基于机器视觉的大米垩白米的检测方法

通过分析2种米粒的不同的直方图分布表现来区分普通米与垩白米,并进而对检测出来的垩白米粒采用改进的最大类间方差法来进一步分析其垩白率、垩白度等信息。试验采用了12组样本,每组样本60粒,按照不同的放置方向及位置,各采集10幅图像,共120幅图像。对所有图像进行检测,检测结果表明本研究提出的方法能快速,准确地区分垩白米粒及正常米粒,并且可以进一步较准确地检测垩白米粒的垩白度,相较于传统的OTSU算法,垩白米粒的检测准确率平均提高了8%左右,垩白度的检测准确率平均提高了6%左右。     

基于图像处理的稻米垩白自动检测研究

应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。     

基于图像处理技术的大米垩白度检测

垩白是衡量大米品质的重要指标之一.为了快速、客观、准确地检测垩白米粒,以实际应用为目的,利用最佳阈值先将大米从背景中分割出来,然后通过近似垩白的比色带确定分割垩白的最佳阙值,将垩白从大米中分割出来,通过计算垩白区面积与整粒米面积之比确定垩白米粒,并计算垩白度和垩白粒率,实现大米垩白度的自动检测.     

基于深度学习的大米垩白分割算法研究

大米质量安全关系到人们的生命健康,而含有垩白的大米因为缺少有助于人体代谢的成份,营养价值低,如何准确快速地检测出大米中的垩白信息就显得尤为重要。传统的基于机器视觉的大米外观检测由于光照条件,米粒上的划痕,以及胚芽部分的干扰,垩白度的检测精度会受到一定的影响。近年来,基于人工智能的图像分割技术有了很快速的发展,本文提出了一个轻量级的语义分割网络IMUN,该网络由非对称型的编码与解码结构组成。编码结构基于改进的MobileNetV2,使用深度可分离空洞卷积,扩大感受野的同时,能获取更多特征信息。解码结构基于UNet的解码结构,将上采样过程中恢复的特征,与同层编码结构进行特征连接,有助于保留更多细节信息。该网络结构可以实现对大米上的垩白区域的像素级分割,继而可以获取大米的垩白粒率和垩白度。实验结果表明,大米上的垩白区域的分割准确率可达到94.11%,在像素精度和交并比等方面优于FCN及大部分近年来新提出的网络。同时本网络结构参数少,网络模型小,非常适合于集成到嵌入式可移动的检测设备中。     

基于像素分布的自适应阈值分割模型应用于印刷图像缺陷检测的研究

为了解决传统印刷图像缺陷检测算法检测精度不足的问题,本研究提出了一种采用基于像素分布的自适应阈值分割模型的印刷图像缺陷检测算法.该算法充分利用印刷图像像素间的相互关系,利用自适应迭代运算确定图像缺陷阈值,提取图像缺陷区域.实验证明,利用该模型能准确地检测出印刷图像缺陷,可以有效地运用在印刷复制过程中的图像的检测环节中.     

基于大米外观品质分析系统对垩白米的快速测定

采用自制开发的一种大米外观品质分析系统,包含整列装置、背景板、扫描设备和计算机,结合图像处理技术,对垩白米进行快速准确的识别测定。以国家标准方法对垩白米的检测为基础,优化分析系统识别检测垩白米时的最佳阈值,再应用于实际大米样品中垩白米的测定。结果表明,分析系统检测一幅大米图像平均用时为5 s,通过实验优化分析系统测定大米样品垩白特征参数的最佳阈值为0.43,在此阈值下大米外观品质分析系统与人工法测定垩白米数量绝对误差大小不超过2颗,垩白粒率绝对误差大小不超过0.32%,垩白度绝对误差大小不超过0.25%,表明可用大米外观品质分析系统代替人工法对垩白米进行检测。     

应用多尺度多方向模板卷积的筒子纱缺陷检测

针对筒子纱不规则的纹理基元增加缺陷检测难度的问题,提出一种基于多尺度多方向模板卷积的筒子纱表面网纱缺陷检测算法。首先通过系统采集筒子纱的顶面纹理图像;其次对原图像进行OTSU阈值处理,并采用椭圆拟合确定纹理位置,利用极坐标变换将其展开;然后利用水平方向一维高斯差分算子提取边缘,通过改变高斯核的标准差获取多个尺度的边缘图像;进而将0°~180°角度区间量化成多个方向模板与各尺度的边缘图像进行卷积,并投票记录每个像素位置在各尺度下的多方向模板卷积结果的最大值;最后,选取经验阈值对最强卷积响应进行分割得到缺陷图像。实验结果表明,该方法可有效检测筒子纱表面的网纱缺陷,识别准确率达0.96。     

基于Prewitt算子的苹果分类研究

提出一种简单实用的基于Prewitt算子的苹果分类算法.该算法利用Prewitt算法检测苹果图像的边缘,利用阈值方法对苹果图像进行分割,通过计算连接区域确定苹果是否有损伤.该方法不仅可以精确定位苹果的茎部和损伤部位,而且能够消除苹果图像中的阴影.100个测试样本的实验表明,该算法能够快速地对苹果进行准确分类,准确率可以达到99%.     

融合边缘检测的四帧差分运动目标检测

传统的三帧差分运动目标检测算法易出现空洞及虚假边缘等现象,为了对其进行改进,本文提出了一种融合边缘检测的四帧差分运动目标检测算法。首先对四帧连续图像采用Canny边缘检测算子快速提取边缘图像,然后对四帧连续的边缘图像进行四帧差分运算,最后通过阈值分割和形态学处理完成对运动目标的提取。实验结果表明,该算法计算简单,连通性好且准确率高,可满足实时检测的要求。     

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。     

基于机器视觉的大米垩白米的检测方法研究

本文提出了一种检测大米垩白米的检测方法。由于光线反射的缘故,摄像机拍摄的正常米粒有部分的光线反射区,该反射区与垩白米的亮度非常近似,用最大类间方差法无法区分开垩白米和正常米粒的光线反射区。本文提出通过分析两种米粒的不同的直方图分布表现来进行区分的方法,并进而分析出大米垩白率,垩白度等信息。本文提出的方法相较于以往的方式,能快速,高效地检测出大米垩白米及相关信息,实验结果表明了该方法的可行性。     

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。     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法(OTSU)求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

基于视觉校准的环锭纺细纱条干特征在线提取方法

针对纱线高速回转、毛羽条干交织导致的条干轮廓特征难以准确提取的问题,提出了深度学习与形态学运算融合的在线提取方法,设计了图像在线采集系统与校准定焦方法,为轮廓特征提取提供高质量输入,构建了基于整体嵌套边缘检测神经网络和形态学运算的细纱条干轮廓特征提取重构模型,实现毛羽干扰下的条干轮廓在线准确提取。实验结果表明,所提方法的轮廓提取准度指标OIS-F(optimal image scale)、ODS-F(optimal dataset scale)达到了0.91,平均准确率AP达到了0.89,相对于当前方法提高了7%以上。基于提取的轮廓特征计算的条干不匀CV值,与CT3000均匀度检测仪的平均误差小于4%。     

SLURRY VISCOSITY AS A POSSIBLE INDICATOR OF RICE QUALITY

Forty-one rice varieties belonging to eight quality types were examined. The viscosity of a 5% rice flour slurry dispersed in 2% carboxymethylcellulose, measured with an Ostwald capillary viscometer, was remarkably constant among varieties within the same quality type but increased significantly from type I (high-amylose) through type VIII (little or no amylose) rice. Slurry viscosity was strongly affected by particle size, being higher for finer flour, but it appeared independent of the age of the rice after harvest. Slurry, as well as paste viscosity, was affected by kernel chalkiness in rice, chalky grains showing lower viscosity than vitreous grains. Chalky rice grains contained less amylose and hydrated more in ambient water than nonchalky ones. When ground under a constant condition, high-amylose rice yielded slightly coarser flour than intermediate- or low-amylose rice, suggesting differences in grain hardness.     

混合蛙跳优化算法的裱糊线机器人边缘提取

为了提高裱糊线机器人视觉系统定位精度,降低图像边缘冗余信息与噪声影响,提出将基于混合蛙跳优化算法的Canny算子应用于裱糊线机器人裱纸的边缘检测中。通过采用最大类间方差作为混合蛙跳算法的目标函数,自适应迭代优化Canny算子双阈值,实现裱糊线有效提取。仿真试验结果表明,该算法优化Canny算子可较好检测裱纸图像的边界轮廓,自适应获取最优阈值,弥补传统Canny算子需要人为设定的缺点,提高了检测精准性,同时具备一定降噪效果。该算法较粒子群优化算法、传统Canny算法C/A分别降低3.33%、33.39%,C/B分别降低了14.94%、54.55%。