基于边缘计算的移栽作业质量监测方法研究

为实现移栽机的实时监测和统计分析功能,提升移栽作业的整体信息化程度,拓展移栽技术的应用领域,研究了一种适用于移栽机作业质量信息监测的高效识别方法。通过工业相机与边缘计算设备,搭建图像采集与识别平台;利用图像增强技术对移栽环境图像进行扩充;以YOLOv5为基础,通过引入轻量级卷积神经网络MobileNetv2作为特征提取主干,减少模型参数量,采用Relu激活函数降低计算复杂度,缩减卷积计算时间,对改进模型进行量化后训练,以提高运行速度与可部署性,最后采用SORT多目标跟踪算法,实现移栽钵苗质量信息的计数与统计。试验表明:在2ZB-2J高速全自动移栽机正常工作下,平台满足实时性要求,对钵苗识别准确率与统计率较高,可以满足整体系统需求。

哈密瓜分级系统上位机软件功能的实现

基于机器视觉的哈密瓜分级系统上位机软件功能能否实现是整个系统开发能否成功的关键。为此,通过3个步骤实现上位机的软件功能。首先使用图像采集卡的应用接口库在Visual C++6.0开发工具下对图像卡进行二次开发;再将采集后内存中的图像数据转换成OpenCV的图像指针,实现图像的实时处理,并显示到屏幕;最后将处理结果由打印口并行输出。经试验验证,基于机器视觉的哈密瓜分级系统上位机软件功能成功实现。

基于机器视觉技术的单粒葡萄质量与果径预测分级研究

【目的】采用机器视觉技术,针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究。【方法】在不同的颜色特征空间模型,预处理原始图像,采用最大类间方差法分割目标区域;采用数学形态学方法去除二值图像中部分果梗及噪声点,获得最佳二值图像;基于二值图像,分析获取单粒葡萄的几何特征;最后,分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径,采用二次判别分析法对单粒葡萄的质量和果径进行分级。【结果】利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径,预测决定系数达到0.98和0.945;基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级,准确率超过85%。【结论】机器视觉技术能够较准确预测单粒葡萄的质量和果径,并能对质量和果径进行分级。

新疆冰糖心红富士苹果RGB图像多指标分析

【目的】采用机器视觉技术对新疆冰糖心红富士苹果进行重量、糖度预测和分级。【方法】分析提取苹果RGB图像中单色、波长差、HSV转换后分量等多类型图像,对比图像分割效果确定后续处理图像。采用形态学处理剔除二值化图像果梗区域,提取目标区域几何、灰度和色调频度等特征。采用多元线性和偏最小二乘回归预测苹果重量和糖度,判别分析分类苹果,结合全组合实验方法和特征优选,获得较佳特征集合。【结果】多元线性回归方法建立苹果糖度的预测模型结果最佳,使用几何和灰度的特征集合,建模集和验证集糖度预测相关系数分别为0.623和0.570;使用面积、周长、长轴长度和短轴长度特征集和,或体积、周长、长轴长度和短轴长度四个特征时,多元线性回归预测苹果重量,验证集预测相关系数r为0.992,预测均方根误差为3.88 g,相对分析误差为8.1;采用基于特征优选方法确定41个主要特征,二次判别函数的判别分析分级苹果,验证集分级准确率达到98.7%。【结论】RGB图像能够准确预测新疆冰糖心红富士苹果重量,并能精确分级,但糖度预测效果不佳。

“京蜜八号”哈密瓜成熟等级分类研究—基于机器视觉和神经网络

目前,新疆哈密瓜在采摘期成熟等级判定主要采用人工方式,容易混淆级别,影响销售质量。为此,提出了一种基于机器视觉和主成分分析优化神经网络的哈密瓜成熟等级识别方法。首先,利用田间哈密瓜图像采集系统获取了采摘前不同成熟期的哈密瓜图像,利用图像处理技术获得了感兴趣区域;其次,提取能表征哈密瓜不同成熟等级的外观特征,包括H分量图像的色调累积频度、纹理特征、几何特征;最后,利用主成分分析法优化特征,构建并验证基于BP神经网络的哈密瓜成熟等级预测模型。研究表明,基于机器视觉和主成分分析优化神经网络预测哈密瓜成熟等级是可行的,准确率达86.59%。