基于形状特征的脱绒棉种品种识别

该文以中棉50、新陆早26、新陆早33棉花品种为研究对象,基于图像处理技术提取了脱绒棉种的面积周长类、最大径类、椭圆类和区域矩类共14个形状特征参数,并运用多元统计分析方法,利用统计学中的集中趋势指标与离散程度指标对数据进行分析,将综合特征指标作为品种判别的参数;利用SPSS软件,用逐步判别分析法建立了3个品种的识别模型,得出3个线性分类函数,经验证,预测组成员中,中棉50、新陆早26和新陆早33的正确率分别为90%,80%,100%,判别效果显著。

脱绒棉种分选关键技术研究现状——基于机器视觉技术

棉种的优劣直接影响棉花的产量和质量,而机器视觉技术在种子的检测与分级中发挥重要的作用。为此,基于机器视觉技术,分析了脱绒棉种分选系统在硬件方面关键技术的研究现状,总结了脱绒棉种在图像处理中的分选算法,并随着分选的自动化与智能化的不断提高,提出了今后的发展趋势。

基于BP神经网络的脱绒棉种品种识别(英文)

为了提高脱绒棉种品种识别的准确率,提出了基于BP神经网络的非线性识别方法。该文以新路早36、中棉50、惠远710等3个品种为研究对象,基于图像处理技术提取了脱绒棉种的颜色和形状特征参数,后又通过对特征参数进行单因素分析选取了差别较明显的9个特征参数参与网络的训练,提高了训练速度。经训练比较得出,当训练目标为0.02,训练次数为3000,隐含层的结点数为12时,模型的训练误差最小。经过对测试集进行测试,得出综合测试准确率为90%,证明了该方法是可行的,提高了脱绒棉种的识别准确率。该研究可为其他粒状种子品种识别提供参考。

红枣自动分级技术的研究现状及展望

调查了国内外在机械式、光电式和基于机器视觉技术的红枣自动分级研究现状,并着重对机械式和基于机器视觉技术自动分级技术报道进行分析。结果表明,机械式在短期未来仍是研究热点之一,光电式未来发展空间不大,而机器视觉作为未来的发展方向,将重点解决在保证生产率和分级精确度的情况下完成红枣全表面在线实时检测和多指标综合自动分级的问题。

虚拟仪器技术在我国农产品生产加工中的应用

简单介绍了虚拟仪器的概念、结构及软件开发平台,结合实际重点介绍了虚拟仪器技术在农产品力学特性研究、农产品分选加工设备和农产品"身份证"数字识别系统几个方面的应用现状,以及虚拟仪器技术在我国农产品生产加工中的应用前景。