基于机器视觉的番茄成熟度颜色判别

提出一种颜色分析方法用于新鲜番茄分类,以GB 8852—88标准为参考,定义番茄成熟度的分类标准(在研究中将其分成四类:完熟、成熟、半熟、绿熟),将采集到的番茄RGB图像,去除背景后,滤波去噪,转换成HIS颜色模型和HSV颜色模型。通过Matlab编程获取R、G、B、H、S、V、I各颜色分量的均值,运用SPSS软件进行判别筛选组合特征分量,运用Matlab进行判别分析。分析结果显示,绿熟番茄在3种不同判别函数下训练集与验证集判别率均达到了100.00%;半熟番茄训练集判别率最高为94.74%,同时验证集判别率最高达到100%;成熟番茄训练集与验证集判别率最低,分别为76.67%和70.00%;完熟番茄训练集与验证集最高均为90.00%。总体上实现了不同成熟度番茄的判别分类。

不同预处理方法对PLS模型检测哈密瓜糖度的影响

为寻找适合可见近红外光谱检测哈密瓜糖度含量的最佳光谱预处理方法,进行哈密瓜样品可见近红外光谱数据的预处理方法比较与研究。研究比较了4种光谱数据预处理方法对哈密瓜糖度偏最小二乘法建模精度的影响。研究结果表明:标准正态变量变换与二阶导数相结合是哈密瓜糖度含量可见近红外光谱检测的有效光谱预处理方法,其相关系数和内部交叉验证均方差分别为0.6893和0.666,并且利用该方法建立的哈密瓜糖度预测模型的相关系数、预测集均方根误差和校正集的相关系数、校正集均方根误差分别为0.7342、0.573、0.7605、0.588,最佳因子数为11。

翻转式哈密瓜分级装置设计

针对新疆哈密瓜分级中自动化程度低、分级结果不稳定及效率低下等问题,设计了一种翻转式哈密瓜分级装置。首先通过试验设计水果托盘,增加哈密瓜在传输过程中的稳定性;然后设计分级执行装置,实现哈密瓜的翻转;最后对控制系统原理进行阐述,以实现哈密瓜的准确分级。通过控制系统驱动分级执行装置运转,进而实现水果托盘的翻转,使哈密瓜滚动至分级区域,大大降低了哈密瓜在分级过程中的机械损伤。

鲜杏外部缺陷在线检测系统

为了有效实施对鲜杏表面缺陷的快速检测,基于LabVIEW软件平台和IMAQ Vision视觉工具包,开发了可同时检测鲜杏表面磨伤、日灼、霉变及碰伤缺陷的在线视觉检测系统。该系统包含图像在线采集和处理识别模块。最后,通过对搭建的系统在水平输送速度为0.063m/s条件下,对190个各类鲜杏样本进行RGB彩色图像采集,然后提取G单分量图像并依次采用中值滤波、图像灰度变换、阈值分割及形态学处理等算法对缺陷鲜杏图像进行处理和分析,得到正常果、磨伤果、日灼果、霉变果、碰伤果检测的准确率分别为88.00%、73.33%、80.00%、8 2.5 0%、8 7.5 0%,整体在线识别率达到8 3.1 5%。

双螺旋式哈密瓜全表面无水清洗装置设计研究

为了提高哈密瓜检测效果,设计制造了一种新型的双螺旋式哈密瓜全表面无水清洗装置,该装置实现了哈密瓜全表面无水清洗,为哈密瓜的检测分级提供了前提条件。通过正交试验及数据分析,螺距130 mm、毛刷刷毛直径0.4 mm、倾斜度2.6°、轴心距250 mm时,为较优组合。本文所设计的双螺旋式哈密瓜全表面无水清洗装置具有结构简单、试验时功能全面、操作调整方便等特点,能够较好地适应哈密瓜分级检测前的清洗环节,具有一定的推广价值和创新性。