用于水果损伤检测的超声换能器

超声检测技术是发现水果早期内部损伤的有效方法,但是由于水果普遍存在颗粒特性,高频声波在水果中衰减严重,很难实现有效穿透,无法有效进行内部无损检测。设计了一种基于PZT-4的厚圆片复合振动低频高能超声换能器。在建立PZT-4厚圆片敏感材料数学模型的基础上,分析和研究了敏感元件性能与激励条件的关系,结合试验测定的手段,优化了换能器性能,并进一步用试验验证了该换能器的实用性。该型换能器具有发射声能高、直径小的特点,能与水果曲面有效耦合,可实现对苹果、梨等水果的有效穿透,适用于内部组织破坏和皮层破裂等损伤的早期检测。

基于高光谱成像的水果损伤分析研究

高光谱成像技术包含图像信息和光谱信息.本文利用高光谱成像技术检测苹果摔伤, 主要采用主成分分析、 波段比算法和支持向量机分析所采集的高光谱图像数据.实验结果表明, 波段比算法和主成分分析法分类识别正确率为93.3%, 与支持向量机相比更适用于苹果摔伤的实时快速检测.

基于注意力机制的水果损伤检测及分类

水果作为人们日常必备的食物,其越来越高的消费需求使得行业对自动损伤检测和自动分类的要求日益提高。针对这一需求,近年来水果损伤自动检测成为研究的热门话题。针对现有的深度学习技术,即卷积神经网络在水果的特征提取和分类方面的应用进行了探讨,提出了一种以ResNet34作为主干网络,并在此基础上引入注意力机制SE和CBAM模块的方法来实现水果损伤的检测和基本分类。在fruit fresh and rotten for classification数据集上完成了该方法的验证。经过与VGG16,GoogLeNet,MobileNetV2等常见网络的比较分析,结果显示改进后的模型分类准确度达到98.8%。通过加入新的苹果数据集,该模型相比原网络ResNet34,在性能方面进一步提升,有效提高了模型的泛化性。该模型提升了水果损伤检测和分类处理的精确性,在实际中,可为复杂的水果图片的多特征分类处理提供借鉴。

基于高光谱成像技术的水果损伤检测

水果在储存和长途运输过程中,具有易损伤、腐烂、变质的性质,且在早期不易被识别。为确保水果品质,文章采用高光谱成像技术对早期水果损伤进行检测。首先提取信噪比高的波段,接着将苹果与背景图像分离,最后分别采用主成分分析算法、波段比算法和支持向量机算法对苹果早期损伤进行识检测识别,并对3种检测结果进行比较。实验结果表明,波段比算法检测效果优于主成分分析算法和支持向量机算法,正确检测率高达90%,可以快速有效地检测到苹果损伤。

水果采摘器

日本小关农机公司开发的水果采摘器十分实用。它是一根空心长把,一端是采摘头,另一端是带弹性夹的手把,弹性夹与采摘头之间由钢丝拉线连接。采摘头由左右两个圆环及连接座组成,圆环内部有一个钢丝环,外套塑料软管,圆环柔软且富弹性,使之在夹持果实时不会损伤水果外表。圆环直径有45mm与55mm两种。

基于LoG算法的水果热成像检测

传统的水果分级与损伤检测大多采用感官评定的方法,随着计算机视觉技术的发展,计算机视觉检测分级技术发展迅速。研究中针对解决水果损伤部位检测的问题提出了一种利用图像处理技术对水果热成像损伤部位进行检测的技术方案。本方案采用Laplacian of Gaussian(LoG)算法对损伤部位进行检测,使用高斯卷积模板抑制噪声,通过设置不同的卷积核尺寸以及σ值获得不同的卷积滤波结果,加强了图像中损伤部位的色彩程度,进而更好地利用边缘检测技术获取损伤部位的边缘信息。采用具有局部损伤的苹果作为研究对象,选取有参考和无参考等5种评价方法,分析卷积过程对于损伤部位边缘检测的影响。结果表明,在水果热成像中LoG算法可以有效地检测水果的损伤部位,卷积核尺寸对于水果损伤部位边缘检测结果的影响远大于σ值,通过增大卷积核尺寸可以有效地加深损坏部分的边缘信息,研究为水果损伤区域检测提供了一种可行的解决方案。

皇冠梨静压力学特性及模拟研究

目的 建立皇冠梨生理特性与力学损伤关系模型,实现果实静压过程的模拟研究。方法 通过材料松弛试验和静态压缩试验,研究果实材料力学特性。使用三维扫描方法辅助建立果实有限元模型,并对果实静载损伤过程进行模拟。结果 使用Maxwell黏弹性材料本构模型,成功模拟了果实流变特性。通过静压试验将所建立的梨果实黏弹性材料模型与传统弹塑性材料模型进行对比,误差降低了7%,从而验证了模拟的准确性。根据von Mises等效应力分布结果进行预测,发现在静载力为161.21 N时梨果实会出现明显损伤。结论 以上研究使用2种材料对静态压缩试验进行仿真模拟,进一步验证了使用数值模拟方法对水果静力学过程模拟的可靠性。为皇冠梨果实机械化采摘、储存包装及加工搬运过程提供了理论依据。