基于机器视觉和改进支持向量机的苹果外观分级检测

针对传统苹果外观品质分级存在的低效率、低精度等问题,提出了基于机器视觉和改进支持向量机的苹果外观分级方法。通过视频图像方法建立苹果色泽分级图像数据库,采用数学形态学方法把苹果从背景中分离出来,提取苹果的色泽、大小、缺陷、纹理等外观特征向量作为支持向量机(SVM)的输入特征向量;针对噪声影响较大、数据不平衡等问题,采用改进的自适应惩罚支持向量机分类器(DCSVM)进行苹果外观品质分级检测。结果表明:该分类器具有良好的分级效果(分级准确率为93.56%),优于传统的支持向量机分级模型(FSVM),验证了分级模型应用于苹果外观品质分级的有效性。

云南广南县蒜头果果实外观质量分级标准研究

为研究蒜头果果实外观质量并制定分级标准。对云南广南县所收集的82个成熟新鲜果实进行单果鲜重、横径、纵径等指标的测定和外观形态观察,采用K-均值聚类法制定果实外观质量分级标准。结果表明:以单果鲜重作为主要指标,横径和纵径作为重要参考指标,初步制订了蒜头果果实外观质量分级标准。云南广南县蒜头果果实外观质量分为3个等级,一级果实单果鲜重≥46.6 g,纵径>40.9 mm,横径>45.85 mm;二级果实单果鲜重39~46.6 g,纵径37.84~40.9 mm,横径42.23~45.85 mm;三级果实单果鲜重29.9~39 g,纵径35.73~37.84 mm,横径38.76~42.23 mm。

基于改进MobileNet V3网络的桃子成熟度分级方法

目前在我国桃业生产过程中主要采用基于主观经验的人工方式对桃子外观成熟度进行分级,该方式不仅效率较低,而且易受主观因素的影响,导致同一批次的桃子在成熟度等级上参差不齐,无法达到国际桃品销售中所要求的成熟度品级标准。针对上述问题,本研究提出一种基于改进卷积神经网络MobileNet V3的桃子外观成熟度分级模型CS-MobileNet-P-L:首先,为了提升模型的特征提取能力,将多方位协调注意力机制模块引入原有注意力机制中,以构成双重注意力机制;其次,为提高模型的分级准确度,对网络Bneck结构中的激活函数进行调整并对模型的Last Stage结构进行优化改进。结果表明,当使用相同训练策略及环境配置时,改进后的CS-MobileNet-P-L模型的准确度比MobileNet V3模型提高了2.71个百分点,能较好地实现桃子外观成熟度的自动化精准分级。

基于计算机视觉的砀山梨分级系统

目的:对砀山梨无损精准分级。方法:基于已有的研究成果,通过图像灰度化、降噪处理、阈值分割对样品图像进行处理,按照《梨外观等级标准》建立分级标准,按照果形、外观色泽及缺陷对样品图像进行分级。结果:通过对100只砀山梨的实时检测,可直观地展现梨的特征数值和综合等级,系统精度在95%以上,每只梨耗时在0.5 s左右。结论:本系统识别速度快、准确性高,可以做到对砀山梨的无损精准分级。

银杏果实怎样采收和贮藏

采收和贮藏是银杏生产的最后环节,直接影响其经济效益,现将此技术介绍如下: 一、采收:银杏果实充分成熟后,外果皮橙黄松软,有白霜,果柄基部形成离层开始自然落果,此时即可采收。成片生产,要制订采收计划,准备好竹竿、钩镰、箩筐、塑料筐。