基于Halcon的苹果品质视觉检测试验研究

基于视觉检测平台和Halcon开发环境进行苹果典型品质检测试验,采集图像并处理。提取感兴趣区域,找出包含苹果的区域,用动态阈值分割的方法提取苹果的轮廓,并计算轮廓面积,以该面积来评定苹果的大小。对苹果的腐烂这一典型缺陷进行试验,用阈值分割的方法完成图像分割,不同灰度值显示为不同的颜色,据此将缺陷部分显示出来。颜色特征的检测是依据RGB颜色模型,采用模板匹配的方法,选取好的区域创建匹配模板,进行参数设置,并根据标准颜色的R分量设定合适的阈值作为合格苹果的颜色。该试验完成了水果轮廓的提取及面积的计算,实现了苹果部分区域的缺陷检测以及苹果颜色的检测。采用Halcon和机器视觉的方法对苹果品质的大小、缺陷、颜色检测能取得较好的效果。     

基于机器视觉的鸭蛋新鲜度检测

鸭蛋新鲜度的检测是鸭蛋生产、销售、加工过程中的重要环节之一。禽蛋气室及蛋黄的形态特征与其新鲜度密切相关。本文运用机器视觉技术,采集鸭蛋彩色图像,并对其进行图像预处理去除背景。采用梯度法跟踪边缘,先判断出气室的位置,后利用Hough变换检测直线提取出鸭蛋气室分界线,获得气室区域大小,从而求得气室面积与整蛋面积比。同时提取鸭蛋心区域面积与整蛋面积比,分别计算R,G,I分量灰度均值,以这5个指标为特征参数,将样本按2∶1的比例分为训练集和预测集,采用最小二乘支持向量机方法建立判别模型,对鸭蛋新鲜度进行分级。试验结果显示,训练集的正确率为96.92%,预测集的正确率为93.85%。用此种视觉方法对鸭蛋新鲜度进行无损检测与分级是可行的。     

基于视觉注意的图像感兴趣区域分割算法

为了更好地对浅景图像和简单背景图像进行分析和处理,进而改善图像的质量和效果,在Itti注意力模型算法的基础上,提出了基于视觉注意的阂值分割算法.该算法主要通过对像素属性的分析提取图像的感兴趣部分,根据像素点与均值的偏离程度对图像进行增强,利用感知学原理使HSI颜色空间所成图像更符合人的视觉要求.实验结果表明,该方法符合生物学的视觉注意机制,在自动检测感兴趣区域时,可以有效减少过分分割,也能较好地提取出较大的感兴趣区域.     

机器视觉技术在分析牛肉颜色变化特征中的应用

研究利用机器视觉技术分析牛肉的肌肉颜色在储藏过程中的变化规律。将新鲜牛肉分别储藏在室温和5℃的冷藏条件下,每天用CCD摄像头采集一次牛肉图像,采用计算机图像处理技术,分割出图像的肌肉区域,提取肌肉区域图像在RGB和HIS颜色空间的特征分量,分析这些颜色特征分量在牛肉储藏期内的变化规律。结果显示,在室温和冷藏条件下,牛肉颜色均由鲜樱桃红逐渐变为黑红色。牛肉图像的R值随着储藏时间的延长线性降低;G和B值则随着储藏时间的延长线性增加;牛肉颜色的亮度（H值）呈现先升后降的变化,而牛肉颜色的饱和度S和色度I则随着储藏时间的延长线性降低。     

基于BPNN和SVM的烟叶成熟度鉴别模型

为了在烟叶采收环节中快速准确地鉴别适熟烟叶。以下部烟叶为样本,利用烟叶图像的RGB颜色特征信息,以目标区域和背景区域平均灰度值的最大对比度为依据,选取G-B图像提取烟叶目标区域。目标区域通过形态学膨胀和腐蚀运算去除噪声后,从原始烟叶图像中得到目标烟叶图像。通过MATLAB软件提取R、G、H、S、V颜色特征均值,以及能量ASM、熵ENT、惯性矩INE、相关性CORRL纹理特征,将这9个变量作为输入参数,分别建立基于BP神经网络、支持向量机的烟叶成熟度鉴别模型,准确率分别为93.83%和97.53%。试验结果表明,通过机器视觉对烟叶成熟度鉴别是可行的,为进一步研制烟叶采收机奠定了基础。      

基于计算机视觉技术对滩羊肉新鲜度分级方法研究

正利用计算机视觉技术对滩羊肉品新鲜度分级方法进行研究,提取肌肉区域图像在RGB和HIS颜色空间的特征分量,分析这些特征分量在滩羊肉品贮藏期间的变化趋势。结果显示,滩羊肉图像的R值随贮藏时间的延长线性降低,G和B值则随贮藏时间的延长线性增加;色度(H值)指向由红转为蓝绿色,饱和度(S值)随贮藏时间的延长先减后增,而亮度(I值)没有明显的趋向性。运用神经网络建立滩羊肉新鲜度分级模型判别正确率达90%以上,表明基于计算机视觉     

基于机器视觉技术的肉新鲜度分级方法研究

利用机器视觉技术对肉品新鲜度分级方法进行研究,经过图像处理提取RGB和HIS色彩模型的特征分量,分析这些特征分量在肉品贮藏期间的变化趋势,依据TVB-N含量将肉品划分为新鲜、次新鲜和腐败3个级别,应用神经网络建立基于RGBHIS特征分量的肉品新鲜度分级模型。结果显示,牛肉图像的R值随贮藏时间的延长线性降低,G、B值则随贮藏时间的延长线性增加;H值指向由红转为蓝绿色,B值随贮藏时间的延长先减后增,而I值没有明显的趋向性。运用神经网络建立肉品新鲜度分级模型判别正确率达90%以上,表明基于机器视觉技术对肉类新鲜度进行分级是可行的。     

基于图像显著性区域提取的垩白米检测

垩白度是衡量优质大米品质的重要指标,随着农业检测自动化发展,利用机器视觉准确检测大米垩白度对大米生产加工具有重要意义。针对现有算法在分割垩白区域时存在抗干扰能力弱、稳定性差以及准确度低等问题,本文提出了一种基于图像显著性区域提取的垩白区域提取算法。利用大米垩白区域图像显著性的特点,对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值。最后,利用计算得到的阈值对该区域进行分割,分割出整张图片的垩白区域,并计算出大米的垩白度。实验结果表明,该算法识别准确率为96.76%,相较于传统的OTSU算法检测准确率平均提高了 26.87%,相较于改进的OTSU算法检测准确率平均提高了 7.26%。     

基于图像局部方差的亮度矫正下番茄表面缺陷检测方法

目的:解决番茄表面缺陷颜色复杂多变、纹理变化不规则导致的缺陷提取不准确的问题。方法:提出一种考虑亮度矫正下基于图像局部方差的番茄表面缺陷分割方法。在采用直方图阈值分割方法分割花萼与茎疤以及领域像素加权和替代原像素的方法完成亮度矫正的基础上,将番茄表面灰度图像划分成若干图像块,使用图像像素方差对各图像块的颜色进行表征,将缺陷区域与健康区域区分开。使用SVM模型对番茄表面缺陷区域面积占原图中番茄面积的比例进行检测。结果:考虑亮度校正后对番茄缺陷区域提取准确率提高了27.74个百分点,在此基础上,与全局阈值、动态阈值、区域生长算法相比,基于图像局部方差的缺陷提取方法能够实现番茄表面缺陷的准确定位与完整提取,以缺陷面积比为输入的高斯-SVM模型对番茄表面缺陷检测的精度达96%。结论:考虑亮度矫正下,基于图像局部方差的SVM缺陷提取方法适用于番茄表面缺陷检测。     

融合自适应局部特征与改进模糊C均值的服饰分割算法

提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。     

不同冷冻温度对鲅鱼理化指标及新鲜度的影响

以pH、挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量、硫代巴比妥酸值(thiobarbituric acid,TBA)和肌原纤维蛋白含量等理化指标,结合感官评价,分析了-50、-30和-18℃ 3种冻结温度下鲅鱼新鲜度差异。采用电子鼻技术,获取了不同冻结温度处理后鲅鱼的气味信息,利用主成分分析(principal component analysis,PCA)法处理了电子鼻气味信息数据,建立一种快速区分鲅鱼新鲜度的方法。结果表明,不同冻结温度处理后鲅鱼的新鲜度存在显著差异(p<0.05),-50℃冻结组综合新鲜度显著优于另两组,其中TVB-N和TBA值显著低于另外两组(p<0.05),而pH和肌原纤维蛋白含量显著高于另外两组(p<0.05),同时,-50℃冻结组感官评分也优于其他两组。电子鼻结果显示,电子鼻对各个温度下冻结的鲅鱼肉响应灵敏,区分结果同理化和感官评价结果相一致,能有效区分出不同冻结温度下鲅鱼肉气味差异,表明电子鼻技术可以作为一种区分冻结鲅鱼新鲜度的快速检测手段。     

基于机器视觉的淡水鱼去鳞损伤无损检测识别方法

为了研究淡水鱼去鳞损伤无损检识别方法,以鲤鱼为研究对象,搭建视觉采集系统,实现图像采集与处理。通过采集鲤鱼去鳞后有去鳞损伤的图像,将样本图像划分为鱼腹、鱼背、鱼尾、损伤、背景五部分,提取感兴趣区域(ROI),比较其颜色差异,发现正常鱼体的表面区域与损伤区域颜色差异较大,以不同区域对应的红色通道值(R)、绿色通道值(G)、蓝色通道值(B)对应像素的平均值作为输入,建立基于广义神经网络(GRNN)和径向基函数神经网络(RBF)的鱼体损伤区域检测识别模型,经测试,识别准确率分别能达到98%和80%。通过计算预测损伤区域与实际损伤区域的相关面积大小,验证识别模型的准确度,经试验验证,基于GRNN和RBF网络识别模型对去鳞损伤预测的准确率分别达到了90%和83%。研究结果表明,机器视觉可应用于淡水鱼去鳞损伤的无损检测识别。     

固相微萃取-气质联用分析方法评价 水产品鲜度研究进展

鲜度是影响水产品品质的重要因素。鲜度评价对水产品加工、储运及安全都具有重要意义。固相微萃取-气质联用方法是一种快速方便检测食品挥发性物质的方法。此方法已经被应用于一些水产品如鳕鱼、鲅鱼、金枪鱼、鲈鱼等挥发性物质检测及鲜度评价中。该方法具有客观、快速、方便的特点。本文就目前该分析方法在水产品鲜度评价中的原理、应用及前景作一简要综述。     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。     

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%。     

红烧鲅鱼罐头调味汁的制作工艺研究

将传统方法制作的红烧汁与现代中餐工业化生产标准工艺相结合,利用食品感官评价的方法,研究了食盐、酱油、白砂糖、味精、淀粉等辅料及加热温度、加热时间等加工条件对红烧鲅鱼调味汁的影响,利用单因素实验和正交实验,优化了红烧鲅鱼调味汁的配方。结果表明:食盐2%,白砂糖9%,味精2%,酱油3%,淀粉3.2%,加热温度90℃,加热时间40 min时的调味汁制作而成的红烧鲅鱼香气浓郁,兼有红烧和鱼肉的复合香气,菜品的风味和色泽得到明显提高和改善,且产品的品质稳定。该产品具有一定的开发价值,可广泛应用于工业化红烧食品及各类餐饮中。     

基于特征融合的猪肉新鲜度高光谱图像检测

利用高光谱反射图像技术研究了猪肉新鲜度的无损检测。采集了180个猪肉样本在400~1 000 nm范围内的高光谱反射图像,提取了高光谱图像的光谱均值和熵两类特征;分别利用连续投影算法、主成分分析,以及连续投影算法结合主成分分析3种特征降维方法,提取了反映肉类新鲜度信息的重要特征变量;并建立了这些特征变量与挥发性盐基氮(TVB-N)的最小二乘支持向量机(LSSVM)预测模型;在此基础上提出了猪肉TVB-N含量的可视化检测方法。研究结果表明:相比于单一特征模型,利用光谱均值和熵融合特征的LSSVM模型可显著提高模型的准确度;连续投影算法结合主成分分析的特征降维方法,可显著降低模型的复杂度,提高模型准确度。利用光谱均值和熵两类特征,通过连续投影算法和主成分分析相结合的特征降维方法所建立的LSSVM预测模型,可取得最佳的预测准确度,其预测集的均方根误差RMSEP为1.96,相关系数(RP)为0.948,剩余预测偏差(RPD)为3.12,可满足实际检测需要。建立在此基础上的可视化方法,可直观显示肉类的腐败区域和程度。     

基于高光谱图像与光谱特征融合技术的鸡蛋新鲜度无损判别模型的建立

鸡蛋新鲜度等级评价是鸡蛋品质检测过程中的一项重要技术指标。选取了不同储藏环境的鸡蛋样本并采集其高光谱图像信息与光谱信息,提取图像特征和光谱特征;采用并行式融合方法进行图谱特征融合,基于连续投影法-灰度共生矩阵方法进行特征提取;建立支持向量机鸡蛋新鲜度判别模型。采用粒子群算法优化模型,训练集准确率达到85%,预测集准确率达到76.67%。为了解决单模型可能出现的偶然性误判问题,采用递进式特征融合方法,引入多模型共识策略和深度残差网络ResNet 50分析方法。建立基于连续投影法-方向梯度直方图特征提取方法的多模型共识策略,该模型的训练集准确率提升至89%,预测集准确率提升至88%;同时,建立基于连续投影法-方向梯度直方图特征提取方法的深度残差网络ResNet 50模型,模型的训练集准确率提升至89%,预测集的准确率提升至86.67%。图谱特征融合建模分析表明,并行式融合方法和递进式融合方法对鸡蛋新鲜度等级判别都有一定的可识别性,且递进式融合算法的多模型共识策略判别效果更佳。     

鱼体新鲜度近红外光谱检测方法的比较研究

目的 建立针对淡水鱼整鱼鱼体新鲜度的快速无损检测方法. 方法 通过比较不同的光谱与相应挥发性盐基氮(TVB-N)值的建模结果, 以及对比分析竞争性自适应重加权算法(CARS)、遗传算法(GA)及连续投影算法(SPA)三种特征波长选择方法对模型的优化结果, 对鱼鳞及光谱采集部位等影响因素进行研究。结果 鱼体有鳞时的尾部为最佳新鲜度检测部位。CARS法较优且鱼体新鲜度检测的最优波段为800~1100 nm, 采用CARS特征波长选择方法选择出23个波长变量重新建立PLS模型, 模型预测集相关系数RP=0.957, 预测均方根误差RMSEP=0.589 mg/100 g。利用CARS方法选择的23个波长变量对淡水鱼进行新鲜度评价, 准确率达96.67%。结论 该方法为淡水鱼整鱼新鲜度快速无损检测提供了一种有效的方法。