基于X射线荧光技术的茶叶产地鉴别方法研究

针对目前市场上存在的产地假冒茶叶严重影响名牌茶叶信誉的情况，根据不同产地茶叶中重金属含量的差异，提出了利用X射线荧光技术结合模式识别技术进行了茶叶产地鉴别的方法。将不同产地的样本分组，分别采集其X射线荧光光谱，提取其主成分，分别计算各个样本组的主成分均值作为样本中心点，计算待测样本到各样本组中心的马氏距离，将其归类到马氏距离值最小的类中，实现样本分类。采用Niton792便携式X射线荧光仪对安吉、金华、杭州和台州等4个不同地区120个茶叶样本进行了鉴别试验，发现3～13keV波段是X射线荧光光谱分析技术进行茶叶产地鉴别的有效波段，前4个主成分可用于茶叶的产地鉴别，试验的误差率为4．2％。

基于语义分割的作物垄间导航路径识别

针对目前农作物垄间导航路径识别目前存在准确性、实时性差、通用性弱及深度学习模型解释困难等问题,该研究在Unet模型的基础上进行剪枝与优化,提出了保留Unet模型特征跳跃连接优势的Fast-Unet模型,并以模型所识别的导航路径为基础,通过最小二乘法回归生成垄间导航线与偏航角。该研究首先在棉花垄间导航路径数据集上进行模型训练,随后将训练的模型迁移至玉米、甘蔗等小样本数据集进行导航路径识别,通过使用梯度加权类激活映射法对模型识别过程与迁移学习过程进行解释,对各模型识别结果进行可视化对比。Fast-Unet模型对棉花、玉米、甘蔗导航路径提取精度指标平均交并比分别为0.791、0.881和0.940。模型推理速度为Unet的6.48倍,在单核CPU上处理RGB图像的推理速度为64.67帧/s,满足农作物导航路径识别的实时性需求。研究结果可为田间智能农业装备的导航设备研制提供技术与理论基础。

水果声学特性测试系统的研制

研制了利用声学特性测试水果内部品质的试验台。声波信号由传声器接收后转换为电信号 ,经信号调理电路放大和滤波后由 PCL 180 0数据采集卡转换为数字信号存贮于计算机 ,采样频率为 10 k Hz。测试了 14只麒麟西瓜 ,测试数据采用 Matlab软件分析。西瓜内部空心存在与否对声波传播速度的测量结果有重要影响。该测量结果还受西瓜生长状态的影响 ,当西瓜的蒂部不靠近地面时 ,西瓜声波传播速度与测试点的含糖量在 3阶polyfit函数统计回归分析时 ,相关系数为 0 .94 6 8。

基于机器视觉的水果尺寸检测误差分析

介绍了当前应用机器视觉进行水果尺寸检测的现状。根据水果成像时水果、摄像机透镜、水果图像三者之间的相互关系 ,运用几何光学理论分析了尺寸检测中的各种误差及其原因。水果成像时 ,由于水果表面各点的高度变化 ,水果图像上各点所代表的实际长度不尽一致 ,形成标定误差 ;水果与摄像机透镜光心之间的距离不可能无穷远 ,成像后 ,水果图像的边缘点到形心的距离并不能真正代表水果的半径 ,形成半径误差 ;水果中心与摄像机光心偏离后 ,得到的图像存在形状误差。给出了标定误差的计算公式和半径的估算公式。

水果按表面颜色分级的方法

为提高水果商品品质,提出了一种基于水果表面颜色的分级方法.将完成图像分割的水果图像转换为HIS颜色模型,提取其H分量的面积加权直方图并对其进行了主成分分析,以红色水果样本组和橙色水果样本组的前M个主成分均值作为这两个样本组的样本中心点建立分级模型.分别计算待测样本与这两个样本中心点的马氏距离值,当待测样本到红色水果样本组样本中心点的马氏距离值小于其到橙色水果样本组样本中心点的马氏距离值时,将其分级到红色水果样本组,否则分级到橙色水果样本组.对800幅脐橙图像进行了分类试验,发现采用水果图像H分量面积加权直方图的前两个主成分分量进行分析即可实现水果分级,总的分级误差仅为1.75%.

基于外形几何特征的鸡蛋重量检测模型

建立以外形几何特征为基础的鸡蛋重量检测模型。采集了鸡蛋图像,采用HIS颜色模型的H分量作为鸡蛋图像的阈值分割指标,用拉普拉斯算子提取出鸡蛋边缘,从鸡蛋边缘分别提取纵径、横径、上横径和下横径等4个鸡蛋外形几何特征量,用于建立鸡蛋重量检测的回归模型。试验表明,鸡蛋重量检测的绝对误差在±3g以内,能满足鸡蛋分级生产要求,可用于鸡蛋分级生产。

自适应滤波器在水果声学特性研究中的应用

水果声学特性测试系统由一个电磁铁、外包橡胶的冲击钢球、两个相距0.06m的微音器组成的传感器、信号调理电路及带数据采集卡的计算机组成。信号调理电路的通频带为3～3000Hz。数据采集卡采用PCL-1800(AdvantechCo.,Ltd.)。检测过程中,采样频率为10kHz。声波信号的处理采用一个20阶自适应滤波器,利用LMS算法,通过MATLAB编程完成。经自适应滤波器处理后的信号能量更加集中,水果声学特性试验数据采用MATLAB的3阶polyfit函数处理,相关系数由滤波前的0.54943提高到滤波后的0.94684。水果试验声波的能量主要集中在0～230Hz,而外界噪声的能量主要集中90～350Hz。

基于校园网的学生实验教学计划管理研究

学生实验计划管理手工管理的现状与现代教学极不相称。为改进管理手段,利用校园网设施、WEB技术和数据库技术,研制了教学计划管理系统。

计算法测量电阻应变原理的试验分析

介绍了计算法测量电阻应变的原理及试验，着重分析了试验结果，验证了测量原理．

水果品质智能化实时检测分级生产线的研究

一种用于水果动态、实时检测的水果品质智能化实时检测分级生产线 ,由水果输送翻转系统、计算机视觉识别系统、分级系统组成。水果输送翻转系统的双锥式滚筒水果输送翻转装置 ,使水果以一定速度向前输送 ,并使水果绕水平轴自由转动 ,保证检测系统能检测到水果整个表面 ,获得足够的水果图像信息。通过计算机视觉系统的视觉智能识别 ,综合判断每一水果的等级 ,并确定每个水果的位置信息 ,由计算机识别系统的控制模块将指令传输给分级系统 。

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法,基于高光谱成像技术,该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象,选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先,提取并分析11类果皮感兴趣区域(ROI)光谱曲线并结合主成分分析法确定5个最佳波段(630、685、720、810和875nm);然后基于特征波段做主成分分析,选取第5主成分(PC-5)作为分类识别图像,识别率达到80%。为了进一步提高溃疡识别率,该文又提出采用特征波段主成分分析法与波段比算法相结合的方法,基于此算法溃疡正确识别率提高到95.4%。试验结果表明,基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。

机器视觉技术在农产品品质自动识别中的应用研究进展

该文分水果果梗识别、果形识别、内部品质检测和硬件设备开发等 4个方面综述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展 ,并指出了目前尚需解决的难点问题 ,以供我国研究人员做同类研究时参考。

近红外光谱变量筛选提高西瓜糖度预测模型精度

水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量(SSC)进行检测,采用偏最小二乘回归(PLSR),多元线性回归(MLR)和主成分回归(PCR)建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法(SPA)对预测模型精度的影响。研究结果表明:光谱经等间隔抽取(间隔5,115个变量)经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数(rpre)为0.828、校正均方根误差(RMSEC)为0.589、预测均方根误差(RMSEP)为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。

机器视觉技术在农产品品质自动识别中的应用(Ⅰ)

随着图像处理技术的专业化与计算机硬件成本的下降和速度的提高 ,在农产品品质自动识别领域应用机器视觉技术已变得越来越具有吸引力。为了能充分利用国外的最新研究成果 ,该文分农产品表面缺陷与损伤识别、尺寸与面积检测和颜色识别等三个方面棕述了国外在利用机器视觉技术进行农产品品质自动识别上的研究进展 ,以供我国研究人员做同类研究时参考。

基于边缘曲率分析的重叠番茄识别

为提高重叠番茄的识别正确率,提出了一种基于边缘曲率分析的重叠番茄识别方法。该方法从二值图像中提取番茄区域的边缘,并且为进一步计算出边缘点曲率,对边缘点按逆时针方向进行排序。计算出边缘点曲率后,剔除掉曲率异常的边缘点。最后通过对各剩余边缘分别进行圆回归,实现重叠番茄的识别。为减小作业环境光照变化及枝叶遮挡等因素给识别带来的影响,采用了基于归一化色差的固定阈值分割方法,6条边缘识别准则及3条圆回归准则。119幅图像的试验结果表明,存在轻微遮挡的重叠番茄识别正确率为90.9%;遮挡率大于25%且小于50%时,识别正确率为76.9%;遮挡率大于50%时,识别正确率为23%。

基于掩模及边缘灰度补偿算法的脐橙背景及表面缺陷分割

缺陷检测一直是利用计算机视觉技术进行水果自动分级的难点。为了解决带有缺陷的水果在图像分割时部分缺陷容易被误分割为背景这一问题,以脐橙为研究对象,首先提取B分量,利用B分量构建掩模图像,然后对R分量图像进行掩模,从而在不损伤缺陷的情况下实现了水果与背景100%分割。考虑到水果呈球状,检测时边缘灰度较低,在缺陷分割时容易出现误分割,提出快速水果图像边缘灰度补偿算法,利用此算法,对6种常见脐橙缺陷,共计220幅图像,设定分割阈值为165,使不同灰度等级的缺陷一次性分割成功,分割率最高为100%,最低为79.5%。试验结果表明由于单阈值的使用,提高了缺陷分割效率。

高光谱成像在水果内部品质无损检测中的研究进展

随着高光谱成像技术的日趋成熟与高光谱成像硬件、软件成本的不断下降,以及高光谱图像数据处理算法的不断改进,应用高光谱成像技术对水果品质进行无损检测成为当前研究热点之一。为了能跟踪国内外的最新研究成果,对高光谱成像在水果内部品质(成熟度、坚实度、可溶性固形物、水分)检测研究进行综述,以期对我国相关研究人员的研究工作提供参考。

适宜西瓜检测部位提高近红外光谱糖度预测模型精度

为了提高中国厚皮类瓜果的品质质量和出口能力,增强中国水果品质检测装备制造业的技术实力和技术水平。该文以西瓜为对象,对其糖度进行了试验研究。由于西瓜各部位存在差异,因而不同部位采集近红外光谱会对糖度预测模型精度产生影响。采用自主搭建的西瓜内部品质检测系统对不同批次西瓜瓜梗、瓜脐和赤道3个部位采集漫透射光谱信息,分别采用偏最小二乘回归法(partial least squares regression,PLSR)和最小二乘支持向量机法(least squares support vector machines,LS-SVM)2种方法对西瓜糖度建立预测模型,考察西瓜不同检测部位对西瓜糖度预测模型精度的影响。2种预测模型均显示,赤道部位采集光谱所建立的预测模型检测精度较差,而采用瓜脐部位获取光谱信息建立预测模型略好于瓜梗部位,最佳预测相关系数rpre达到0.823,预测均方根误差(root mean square error of prediction,RMSEP)为0.652%。该研究结果表明,不同部位采集光谱信息对最终的检测模型精度有影响,瓜脐部位为该文西瓜内部品质检测装置的较优采集部位。

柑橘成熟度机器视觉无损检测方法研究

水果内部品质无损检测技术是确定水果最佳采收期和按成熟度进行准确分级的关键。本研究以表面色泽与固酸比为柑橘成熟度指标,建立了用于柑橘成熟度检测的机器视觉系统,确定了适宜的背景颜色,进行了柑橘的分光反射试验,发现绿色柑橘表面与桔黄色表面的反射率在700nm时反射率相差最大,约达53%,且各自的反射率都较大,700nm是获得高质量的柑橘图像的较佳中心波长。建立了利用协方差矩阵和样本属于桔黄色和绿色的概率来判断柑橘成熟度的判别分析法,并以实测的固酸比值作为对照,对72枚柑橘样本进行了试验,柑橘成熟度的判别准确率达到91.67%。这表明柑橘果实的表皮颜色与成熟度之间具有相关性。

皮棉表面多类异性纤维的高光谱图像检测

为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表明,高光谱图像能够检测多类共存的异性纤维,验证集中灰色、白色丙纶丝和黑色毛发识别率为100%,白色毛发识别率为0。