基于计算机视觉的大米粒形识别方法

提出了利用计算机视觉系统代替人眼识别整粒大米和碎大米粒形的方法。设计了一套基于计算机视觉技术的大米粒形识别装置,采用灰度变换、阈值分割、平滑处理等图像处理方法获取大米的粒形图像,然后根据大米的粒形特点提取了米粒的面积、周长、长、宽等16个特征参数,采用主成分分析方法对提取的特征参数进行处理,以前三个主成分综合所有粒形特征参数,作为BP神经网络的输入特征值对网络进行训练和大米粒形识别。试验结果表明：该方法对整粒米识别的准确率为98．67％;对碎米识别的准确率为92．09％。     

PCA和改进BP神经网络的大米外观品质识别

为了研究大米品质的优劣,采用主成分分析算法和BP神经网络相结合的方法对大米米粒进行识别.将米粒的特征变量进行主成分分析以提取代表性的主成分分量,将获得的主成分作为输入神经元来建立自适应BP神经网络进行学习,并将训练完毕的神经网络用于实际过程中的大米品质判别,同时采用附加动量法和自适应调整速率策略优化网络结构.仿真和实验结果表明,此方法可以使得大米识别的准确度达到95%以上并且有效的减少识别所需时间.     

基于外观特征识别玉米不完善粒检测方法

为了利用机器视觉对玉米不完善粒进行准确识别,采用图像处理的方法通过工业相机获取同一品种的7种不同质量的玉米籽粒图像,通过均值滤波、形态学运算等处理并选取了基于籽粒的形态、颜色、纹理3类外部特征共48个特征参数,采用主成分分析法确定7个主成分因子作为输入单元,建立了7-15-7的3层BP神经网络模型对玉米不完善粒进行识别.结果表明:此方法对完善粒、虫蚀粒、病斑粒、破损粒、生芽粒、热损伤粒和生霉粒的正确识别率分别为95.00%、90.00%、91.67%、98.33%、93.33%、95.00%和96.67%,因此利用该模型对玉米不完善粒的检测识别具有较高的可行性.     

基于二维离散小波的鲜玉米果穗成熟度的等级评定

采用计算机视觉技术,经二维离散小波分解后提取与玉米果穗成熟度相关的图像特征实现成熟度等级评定。在HSI颜色模型下对鲜玉米果穗图像H分量进行二维离散小波分解,提取低频子带的颜色特征。在RGB颜色模型下提取鲜玉米果穗图像高频子带的纹理特征。通过主成分分析法实现特征参数的降维。以前4个主成分值作为网络输入,构建概率神经网络,实现鲜玉米果穗成熟度的等级评定,评定正确率为95%。     

基于图像处理玉米水分检测方法研究

水分质量分数是影响玉米质量的限制指标之一。为了实现利用机器视觉准确判别玉米水分的质量分数,采用工业相机获取同一品种不同水分的玉米籽粒图像,利用均值滤波、最大类间方差法和形态学运算等方法对图像进行处理,并利用MATLAB软件编程提取基于籽粒的形态、颜色、纹理3类外部特征共48个特征参数,采用逐步判别分析方法和主成分分析法确定8个主成分因子,建立对玉米水分进行预测的8-17-1的3层BP神经网络模型。结果表明:检测值与实际值之间的决定系数为0.975 8,证明将机器视觉技术应用于玉米水分质量分数检测在理论与方法上是可行的。     

融合非线性幂函数和谱减法的CFCC特征提取

为提高噪声环境下的语音识别准确率,提出一种改进的语音特征提取算法。该算法采用模拟人耳听觉特性的非线性幂函数提取一种新的耳蜗滤波倒谱系数,并在特征提取前端引入谱减法对信号进行增强,将提取到的新的特征及其一阶差分组成一种混合特征参数;再联合主成分分析对该混合特征进行降维,将最终得到的特征用于一个非特定人、孤立词、小词汇量的语音识别系统。实验结果表明:采用非线性幂函数提取的耳蜗滤波倒谱系数特征与传统的耳蜗滤波倒谱系数特征相比,明显提高了语音识别准确率;混合特征参数相比单一特征能达到更佳的语音识别性能;结合主成分分析后的特征集在信噪比为0dB时的识别正确率可达到88.10%。     

基于图像处理的小麦水分含量识别方法研究

研究了一种基于小麦图像特征和模式识别的小麦水分含量快速识别方法.将小麦水分含量分别调至10%、11%、12%、13%和14%,然后采集小麦不同含水量单籽粒和整批籽粒图像.单籽粒图像,提取其形态、颜色和纹理共62个特征参数,整批籽粒图像提取其颜色和纹理共48个特征参数.最后采用逐步判别分析对提取的特征参数进行筛选,分别建立线性参数统计分类器和BP神经网络模型实现小麦不同水分含量的检测识别.结果表明,BP神经网络模型对小麦水分的识别率高于统计分类器;与单籽粒图像相比,使用整批籽粒图像的特征参数能更好地对小麦水分进行有效识别.使用BP神经网络模型对整批籽粒图像水分进行识别,其识别正确率为90%⁹5%,整体判别正确率达到了92%.     

基于灰度图像的大米垩白检测算法研究

大米垩白是检测大米质量等级的重要指标,在利用机器视觉技术进行垩白粒率的检测中,采用能够利用阈值法获取垩白米粒的DH-HV 1303UC摄像头采集的大米灰度图像,进行垩白检测算法的研究,选用双阈值法对大米图像进行分割,分别得到大米籽粒图像和只含垩白米粒的大米图像.在检测中,针对大米籽粒间存在连接的情况,提出了一种基于形态学中腐蚀、膨胀算法的垩白米粒检测方法.试验结果表明,在垩白米粒含量不同籽粒间连接程度不同的情况下,此检测算法均可达到较高的检测精度.     

基于小波特征与支持向量机的焊点缺陷识别方法的研究

基于视觉信息的焊点缺陷检测已成为当前机器视觉中的研究热点问题.针对焊接设备的不稳定性、操作环境的不确定性等问题对焊点质量的影响,本文提出了利用增强小波系数和主成分分析相结合的方法对焊点图像特征进行提取,利用主成分分析的降维作用,对提取的增强小波系数50维特征向量进行降维处理.同时提出了融合决策树与支持向量机的方法对焊点的缺陷类型进行识别.实验结果表明,本文提取的焊点特征值具有更好的区分性与紧致性,提出的分类方法有效提高了焊点缺陷检测的识别率,同时提高了算法效率.     

基于范数加权的二维主成分分析提取图像特征

为了能准确地进行图像特征提取,提出一种新的基于Nuclear范数与Frobenius范数加权的二维主成分分析(记为NF-2DPCA)方法。并利用来自于Yalefaces、AR数据库以及ORL人脸数据库中的数据,进行了图像面部识别和重建等相关实验,结果表明所提出的方法能够有效地提取图像特征,并且面部识别准确率最高能达到94.25%,进一步显示所提方法具有一定优越性。     

Linear Direct Algorithms for Finding Characteristic Parameters of Circle Parts

0INTRODUCTIONAnimPOrtantprobleminthefieldofcomputervisionistodevelopthemethodsforcalculatingtLhecharacteristicparameterssuchasthecentercoordinatesandradiusofcirclethroughitsimage,forexample,thevisioninspectionofcircleindustrialpahS,imagefeaturesmatching.Todoso,thereqUirementofaccuracy,robustnessandefficiencyinindustrialapplicationshouldbeconsideredinthecorresPOndingimagemeasuringalgorithms.Inrecentyears,avarietyofmethodsforthispuIPOsehavebeenpresentedinthefieldofcomputervision.First,t…     

基于贝叶斯框架的显著目标检测

图像和视频显著性检测在计算机视觉领域引起了极大的关注,广泛应用于物体分割、可疑物检测、图像检索等领域,在贝叶斯框架下,将人类视觉注意力理论中Bottom-Up模式被动感知与Top-Down模式主动检测按照时间先后顺序结合在一起,并结合像素的"Center-Surround"模型和核密度估计,提出一种能由粗到精逐步感知和获取视场中视觉显著性目标位置及尺度的实时显著目标检测算法,称其为基于贝叶斯框架的显著目标检测.通过在微软MSRA数据集上进行ROC和Precision-Recall测试,证明该算法取得比目前经典算法更好的效果.     

基于多光谱视觉的稻瘟病抗病性分级检测技术

利用MS3100多光谱相机采集了受稻瘟病侵染的秧苗多光谱图像,通过图像分割、复原和分析,得到了在近红外、红光和绿光波段稻苗植株样本图像的灰度均值。将3个波段的图像灰度值作为特征参量,并采用支持向量机技术建立稻瘟病的抗病性分级检测模型。结果表明,模型具有较高的分类精度。抗性样本和感病样本的分类精度达到100%,抗性样本和中等感病样本的分类精度为96.8%。本研究为水稻品种抗病性鉴定调查提供了一种新的方法,同时也为稻瘟病早期检测提供了基础。     

视觉控制技术在压电驱动细胞注射装置中的应用

提出了基于数字图像处理技术的细胞注射视觉控制系统,采用人工交互控制与计算机自动定位相结合的闭环视觉控制方法,通过CCD数字图像采集系统识别出细胞和注射针尖的位置信息,并进行细胞和针尖之间相对距离的动态自动定位和反馈控制。结果表明:控制系统自动定位精度达到0.05μm,提高了细胞注射精度,解决了目前在细胞注射过程中人工操作工作量大、定位精度不高以及自动化程度低等问题。     

牛胴体眼肌切面分级特征的提取与分析

利用具有USB接口的CMOS摄像头和VFW技术构建了牛胴体分级信息自动采集系统。提出眼肌切面分级特征的测量和分析方法,采用计算机图像分析理论提取眼肌面积、背膘厚度、大理石花纹等级,并提出了评价大理石花纹等级的指标。背膘厚度的提取准确率平均值为92.72%,标准偏差为4.75;眼肌区域提取准确率的平均值为94.84%,标准偏差为2.52。利用BP神经网络对大理石花纹的等级进行建模、验证,准确率达到了94.74%,满足牛胴体分级信息自动采集系统的准确性要求。     

板料零件应变测量的网格图像处理

基于网格测量板料冲压零件拉延成形的面内应变分布和厚度变化,是进行冲压成形分析的一种有效手段.结合实例研究了视觉测量中的关键技术之一——网格图像处理主要步骤、理论及方法.结果表明采用图像处理技术能改善网格图像的视觉效果,提高图像的清晰度;突出图像中的有用信息,削弱干扰和噪声,强调边缘,从而将图像转换成了一种更适合人或机器进行解释和分析处理的形式,是视觉技术进行板料零件应变测量的必备基础.     

基于DM643的大米边缘视频检测技术研究

以TI公司的多媒体图像处理器TMS320DM643为核心处理器,提出了一种大米外观检测视频处理嵌入式系统硬件的实现方案.基于MATLAB平台对大米样品的视频系统回读图像分别进行了Sobel算子及其改进算法的仿真比较研究.结果表明,改进算法可以检测出更为完整的大米边缘,实现了大米视频图像的实时检测,处理一帧图像仅需42.7 ns.     

Automatic Quality Inspection of Bakery Products Based on Shape and Color Information

基于形状和颜色信息的烘焙产品的自动质量检测

Babar Khan,韩芳*,王直杰,Ather Iqbal

（东华大学 信息科学与技术学院,上海 201620）

创新点说明：

利用支持向量机和基于生物启发式HMAX模型的形状辨识器与RGB对抗颜色通道辨识器集成而形成一种有效的智能分类系统,并将其用于烘焙产品的质量检测。

研究目的：

本文要对烘焙产品进行更有效的质量检测,需要提出一种智能方法。

研究方法：

本文采用了支持向量机、基于生物启发式HMAX模型的形状辨识器与RGB对抗颜色通道辨识器集成,形成一种高级自动分类系统,对烘焙产品根据其形状和颜色（烘焙时间）进行对应分类。

结果：

利用本文方法对烘焙产品进行质量检测的结果与其它方法相比较,发现本文提出的基于生物启发的机器视觉系统运行更加精确和有效,同时发现采用One Versus One支持向量机和Directed Acyclic Graph支持向量机可以得到最大的分类精确率。本文方法对饼干形状和颜色的辨识分别达到了95%和100%的分类精确率。同时,算法稳定。

结论：

本文方法因其更加可靠和精确可用于代替现有的烘焙产品检测方法。

关键词：烘焙产品质量检测,计算机视觉,HMAX, 对抗颜色通道,RGB颜色辨识器,支持向量机

     

脉冲TIG焊接熔池几何参数的视觉检测

介绍了作者自行研制的脉冲 TIG(Tungsten Inert Gas)焊接熔池几何参数计算机视觉检测系统 .该系统从硬件上将特殊采样时序与复合滤光措施相结合 ,减小电弧光的干扰 ,从软件上针对熔池区图像的特点 ,利用快速有效的处理算法 ,能够从正面实时检测出熔池重要几何参数 ,如熔池的最大宽度、半长、后部面积、后拖角等 ,为下一步焊接过程实时控制打下了良好基础 .