科研产出
机器视觉技术在家禽产业中的应用与发展趋势
《家禽科学 》 2024
摘要：文章阐述了机器视觉技术在家禽领域的综合应用及潜在影响，介绍了机器视觉技术的基本原理以及在家禽业精准饲养、环境控制、产品监测和行为分析等方面的作用，探讨了机器视觉技术目前面临的挑战与局限，如环境适应性、数据处理能力、算法复杂性和成本问题，也展望了未来技术发展的趋势，包括降本增效、多模态感知、精准养殖业的普及、自决策机器人的发展、环境可持续性等方面。
全文链接
请求原文
基于机器学习的免套袋苹果缺陷分级
《河南农业科学 》 2019 北大核心 CSCD
摘要：为提高免套袋苹果分级效率,最小化果梗与花萼对缺陷区分的影响,提出了一种基于机器学习的免套袋苹果缺陷分级方法,该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像,利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV(Hue saturation value,色调、饱和度、明度)颜色空间的特征提取疑似缺陷区域,用种子填充法按序标记疑似缺陷区域,并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM(Support vector machine,支持向量机)模型,进行果梗、花萼与缺陷的区分,计算当前图像的缺陷数量与面积,再计算苹果3个不同侧面图像的总缺陷数量与面积,实现免套袋苹果缺陷分级。结果显示,正常区域、果梗区域、花萼区域在SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%,满足苹果分级的实际生产需求。
关键词： 机器视觉 苹果分级 图像处理 果梗 花萼 支持向量机
全文链接
请求原文
基于嵌入式设备的作物长势监测系统
《山东农业科学 》 2019
摘要：传统的基于机器视觉的作物长势监测设备对环境要求较高,且体型较大,不易布置在实际生产的复杂环境中。本文提出了一套基于嵌入式设备的应用于实际生产环境的作物长势监测系统,该系统集成了图像采集、滤波、颜色空间转换、图像分割、形态学运算、特征量化的图像处理流程,依靠人工在嵌入式视觉系统中面向环境自定义算法提取作物长势特征,确定最优算法组合,设定流程,进行作物长势特征的自动提取并监测。利用该监测系统对拔节期玉米植株的株高进行连续监测,监测值与人工测量值的决定系数达到0.9072,随时间的变化趋势一致,表明该系统可用于复杂环境下的作物长势监测。
关键词： 嵌入式视觉系统 作物长势 无损监测 机器视觉 图像处理 株高
全文链接
请求原文
苹果在线分级系统设计与试验
《华南农业大学学报 》 2017 北大核心 CSCD
摘要：【目的】根据苹果采摘机器人结构和作业特点设计与其配套的在线分级系统,满足实时分级需求。【方法】通过预分级机构剔除果径在等级外的苹果,减少视觉分级的无用功;利用力传感器获取苹果质量信息并确定质量等级;通过机器视觉技术实现苹果大小和腐烂面积的检测;借助Matlab和VS2008开发图像处理算法和界面控制程序;构建基于CAN总线的分布式控制网络。对苹果进行综合分级试验。【结果】苹果实际直径与检测直径的决定系数为0.990 3,实际质量与检测质量的决定系数为0.999 6,实际腐烂面积与检测腐烂面积的决定系数为0.985 5,综合分级成功率可以达到89.71%,连续分级时单果平均分级时间为2.89 s。【结论】该分级系统工作稳定,方便扩展,有较高的分级效率和分级精度,可以满足采摘机器人的实时分级需求。
关键词： 采摘机器人 预分级 在线实时分级 机器视觉 图像处理算法 综合分级
全文链接
请求原文
机器视觉在我国农业中的应用研究进展分析
《山东农业科学 》 2016
摘要：随着图像处理、模式识别、人工智能等技术的不断发展,机器视觉技术在我国农业上的研究逐步深入,并取得了许多重要成果。本文基于中国知网全文数据库检索系统,对我国基于机器视觉的农业研究进行了博、硕士学位论文与期刊论文的统计、分析。结果显示,我国农业机器视觉研究主要涉及检测、图像处理、轨迹跟踪与车辆导航、模式识别及其应用等主题,主要集中在图像信息获取方法、图像处理与识别算法、智能导航算法以及系统集成应用等方面,以《农机化研究》、《农业工程学报》和《农业机械学报》为主要发表刊物,主要受国家自然科学基金、国家高技术研究发展计划("863"计划)、国家科技支撑计划、省科技攻关计划、省自然科学基金等项目支持,国内研究机构以中国农业大学、南京农业大学、浙江大学、华南农业大学、山西农业大学和江苏大学为主。但目前我国基于机器视觉的农业研究在作物生长信息检测、杂草识别、变量控制、机械智能导航、采摘与分选等方面离实用化、商品化仍有一定的距离,集成符合我国农业发展实际的机器视觉技术系统将是今后重要的研究方向。本研究为机器视觉在我国农业上的进一步应用研究提供了参考。
全文链接
请求原文
基于机器视觉的棉花群体叶绿素监测
《作物学报 》 2007 北大核心 CSCD
摘要：研究了利用机器视觉技术快速获取棉花群体叶绿素信息的方法,以期获得预测性高的颜色特征参数。结果表明,RGB颜色系统的G-R、(G-R)/(G+R)、r与g的组合值和棉花功能叶叶绿素含量、群体绿色指数呈极显著相关,而且拟合度较高;HIS颜色系统的Hue值和棉花功能叶叶绿素含量、群体绿色指数之间也极显著相关。对筛选出的两组模型进行检验,预测精度在84.07%~93.04%之间,推荐预测精度最高的G-R参数作为获取棉花群体叶绿素信息的最佳颜色指标。G-R预测叶绿素含量和群体绿色指数的模型分别为y=-1.3008+0.2125(G-R)-0.0038(G-R)2(R2=0.8669**)和y=-0.9726+0.1227(G-R)-0.0016(G-R)2(R2=0.7487**)。
首页上一页1下一页尾页
