基于图像分割的拼色纺织品分色算法

 采用计算机图像分割技术对纤维混色产品的高分辨率扫描图像进行处理,提出了根据其所含纤维色彩特点进行图像分割的方法。将彩色图像转化为HSV色彩空间,对图像的灰度区域针和彩色区域分别以V分量和H分量进行分割,分割过程采用模糊C聚类分析(FCM)的方法进行。实验结果表明,此方法可以图像分割成有效的几个类别,并保持原有图像的色彩、纹理信息。该方法可以用于计算机辅助拼色纤维配色,与传统的通过光学模型预测方法相比,此方法更为直接,有效。     

基于改进分水岭算法及Hopfield神经网络的牛肉大理石纹等级评级方法

在HSV颜色空间H分量图像上进行分割预处理,结合改进分水岭算法对牛眼肌与大理石花纹区域进行精确分割,对中国、日本及美国的大理石纹的标准等级图的特征参数作相关性分析,优选出5个表征大理石纹分布的特征参数,提出一种基于图像处理及Hopfield神经网络的自动评级方法,结果表明,对大理石花纹分级准确率达到87.23%。     

基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究

介绍一种基于HSI颜色空间的改进型FCM聚类算法,并将此算法运用于牛肉眼肌切面图像中筋膜区域的分割。该方法根据牛肉眼肌切面图像像素分布的特点,将H分量和I分量作为聚类分割算法的特征向量,改进了FCM聚类算法初始聚类中心的选取方法以及距离度量公式。结果表明:所提出的算法在保证FCM算法本身收敛速度快的同时,也提高了图像区域分割的精度和准确性,对噪声具有较强的抑制能力。     

基于多特征融合的织物印花图像分割

针对织物印花检测精度的问题,采用结合颜色特征和纹理特征多特征融合的方法,对织物印花图像进行有效分割,从而为提高织物印花的检测精度奠定了基础。在织物印花的分割过程中,首先采用颜色特征结合基于自动种子点选取的区域增长算法对图像进行初始分割,在初始分割的基础上,利用小波变换提取干扰区域的纹理特征,从而可以进一步地消除干扰区域,实现织物印花图像的准确分割。实验结果表明：基于多特征融合的分割算法能够准确地分割出织物的印花图案,克服了仅仅采用颜色特征或者纹理特征时产生的分割失真,提高了分割的质量,具有较好的应用价值。     

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。     

基于颜色特征的筒纱分拣机器人识别定位方法

针对筒纱分拣机器人作业目标的表面纹理复杂、位置随机摆放等干扰因素的问题,课题组提出了基于颜色特征的筒纱识别定位方法。构建了具有视觉感知的4自由度DOBOT筒纱分拣机器人系统,通过视觉系统获取筒纱多目标的图像,采用对图像进行预处理的算法来提高分拣目标的对比度;将作业目标由RGB空间转换到HSV颜色空间,提取各分量的颜色特征,采用区域生长法对不同颜色的多目标区域进行提取;建立基于图像信息的形心坐标,对各目标区域的连通域进行定位。实验结果表明:该方法能够实现对不同颜色的作业目标的识别与定位,并在分拣机器人的手眼标定的基础上,实现了对不同颜色的作业目标进行分拣。     

基于Lab空间的太阳能电池片图像优化方法研究

针对太阳能电池片人工颜色识别较慢且准确性不高的问题,提出一种基于Lab颜色空间的太阳能电池片颜色识别优化方法。首先对原始图像进行去噪,增强颜色对比,再用ROI特征提取等方法进行预处理,然后将图像从RGB空间转换到Lab空间,接着引入K均值聚类算法对图像颜色进行分割,通过分析图像直方图来对图像进行分类。结果显示,通过对加入K均值后的图像直方图的分析,能够较好的分辨出电池片颜色之间的差别。     

从RGB到HSV色彩空间转换公式的修正

针对从RGB色彩空间到HSV色彩空间的转换方式为非线性变换,会产生奇异点和不稳定点的问题,对转换公式作了修正.原公式在饱和度为零时色度未定义,在低饱和度时色度不稳定,这些情况下色度为黑色、灰色或者白色,将色度分量的低值区域和高值区域分别用来表示黑白色或者偏黑和偏白的低饱和度色.不但能够消除色度奇异点和不稳定点,而且可以用单纯H分量来表述色彩图像的主色调信息,简化了图像计算的复杂度.通过分析和实验验证,方法是有效的.     

基于视觉图像的鲅鱼新鲜程度的检测方法

鲅鱼新鲜程度是评价其质量好坏的重要因素。为提高鲅鱼检测新鲜程度准确性,研究基于视觉图像的鲅鱼新鲜程度的检测方法。研究对象是某地海鲜市场中的30条鲅鱼,通过鲅鱼视觉图像采集系统采集鲅鱼视觉图像,利用区域填充算法及形态学开运算对采用大津法分割的鱼体二值图像进行填充及去噪,融合上山法与区域生长方法分割鱼眼区域,通过全局动态阈值分割方法分割鱼鳃图像;提取图像特征时,利用图像的R、G、I分量灰度均值提取鱼体、鱼眼及鱼鳃图像颜色特征,采用G分量提取鱼眼中心区域面积。将图像特征输入到NeuroShell 2神经网络判别模型中,实现鲅鱼新鲜程度的有效检测。经实验验证,该方法检测鲅鱼新鲜程度的准确率平均高达98.28%,依据鱼眼中心区域面积+颜色灰度均值特征进行鲅鱼新鲜程度检测的准确率最高,且检测不同死亡时间的鲅鱼新鲜度的检测准确率高达95%,说明鲅鱼新鲜度的检测为海鲜检测提供了理论基础。     

采用纹理平滑的印花织物图案轮廓提取

为丰富印花产品的种类,提出了一种可有效提取出印花织物中图案轮廓的方法,可提取出高精度的印花图案边缘轮廓。首先对图像进行平滑,通过控制平滑程度参数和空间尺度参数,平滑掉织物图像中的纹理结构。再用Canny边缘检测算子检测图案边缘,Canny分割的判别阈值采用默认自动选择阈值就能成功提取织物上图案的轮廓,分割后的图像轮廓清晰,边缘连续,并且能分割出印花织物图像中的细小结构。通过实验证明,在RGB颜色空间对图像平滑和边缘提取的效果要优于其他颜色空间,比较了其他边缘检测算子分割印花织物图案的效果,结果证明Canny算子分割效果最好。     

基于计算机视觉的槟榔分级研究

槟榔品种的分级技术目前比较落后,主要靠人工完成分级,因而品种分级的质量难以得到保证。该试验用计算机视觉技术进行品种分级,通过图像获取、预处理等提取其颜色特征、形状特征和纹理特征,通过试验分析,发现由颜色和形状特征参数结合起来即可以获得较好的效果。并对其进行主成分分析后代入支持向量机进行分级,预测集的正确识别率达到90.38%以上。     

视觉工业点卤机器人控制系统研究

针对槟榔点卤过程中出现的定位精度低、效率低等问题,将机器视觉引入到槟榔点卤系统中,开发了一种由机器视觉和运动控制结合的自动点卤系统。该系统主要通过视觉定位获取不同形状的槟榔的中心位置,并将定位结果传输至运动控制器,再利用运动学计算出点卤的运动轨迹,实现点卤的精确定位和自动点卤。     

基于改进型YOLO的密集环境下槟榔果实的快速识别方法

目的:提高小个体槟榔的识别精确率以及槟榔加工厂的自动化程度。方法:设计并选取Mob-darknet-52作为新型特征提取网络,采用多尺度检测尺寸,提出一种基于改进型YOLO算法的槟榔定位与识别的方法。结果:Mob-YOLOV3-SPP对槟榔果实分类的检测精度为94.8%,准确率为94.5%,召回率为95.1%,模型的检测时间为6.679 ms。结论:基于改进型YOLOV3网络的优化算法可以实现密集环境下槟榔果实的快速定位与识别。     

Effect of steam explosion on the morphological,textural, and compositional characteristics of betel nut

To reduce the adverse physical effects on the oral mucosa caused by excessive hardness of betel nut fibers, steam explosion was used to soften betel nuts. The effect of three operating parameters (pressure holding time, explosion pressure, and initial moisture content) on the morphology, texture, and chemical composition of the betel nuts was investigated. The fiber hardness and Shore hardness decreased by 56.17%–89.28% and 7.03%–34.29%, respectively, and the transverse tensile strength and fiber tensile strength also decreased by up to 60.72% and 24.62%, respectively. Moreover, the coefficient of static friction and moisture content increased. After steam explosion, the betel nut increased in transverse diameter, became darker and more yellow–red in color, and showed a damaged microstructure. The contents of free phenol and alkaloids decreased after steam explosion treatment, with free phenols and total alkaloids decreasing from 34.32 mg(GAE)/g and 7.84 mg/g to 21.58 mg(GAE)/g and 6.50 mg/g, respectively, after the A-50 s treatment condition. The steam explosion increased the quantity of phenols, alkaloids, and soluble solids released from the betel nut under the same simulated release conditions of the texture analyzer. The research also showed that increased pressure holding time and explosion pressure enhanced the explosion efficiency, while the initial moisture content was reduced the explosion efficiency. Therefore, steam explosion is an effective pretreatment approach to soften betel nut and facilitate healthy development of the betel nut industry.     

槟榔烘制工艺中不安全因子分析

对传统工艺烘制的槟榔干果、改良烤炉烘烤槟榔干及食用槟榔片产品中存在的不安全因子进行分析。结果显示:苯并芘是影响槟榔产品食品安全的主要因子,烘制方式对槟榔干果中苯并芘含量影响极大,传统黑果烤炉、传统青果烤炉烘制的槟榔干果中苯并芘含量严重超标,但不管哪种烘制方式的制成品中苯并芘含量均未超标;在槟榔产品还可以检出二氧化硫和亚硝酸盐,其含量均在中国相关控制标准内,还不足以引起食品安全问题。     

基于同态滤波和改进K-means的苹果分级算法研究

针对苹果在分级的过程中,光线不均所导致的表面反光和阴影问题,利用同态滤波和改进的K-means算法予以解决。同态滤波前,将苹果图像由RGB空间转换到HSV空间,再对HSV空间的V分量进行同态滤波增强,最大限度地削弱光线不均带来的影响;对传统K-means聚类算法,新增加距离度量方法、确定聚类数目和初始中心点,能较好地去除苹果阴影对图像分割的影响。从大小、果形、质量、颜色、缺陷5个方面对陕北富县的秦冠苹果进行分级,分级成功率达到97%。利用同态滤波算法结合改进的K-means算法来对苹果图像进行处理,能够大大提高苹果分级的准确性。     

Aflatoxin in betel nut and its control by use of food preservatives.

The occurrence of aflatoxins in market betel nut samples was studied. It was observed that several betel nut samples were infested with aflatoxin-producing fungus, Aspergillus flavus. Out of 32 samples collected from various places, 12 were positive for aflatoxin. Aflatoxin B1 was detected in all the positive samples. Other aflatoxins were also detected in some samples. Boric acid, propionic acid and potassium metabisulphite were used for the control of aflatoxin B1 on betel nuts. Propionic acid was most effective in inhibiting aflatoxin production on betel nut after intervals of 2 (62%) and 4 (85%) weeks. Controlling the occurrence of aflatoxin could safeguard the users from the health hazards of aflatoxins.     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。