基于计算机视觉和嗅觉的菠菜叶绿素含量检测方法研究

以叶绿素含量为评价菠菜新鲜度的参考指标,开发菠菜采后品质无损检测方法。采用计算机视觉和电子鼻分别获取储藏期内菠菜的图像和气味信息。分别提取视觉、嗅觉信息的主成分作为模型的输入,以叶绿素含量的化学检测值作为模型的输出,采用误差反向传播神经网络建立菠菜叶绿素的定量预测模型。试验显示,以视觉信息为输入量的模型测试结果:训练集和测试集的均方根误差(RMSE)分别为0.1978 mg/g和0.2147 mg/g,相关系数(R)分别为0.8457和0.7995。以电子鼻信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.3119 mg/g和0.3032 mg/g,R分别为0.7013和0.6905。以视觉和嗅觉融合信息为输入量的模型测试结果:训练、测试集的RMSE分别为0.1759 mg/g和0.2121 mg/g,R分别为0.8888和0.8736,精度比两个单一技术均有所提高。研究表明,利用计算机视觉和电子鼻技术预测菠菜叶绿素含量的方法是可行的,采用融合技术有助于提升模型的预测精度。     

基于计算机视觉的玉米粒形检测方法

提出了利用计算机视觉技术检测整粒玉米和破碎玉米的方法,以适应快速准确检测玉米品质的要求。设计了一套基于计算机视觉技术的玉米粒形检测装置,开发了玉米粒形检测算法;首先采用玉米粒形检测装置获取玉米籽粒图像,再对图像进行预处理,然后根据玉米籽粒的特点提取面积、周长、长、宽等8个特征参数,将粒形特征参数作为输入值构建BP神经网络对玉米的粒形进行检测。结果表明:该方法对整粒玉米检测的准确率为97.50%;对破碎玉米检测的平均准确率为91.83%。     

基于计算机视觉的辅助驾驶系统设计

文章设计一种基于计算机视觉的辅助驾驶系统。系统通过摄像头采集图像信息,并对环境中的车道线、交通信号灯、车辆进行检测识别,同时把检测结果反馈给驾驶员,提醒驾驶员安全驾驶。该系统识别速度快、准确率高、鲁棒性强,具有广泛的应用前景。     

基于计算机视觉的柑橘无损检测技术

分析了柑橘无损检测和分级技术的重要性及其发展现状,阐明了基于计算机视觉的柑橘无损检测的流程.柑橘的好坏主要由柑橘的大小和形状决定,2个特征参数的提取运用了数字图像处理技术, 根据控制规则,输出1个变量即苹果等级分类.实验结果表明:该方法能较好地区分柑橘的好坏,达到预期的目标,结果是可以接受的.     

使用叶绿素计对甜菜品种叶绿素含量的调查

SPAD—501型叶绿素计(日本制)是根据叶片中叶绿素含量不同而所吸收的光谱量产生差异的原理,在不损伤植物叶片的情况下,追踪测定各种具有扁平叶植物的叶绿素含量的仪器。该仪器体积很小,手持轻便,操作简单。笔者于1988年在日本研修期间,使用叶     

基于计算机视觉的午餐肉颜色测定系统研究

目的建立一种对午餐肉样品物理特性要求较少,能对物料表面整体颜色进行准确测量的无损检测方法。方法采用计算机视觉系统对24色色彩测试板测定得L,a,b值,使用色彩色差计对24色色彩测试板测得L~*,a~*,b~*值,对两组数据进行线性回归;计算机视觉系统测定午餐肉的L,a,b值,带入回归方程得到标准的L,a,b值,色彩色差计对午餐肉测定得L~*,a~*,b~*值,用SPSS软件对得到的标准L,a,b值和L~*,a~*,b~*值进行成对样本检验。结果 L,a,b值回归方程的相关系数r~2分别为0.9900、0.9707和0.9801,有高度相关性;午餐肉标准L,a,b值和L~*,a~*,b~*值成对样本检验得到的P值分别为0.146、0.087、0.109,大于显著性水平0.05,回归方程转换值与色差计测定结果无显著差异。结论本文建立的基于计算机视觉的午餐肉颜色测定方法可以准确测定午餐肉颜色,其效果可以代替色差计。     

基于计算机视觉技术的稻米检测研究

综述了计算机视觉技术在稻米品种、外形轮廓、垩白度、加工精度、留胚率、整精米率、黄粒米和稻米化学成分等检测中的应用。     

基于图像分析检测青菜叶绿素含量

为研究利用图像分析技术快速测定青菜叶绿素含量的方法,本研究将青菜分别置于不同环境进行贮藏,采用图像分析技术和分光光度计法测定了贮藏期间青菜叶颜色参数值(L*、a*、b*、ΔL*、Δa*、Δb*、(Δa*2+Δb*2)1/2、色差ΔE)和叶绿素含量,并使用不同函数模型(y=Ax+B、y=A/x+B、y=Alnx+B和ln(lny)=Alnx+B)对颜色参数和叶绿素含量进行拟合分析。结果表明:不同贮存环境下,青菜叶颜色参数ΔE与叶绿素含量之间存在稳定的线性关系,可以用函数模型y=Ax+B进行表达。利用图像分析技术建立青菜叶颜色参数ΔE与叶绿素含量之间关系定标模型相关系数为0.990 9,其定标均方根误差为0.071 7,用未参与定标的纸盒贮藏青菜叶作为预测集,其预测相关系数为0.992 8、预测均方根误差为0.010 4。     

基于计算机视觉的鲶鱼肉色泽测定系统

采用色差计与计算机视觉系统(computer vision system,CVS)两种方法分别测定鲶鱼(Clarias leather)冰藏18 d期间鱼肉的色泽变化,探讨CVS方法测定鱼肉色泽(L*、a*、b*)的可行性。结果表明,两种方法所得的冰藏期间鲶鱼肉色泽变化趋势相同,且所得的总色差(ΔE值)基本相等。鱼肉冰藏期间明度(L*值)和ΔE值随着冰藏时间延长而逐渐升高(P0.05);红度(a*值)在前3 d缓慢升高,之后显著下降(P0.05);黄度(b*值)无显著性变化(P0.05)。通过色差计测量值对CVS测量值进行校正并验证可知,其校正值与色差计测量值无显著性差异(P0.05),且二者L*、a*、b*值的线性相关系数为0.89~0.97,表明CVS测量值经校正后,能准确地检测出冰藏期间鲶鱼肉的色泽变化,从而实现鱼肉色泽的快速测定。     

微波加热法测定谷物水分的研究

谷物水分含量是谷物质量的重要指标之一,谷物水分含量的测定是谷物储存、加工等的常规检测项目。烘箱加热法是国标方法,结果精确,但耗时、耗能,而使用常压快速干燥等方法,误差较大。微波加热法具有操作方便、节能、快速等优点,结果也较为准确。     

青菜中叶绿素含量的无损检测法研究

研究了扫描仪、色差计和叶绿素含量3个参数之间的相互关系。通过对叶绿素的标准溶液以及青菜样品的测定,寻找扫描仪的R、G、B、H2、I与色差计中的X、Y、Z、H1、L值及叶绿素含量之间的相关性。用扫描仪和色差仪对含叶绿素的样品进行测定。试验结果显示:扫描仪的R、G、B、H2、I值分别与色差计的X、Y、Z、H1、L值之间有极显著的相关性。青菜叶绿素含量与扫描仪的G与H2相关性极显著,相关系数r分别为-0.9395和0.9302;青菜叶绿素含量与色差仪的H1与L值相关性也极显著,相关系数r分别为0.9065和-0.9084。扫描仪和色差仪均适合对青菜色泽的测定。此外,可以根据回归方程,用G、H2、H1和L值计算叶绿素含量。     

油菜籽和菜籽油中叶绿素测定方法的确定

借鉴并采用国际标准ISO 10519：1997《分光光度计测定油菜籽中叶绿素的含量》和AOCS Cc13i-96：1997标准《植物原油中叶绿素色值的测定》方法，对国内油菜籽及菜籽油中叶绿素含量进行方法比对测定，确定了适用于我国油菜籽和菜籽油中叶绿素含量测定的方法。通过大量分析测定和实验数据的汇总，证实确定的方法是科学可行的。     

单粒玉米种子水分近红外快速无损测定方法研究

玉米精量播种技术发展对种子质量检测提出了单粒、无损、快速测定等新需求,本研究重点探索了近红外光谱结合化学计量学方法建立单粒玉米种子水分检测模型的可行性。实验收集并测定了110份玉米样本的水分含量,应用傅里叶变换红外光谱仪及单粒测样附件扫描得到样本集近红外光谱,按照3:1随机划分训练集和测试集。首先采用多种光谱预处理方法消除单粒种子采集光谱时由于颗粒形态等引起的噪声干扰,然后分别建立基于PLS线性模型和SVM非线性模型的单粒玉米种子水分近红外检测模型,其中PLS模型测试集的R为0.93,RMSEP为0.86;SVM模型测试集的R达到0.96,RMSEP为0.71。实验结果表明,光谱预处理结合SVM非线性模型可以有效降低单粒玉米种子近红外光谱采集时引入的非线性干扰,有助于提升单粒玉米种子水分近红外快速无损检测实际应用可行性。     

利用计算机视觉系统对纸页匀度的研究

采用可见光透射法利用计算机视觉系统分析采集到的透过光信号,并据此分析纸页的匀度变化。第一步,在相同条件下,以两种浆料（ＮＢＫＰ、ＡＰＭＰ）抄造不同定量的纸页,利用视觉检测系统对纸进行分析,研究纸页的基本性质对其平均灰度的影响,并建立数学模型;第二步,在相同条件下,以漂白硫酸盐针叶木浆（ＮＢＫＰ）为定量一定的条件下,添加不同用量助留剂（ＣＰＡＭ〉抄造纸页,利用视觉检测系统研究其匀度,并比较各咎表生纸     

基于毫米波扫描技术的人体点云模型测量方法

三维扫描技术极大地促进了服装企业的现代化,通过三维扫描技术可以获取人体的三维信息,进而进行人体测量。相比其他三维扫描技术,毫米波扫描技术受人体着装的影响较小,避免了在扫描时被测人员必须穿着特定紧身衣的缺点,有效突破了现有三维扫描技术对着装的限制。在此基础上,对毫米波点云进行计算和测量,提出了基于投影和姿势修正的人体测量算法进行缺失数据的拟合,实现基于毫米波点云的人体特征参数测量与计算,并最终验证了基于毫米波扫描技术的人体测量可以在整体上较好地实现人体测量,具有重要的理论研究和实用价值。     

基于计算机视觉的织物疵点自动检测方法研究

为了快速、准确地检测织物上存在的疵点,提出了一种基于计算机视觉的织物疵点自动检测方法。用具有高分辨率的CCD摄像头,在可移动云台及可调标准光源的照射下,捕获织物图像,存储至计算机;采用能量、方差、熵、极差、对比度作为特征值,进行织物图像的特征值提取与归一化处理;基于小波分析方法,提出自动选择子图像的小波重构方法,将织物图像中的疵点部分分离出来进行定位、识别。经试验证明,该方法具有检测速度快、定位准确等优点。     

基于可见光谱参数的烤烟叶片叶绿素含量估算模型

为快速、无损、准确地估计烟草叶绿素含量,通过品种和氮素水平双因素试验,获得叶片数字图像和叶片叶绿素含量数据集,分析叶片可见光谱参数与叶绿素含量参数间的关系并选择最佳参数建立估测模型。结果表明,烤烟品种和氮素水平互作增加了叶绿素与光谱参数的变异性;在3类颜色指标中,NRI、R/（G+B）、（R-B）/G、（G-R）/（R+G+B）、（R-B）/（R+G+B）、ExR与叶绿素指标达到极显著相关（p<0.01）,其中R/（G+B）与Chl.a、Chl.b、Chl.（a+b）之间的相关系数分别为-0.632、-0.636、-0.666,相关性表现最好;利用田间试验进行验证,R/（G+B）对叶绿素指标的预测精度最高,与Chl.a、Chl.b、Chl （a+b）之间的均方根误差值分别为0.6069、0.1567、0.7575;选择R/（G+B）作为叶绿素含量估测的最佳颜色指标。利用该方法可实现智能手机对烟草叶绿素含量进行快速测定,及时指导烟田施肥和采取合适的栽培管理措施,具有可期的应用潜力。     

谷物水分的测量方法

在研究电容传感器结构的基础上,建立了电容传感器用于谷物含水率测量的数学模型,提出一种基于电容传感器的谷物水分测量的设计方法,分析了适合该种传感器的检测电路,给出水分测量系统组成.实践表明,此方法具有较高的准确性和应用推广价值.