基于物联网的智能水肥一体化管理系统构建

目前的水肥一体化系统普遍存在监测参数少,形成的植物生长模型及混肥算法精准度较低,控制系统运算能力较弱且功能单一,不能实现智能控制等缺点。利用物联网构建无线传感器网络是水肥一体化系统的发展趋势。为提高农业生产上肥料与水资源的利用率,促进现代农业发展,通过采用视觉采集技术、无线传感器物联网监控技术和自动控制系统技术相结合,建成基于物联网,利用机器视觉测量植物生长参数,无线传感器物联网监测环境和土壤参数,以植物生长模型和模糊神经网络算法形成精准水肥混合方案,以ARM11嵌入式系统为核心的农作物智能水肥一体化管理系统。

基于Canny算子的改进图像边缘检测算法

图像的边缘检测是图像处理领域内最关键的技术之一。针对工件分拣中需要机器视觉精确的检测出其边缘信息,并且从噪声和其他无关信息中筛选出来,提出了一种改进的Canny算法对工件进行边缘检测。该算法利用双边滤波来替代高斯滤波进行图像预处理,从而不仅可以保留更多的图像边缘细节也可以有效的去除噪声。而后运用最大类间方差法(Otsu)来进行阈值分割,使目标和背景分离更加准确。最后利用形态学思想将阈值分割后的二值图像分别进行膨胀和腐蚀,得到形态学梯度,将梯度图像和原始阈值图像的求交集得到灰度图像,而后进行Canny算子边缘检测。

基于LBP和LPQ特征融合的PSO-SVM缺陷分类

钢板在生产及使用过程中产生的表面缺陷不仅影响外观还会降低产品的性能,针对目前检测的效率低、误差大提出了一种结合图像处理与粒子群优化支持向量机的缺陷分类检测系统。利用融合空域的局部二值模式和频域局部相位量化两种特征提取方式的优势对工件的图像进行缺陷特征提取,建立支持向量机(SVM)缺陷分类模型。由于SVM算法参数容易陷入局部最优的问题,所以采用粒子群算法优化SVM的惩罚参数和核函数。在MATLAB 2019b平台进行实验,实验结果对比分析显示,所提算法较传统的SVM分类模型相比提高了18.33%的识别准确率。

低比度钢板微小缺陷的图像增强和分割

针对低对比度、微小的钢板表面缺陷,提出了基于图像增强的图像分割算法来有效分割和识别缺陷目标。采用小波变换与同态滤波结合算法对图像进行增强处理,不仅消除照度不均的影响,还突出了缺陷细节的信息,达到图像增强的效果。最后,利用粒子群算法优化最大类间方差法参数(PSOOtsu)确定增强后图像的最佳阈值,并结合Canny算子进行缺陷检测。对比其他算法,该算法在检测低对比度的微小缺陷上取得了良好的效果。