,探究了大麦主要病害识别。本文主要完成了以下几个方面的研究工作:1、结合实际田间环境,设计了大麦田间监控系统的网络构架,选择了软硬件开发平台和网络通信协议,并确定了上位机监控系统的开发环境。2、以LabVIEW为软件开发平台,设计了大麦监控系统的人机交互界面,实现了图像的传输和参数的设置,并提供用户管理功能。利用Remote Panels技术实现了对大麦的远程监控,开发了监控界面,实现了对大麦田间摄像头采集图像视频的远程接收,以及在远程客户端的实时显示。3、研究并开发了大麦生长信息监控中心,建立了基于Microsoft Access的系统数据库,实现了对用户信息的管理以及对已采集大麦图像的检索、删除等功能;并实现了大麦图像的处理、分区显示、存储和压缩等功能。4、利用LabVIEW Application Builder生成了最终的监控应用系统安装包,便于没有安装LabVIEW软件的用户使用。5、采用视觉助手Vision Assistant 2011对采集的大麦图像实施了预处理、图像分割、特征提取等,并采用BP神经网络进行了大麦病害图像的识别处理。6、系统实际性能实验,测试结果表明本系统视频传输速率可达到1Mb/s以上,分辨率为320×240时系统传输帧速数达到16fps。监测的田间大麦个体茎叶的色彩、纹理以及群体显示正常,采集传输视频画面播放流畅,画质清晰稳定,田间监控画面像素与色彩及处理等功能符合病虫害农艺识别要求,达到监测设计指标。
汲书强[4]2004年在《液压式万能材料试验机数控化系统研究》文中研究指明试验机是用来进行材料力学性能指标测定的设备，在各类材料的产品质量检验、生产过程质量控制、材料科学研究和教学试验中都需要应用试验机来进行力学性能测试。而其中在静态万能材料试验机上的拉伸、压缩、弯曲、剪切等试验尤为广泛。我国静态万能试验机为数众多，遍布于全国各地，大部分不具备电测能力，以手动调整进、回油阀的方式运行，试验手段落后，有劳动量大和测试结果不准确等缺点。若对其指示、记录系统及控制系统进行适当的技术改造，则可以充分地发挥设备的潜能，大大提高其技术性能及使用价值，更好地为材料研究、质量控制和实验教学服务。 本系统将先进的虚拟仪器技术、传感技术、测试技术和控制技术相结合并应用于静态试验机，来实现力学性能参数的自动检测，其中试验数据的实时采集、自动处理分析和试验中的加载速率控制是本系统研究的重点。 本系统在充分掌握大量试验机的动态信息的基础上，采用虚拟仪器技术，进行了静态万能材料试验机数控化系统的硬件搭建及软件设计。硬件上分析了各种元件的工作原理，利用压力传感器、变形传感器(又称引伸计)和位移传感器检测各试验数据，采用FIFO缓存技术实现了试验数据的自动实时采集；利用计算机强大的存储功能和快速的计算、逻辑分析功能，实现了试验数据的自动处理；通过比例阀来控制流量的大小来实现试验机运行速率的自动控制。软件上在虚拟仪器开发平台LabWindows／CVI强大功能的支持下，采用模块化设计方法，实现了信号的采集、动态显示、试验数据的正确分析处理；利用简单实用的PID控制技术和Adaline自适应线性元件结合的方法，配合多线程采集技术，实现控制信号的准确输出达到应力、应变和定荷控制的目的。 整个系统具有界面友好、操作方便、功能齐全等优点。结果表明，基于虚拟仪器的静态液压万能试验机数控化系统试验操作过程稳定可靠，避免了人为的读数误差、计算误差以及相关数据不能同时记录所引起的试验结果的偏差，提高了测试精度和试验效率。本系统可广泛应用于我国的钢铁、建材、冶金、化工等行业中，具有较高的推广应用价值。
李轶凡[5]2016年在《水果缺陷和内部品质同时在线检测方法研究》文中提出水果缺陷和内部品质同时在线检测技术具有重要现实意义,可以发现水果的内外部缺陷并及时剔除,提高了水果的内部品质,实现水果优质高价的同时提高了市场竞争力。在对外贸易中,有利于减少果农在出口创汇中的损失,提高水果产业附加值水平。与传统的有损检测相比,可见/近红外光谱漫透射技术不用破损样品,操作简便,具在线检测技术优势,在很大的程度上提高了检测的速度,准确性。本文以鸭梨黑心病,大黄桃表面缺陷和柑橘浮皮果为研究内容,探究同时在线检测水果缺陷和内部品质的可行性。本研究为打破技术垄断,降低外贸退货率,为果农增收创汇,提供了科学的参考和有力的技术支持。本研究的结果和结论如下所述:(1)采用可见/近红外光谱技术在线检测鸭梨黑心病,建立了峰面积判别法,主成分分析法(PCA)和偏最小二乘判别法(PLS-DA)的定性判别模型。其中PLS-DA判别模型对鸭梨黑心病的判别正确率为100%。同时,建立了鸭梨剔除黑心病梨的正常果内部品质的偏最小二乘模型,最优模型的Rp为0.93,RMSEP为0.45。Brix。(2)采用可见/近红外光谱技术在线检测大黄桃表面缺陷,建立了主成分分析法(PCA),最小二乘支持向量机(LS-SVM)和偏最小二乘判别法(PLS-DA)的定性判别模型。其中,PLS-DA判别模型对大黄桃表面缺陷的判别正确率为100%。同时,建立了大黄桃剔除表面缺陷果的正常果内部品质的偏最小二乘模型,最优模型的Rp为0.95,RMSEP为0.71。Brix。(3)采用可见/近红外光谱技术在线检测柑橘浮皮果,建立了主成分分析法(PCA),反向传播神经网络(BP-ANN),最小二乘支持向量机(LS-SVM)和偏最小二乘判别法(PLS-DA)的判别正确率为100%。同时,建立了柑橘剔除浮皮果的正常果内部品质的偏最小二乘模型,最优模型的Rp为0.88,RMSEP为0.77。Brix。(4)采用可见/近红外漫透射技术结合化学计量学方法,进行了水果缺陷和内部品质的同时在线检测,结果显示检测效率在96%以上。研究结果表明,同时在线检测水果缺陷和内部品质是可行的。
李铁[6]2011年在《基于LabVIEW的温室环境监控系统的研究》文中进行了进一步梳理随着我国现代农业的发展,温室环境监控技术的发展也取得了很大进步,但是也存在温室环境监控系统自动化水平相对较低,系统设计复杂,现代管理水平较低等缺点。目前,大多数的温室监控系统集中在以微型计算机为控制核心,此类温室环境监控系统主要在系统硬件的基础上进行数字化处理,在硬件内部直接传输、判断和处理,监控过程的直观性、系统与用户的交互性以及系统的灵活性较差。虚拟仪器(Virtual Instrument,简称Ⅵ)技术的引入,为温室监测技术的发展提供了新的思路。虚拟仪器突破传统仪器将软件和硬件电路封装一体,利用操作面板为用户提供不可修改其功能的限制,而是通过应用程序将计算机资源和仪器硬件功能相结合,形成用户可以根据个人需求自定义的测量系统。本文在传统温室监控系统的基础上,提出了基于虚拟仪器技术的温室监控系统的设计,将传感器技术、计算机技术和虚拟仪器技术等有机结合,将传统的仪器硬件功能集成,大大突破了传统监控系统在数据采集、处理、显示和存储方面的限制。本系统采用虚拟仪器设计思想,以LabVIEW10.0为软件开发平台,采用温湿度传感器AHT2M1测量温室环境参数,通过PCI-6251多功能数据采集卡将采集到的环境数据发送到LabVIEW平台进行分析处理,实现了数据采集、处理、显示、储存以及超限报警等功能,通过参数设置模块可以快捷地配置系统参数,通过数据库管理模块可以方便地查询、编辑和输出历史数据。最终实现对温室的温度、湿度的监控与预警。系统测试结果表明,该系统能够实时准确地采集数据温度和湿度值,较好地满足温室环境监测的要求,系统运行情况良好,达到了设计目标的要求。
杨静[7]2011年在《基于LabVIEW的彩色图像目标提取系统研究》文中提出随着计算机技术的飞速发展,机器视觉的研究也越来越受到人们的青睐。所谓机器视觉一般是指通过建立摄像机与计算机的通讯来模拟人眼的功能,使得图像或图像序列在处理之后,能够提取出有效的信息,有助于对外界环境中的事物进行形态和运动的识别。机器视觉的一个重要任务就是对图像中的特定目标进行提取,而目标提取的速度、精度与准确性直接决定了对后续运动目标的识别与跟踪的有效性。在各种光学图像中,对外部客观世界最为逼近的描述当属彩色图像。因此,对彩色图像进行处理有助于我们获得更多的有效信息。本文就彩色图像中的图像分割和目标提取中的一些问题进行了较为系统的讨论,提出了一种彩色图像目标提取综合算法,并把图像处理算法成功地应用到目标提取系统中,最后在LabVIEW开发环境下完成了相应的实验。本文首先研究了目前常用的目标提取算法,包括图像分割方法、帧间差分法、减背景法、聚类分析法和光流法,详细分析了每种算法的原理,尤其对图像分割中阈值分割的各种算法和聚类分析法进行了验证并成功地将算法应用到了目标提取实验平台中。其次提出了彩色图像复杂背景目标提取综合算法,这也是本文最大的创新点。该算法是在分析了自动阈值分割、单颜色因子阈值分割、HSL模型、形态学、魔杖处理的基础上,提出的一种颜色阈值分割与魔杖处理相结合的复杂背景彩色图像目标与背景分离方法。与传统的自动阈值分割方法相比,适用的彩色图像范围更加广泛。对于灰度变换之后,灰度差比较小的图像,采用该方法仍然有很好的分离效果。最后开发了目标提取系统实验平台。根据设计要求,完成系统的整体架构,详细介绍了各主要模块的功能、软件设计思想和具体实现方案,并给出了结果分析。以LabVIEW和NI-IMAQ Vision为开发平台方便快捷地实现了所研究的各种算法；交互性界面的设计具有更好的实用性,且大大缩短了系统的开发周期,易于实现和维护。
曹晓峰[8]2018年在《基于Vis/NIR高光谱和机器视觉技术的冬枣分级方法研究》文中进行了进一步梳理冬枣,一种品质优良的鲜食枣,皮薄肉厚,果肉鲜美,其营养丰富,有防癌、防心脑血管疾病的功效,营养价值居百果之冠。近年来我国冬枣产量不断增加,在市场上不断走俏,冬枣在农业持续发展、农民增收方面越来越发挥作用。参考GB/T22345-2008《鲜枣质量等级》、GB/T32714-2016《冬枣》国家标准和NY/T2860《冬枣等级规格》农业部标准以及相关论着可知成熟度(着色度),可溶性固形物(糖度),单果重量(大小)是冬枣品质的重要指标。由于光照、养分和枣果发育差异等原因,采收时不同成熟度、大小枣果并存,采收后不同成熟度、重量和口感的冬枣混杂在一起,不分级难以实现枣果按质论价销售,人工分级劳动强度大,费时、准确率低,故有必要开发一种能实现冬枣成熟度、可溶性固形物、单果重量多个品质自动分级的技术方法。本文将冬枣的成熟度、可溶性固形物、单果重量分级作为研究内容,为冬枣自动化分级提供理论指导和技术支撑,得到以下几个结论:1、冬枣成熟度检测。获取特级/一级、二级和等外级叁类成熟度的冬枣的高光谱信息,利用S-G平滑算法对光谱数据降噪后通过连续投影法(Successive Projections Algorithm,SPA)、竞争性自适应重加权采样法(Competitive Adaptive Reweighted Sampling,CARS)和随机蛙跳法(Random Frog,RF)选择特征波长(Characteristic wavelengths,CWs)压缩光谱数据的维度,分别基于叁种算法选择的特征波长建立冬枣成熟度的偏最小二乘判别分析(Partial least squares discriminant analysis,PLS-DA)模型,并比较了3个模型的分级效果;结果:基于SPA、CARS和RF选择的特征波长建立的PLS-DA模型判别精度分别为:90.90%、92.72%和93.63%。2、冬枣可溶性固形物(Soluble Solids Content,SSC)预测分级。采集了成熟冬枣的高光谱信息并测得对应冬枣的SSC含量,选用冬枣415~990 nm范围的高光谱信息,对高光谱数据进行S-G平滑降噪、多元散射校正预处理,使用竞争性自适应重加权采样法(CARS)初选基础上串联使用连续投影法(SPA)精选可溶性固形物的特征波长;此外串联使用SPA选择算法两次选择进行SSC特征波长的初选和精选;比较了基于全部光谱、CARS-SPA串联方法、SPA-SPA串联方法选择的特征波长建立冬枣SSC的偏最小二乘回归(PLSR)预测模型,此外将模型结合大荔冬枣SSC国家标准划分等级的要求对模型的实用效果进行了检验,以分级准确率作为标准对模型实用性能进行评价。全波长建立PLSR:R_c=0.9540,RMSEC=0.5275,R_p=0.9306,RMSEP=0.5989,分级准确率为:91.57%,CARS-SPA特征波长建立PLSR:R_c=0.9425,RMSEC=0.5763,R_p=0.9263,RMSEP=0.6453,分级准确率为:89.47%,SPA-SPA特征波长建立PLSR:R_c=0.9331,RMSEC=0.6327,R_p=0.9114,RMSEP=0.7102,分级准确率为:86.31%。3、冬枣单果重量检测分级。采集冬枣RGB图像和果实重量信息,对冬枣图像利用K-means聚类分割、图像二值化后并对其平滑滤波,对其二值图像尺寸信息提取分析后利用冬枣轮廓面积建立其单果重量的预测模型。通过计算冬枣二值图像轮廓包围区域的像素数,并利用面积已知的标记物的像素数比例换算得到冬枣的实际面积,建立了初红果和半红-全红果两类冬枣的单果重量预测模型,参考《冬枣》国家标准对单果重量分级要求验证了模型实用性能。初红果单果重量预测模型中轮廓面积与单果重量的相关系数达到了0.9323,模型对测试集枣果单果重量分级的精度为86.66%,半红-全红果单果重量预测模型的轮廓面积与单果重量相关系数达到了0.9203,模型对测试样本单果重量分级的精度为84.44%,验证了基于枣果大小进行果重分级的合理和可行性。本研究结果表明,高光谱技术和机器视觉技术能实现冬枣成熟度、可溶性固形物和单果重量的预测与分级,为开发相应的冬枣自动分级设备提供了技术参考。
参考文献：
[1]. 基于虚拟仪器的鸭梨品质检测计算机视觉系统研究[D]. 赵彦如. 河北农业大学. 2004
[2]. 鸭梨品质检测与分级计算机视觉系统的研究[D]. 齐晓娜. 河北农业大学. 2005
[3]. 基于LabVIEW的大麦生长远程监控系统的设计与实现[D]. 刘佳. 甘肃农业大学. 2016
[4]. 液压式万能材料试验机数控化系统研究[D]. 汲书强. 河北农业大学. 2004
[5]. 水果缺陷和内部品质同时在线检测方法研究[D]. 李轶凡. 华东交通大学. 2016
[6]. 基于LabVIEW的温室环境监控系统的研究[D]. 李铁. 吉林农业大学. 2011
[7]. 基于LabVIEW的彩色图像目标提取系统研究[D]. 杨静. 郑州大学. 2011
[8]. 基于Vis/NIR高光谱和机器视觉技术的冬枣分级方法研究[D]. 曹晓峰. 西北农林科技大学. 2018
标签：农业基础科学论文; 计算机软件及计算机应用论文; 虚拟仪器论文; 冬枣论文; 计算机视觉论文; 特征提取论文; 水果营养论文;