基于机器视觉与支持向量机的核桃外部缺陷判别分析方法

使用3CCD高精度面阵相机采集新疆多个品种核桃RGB图像,设计一种自适应双阈值的Otsu法,快速、准确地分割出缺陷区域;基于分割区域的几何、纹理等20 个初始特征,转换为新的9 维特征向量集;以该特征集为输入,建立基于贝叶斯、BP神经网络与支持向量机的15 个识别模型,对比评价其适应性,以及裂缝、碎壳、黑斑3 类核桃外部缺陷的识别性能与时间。结果表明,基于径向基的支持向量机识别模型效果最好,对3 类缺陷的验证集平均识别率分别为93.06%、88.31%、89.27%,对缺陷的总识别率为90.21%,平均识别时间为10－4 s级。研究成果能够用于今后核桃缺陷的在线检测与分级,同时也为坚果等其他作物品质的在线检测识别提供一定参考。     

基于改进ELM和计算机视觉的核桃缺陷检测

目的：解决现有食品生产企业在核桃缺陷检测中存在的准确性低和效率差等问题。方法：提出一种结合改进极限学习机和计算机视觉的核桃缺陷快速无损检测方法。通过计算机视觉采集核桃大部分表面图像信息,通过高斯滤波对图像进行预处理,通过迭代和保留信息变量法对颜色和纹理特征进行优化,最后,通过改进蝴蝶算法对极限学习机参数（随机权重和偏差）进行优化,实现核桃缺陷快速无损检测,并对所提缺陷检测方法的性能进行验证。结果：试验方法可以实现核桃多种缺陷的有效判别。与常规方法相比,试验方法在核桃缺陷检测中具有更优的检测准确率和效率,检测准确率＞98.00%,平均检测时间＜9.00 ms。结论：将智能算法和机器视觉技术相结合可以实现核桃缺陷的快速无损检测。     

基于机器视觉的辣椒外部品质检测

为实现正常辣椒和缺陷辣椒(黑斑、虫蚀和花皮)的快速检测,通过图像采集,利用中值滤波去噪;提取样本图像24个颜色特征值,20个纹理特征值,利用Otsu算法阈值分割,提取2个形态特征值;选用连续投影法(Suc-cessive Projections Algorithm,SPA)优选14个特征值,结合最小二乘支持向量机(Le...     

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。     

基于计算机视觉的香菇缺陷检测

传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。     

基于机器视觉的大枣表面缺陷检测

以中国灵武长枣为试验对象,采用Halconl2.0视觉处理软件,通过支持向量机的方法,在HSI颜色空间中提取H分量的均值、方差作为颜色特征值。通过试验选择高斯核函数,当核函数为0.2,正则常数为0.005时达到较好的分级效果,准确率达到94.6%,大大提高了大枣无损在线检测效率,降低了劳动强度和成本。     

基于LS-SVM的黑液波美度软测量

研究了基于最小二乘支持向量机的软测量建模方法,并将其应用于造纸企业碱回收蒸发工段黑液浓度的预测.应用结果表明,该建模方法的可行性和有效性完全能满足工业生产的需要.     

基于机器视觉的苹果缺陷快速检测方法研究

针对目前中国苹果分选大部分还是经由人工筛选的现状,提出一种基于机器视觉的苹果缺陷快速检测方法。采用亮度自动校正技术消除苹果表面亮度不均匀分布,根据缺陷候选区域的数量,完成对苹果的初步判断,并使用加权相关向量机进一步对有缺陷的苹果进行判断。通过试验对文中方法的有效性和准确性进行验证。试验结果表明,该检测方法对1 000个测试样本的识别准确率为99.1%,对各种缺陷的检测精度较高。     

基于DSP的纸张缺陷实时检测系统设计

基于DSP的纸张缺陷检测系统,分别对该系统的硬件和软件部分进行介绍。硬件部分采用高性能的DSP芯片作为图像处理的核心部分,为缺陷检测的实时性提供了保证;软件部分采用支持向量机算法,克服了传统方法的大样本要求和维数灾难及局部极小问题,又把非线性空间的问题转换到线性空间,降低了算法的复杂度,提高了计算速度。通过将支持向量机识别算法嵌入到高性能DSP芯片中,很好地实现了纸张缺陷的实时检测。     

基于机器视觉的罗纹纸外观缺陷检测系统

介绍了一种利用机器视觉方法测定罗纹纸张外观缺陷的检测系统,采用H S V图像处理技术实现罗纹纸张背景上外观缺陷的提取,对于罗纹纸张色点检测有更高的色差敏感度和测量精度。     

基于计算机视觉的大米整精米率检测

提出了一种在线的基于计算机视觉的大米整精米率检测的新方法。采用最大方差阈值分割对大米图像进行处理,再对分割结果进行形态学操作,实现连接着的大米的分离,最后对分离后的大米二值图像进行面积和周长特征的提取。根据米粒周长像素数目的大小采取不同识别模式,当大米周长的像素数目大于某一固定值(先验值)时,即该种大米是长粒型,采取周长识别模式;短粒型大米则采取面积识别模式。通过使用这一能够智能选择识别模式的检测方法,能够大大提高整精米率的检测效率。     

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%。     

基于机器视觉的织物疵点检测技术探讨

针对传统人工视觉检测技术的缺陷,建立一种基于机器视觉的织物疵点检测技术方案。在深入讨论检测系统硬件设计的基础上,重点讨论了织物疵点检测流程、获取织物特征的拟合方法、疵点特征提取流程、织物疵点分类与织物等级评定等。同时,讨论了织物疵点自动检测系统实际应用时应注意的几个关键问题。为快速、准确、有效的检测织疵,提升检测技术水平和加强产品质量控制,具有十分重要的现实意义。     

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.     

基于最小二乘支持向量机的白酒酒醅成分定量分析

利用近红外光谱技术实现对白酒发酵过程中酒醅主要成分的质量控制,并进行模型优化,提高性能。采用偏最小二乘法提取的潜在变量作为最小二乘支持向量机的输入变量,先后建立了白酒酒醅中酒精度、淀粉、水分、酸度的近红外定量模型,并与经无信息变量消除法波段筛选后建立的偏最小二乘模型结果进行比较。结果表明：与偏最小二乘模型相比,4 个指标的最小二乘支持向量机定量模型的相关系数（R2）、预测均方根误差以及相对分析误差3 个评价参数均有更优表现;对未知样品进行预测时,最小二乘支持向量机模型的预测准确度明显高于偏最小二乘模型。说明最小二乘支持向量机模型的准确度、稳定性及预测性能均优于偏最小二乘法模型,为白酒酒醅的品质分析方法研究提供了新的思路。