基于近红外、机器视觉及信息融合的水果综合品质检测

介绍了水果内外部品质检测的近红外、机器视觉和信息融合技术。近红外技术用于水果成熟度、坚实度、可溶性固形物和内部缺陷等内部品质的检测,机器视觉用于水果大小、形状、颜色、表面缺陷等外部品质的检测。但单一技术只能获得部分信息,采用多传感器信息融合技术可实现水果综合品质的评判,也是水果分级分选的发展趋势。     

基于多源感知信息融合的牛肉新鲜度分级检测

利用机器视觉和近红外光谱的多源感知信息融合技术评判牛肉新鲜度,并开发了相关的识别系统。以牛后腿肉为研究对象,对获取的图像特征信息和光谱特征信息,采用BP神经网络建立牛肉新鲜度分级模型。其中,通过主成分分析提取相应的主成分因子作为建模输入,根据挥发性盐基氮含量划分新鲜度等级作为模型输出。结果发现,在图像特征信息因子数为6、光谱信息主成分因子数为6时,建立的模型预测识别率可达98.31%。结果表明,基于机器视觉和近红外光谱技术的多源感知信息融合技术评判牛肉新鲜度的方法可行。     

神经网络多传感器信息融合故障检测实现

燃料电池多传感器系统故障通过采用神经网络信息融合技术进行检测,然后在通过温度传感器对其故障检测进行仿真研究,通过此种方法显示,这种检测方法对系统故障特征的提取有很大的帮助,这种方法对燃料电池多传感器的故障检测的精准度有很大程度的提高,使故障检测的适时性得到很大程度的满足。     

基于多数据融合技术的腊肉品质分级方法

针对近年来备受关注的腊肉酸价和过氧化值超标、褪色、出油、发黏等品质问题,提出一种快速、准确、 实用的检测技术。首先利用自组织特征映射网,对生化实验测得的酸价、过氧化值以及微生物菌落总数数据,在相 关国家标准的基础上将样品腊肉的品质等级划分为4 级：放心食用、可食用、不推荐食用和不可食用。在此基础上 采用近红外光谱技术对腊肉的酸价与过氧化值进行检测,用遗传算法优选后的波长建模所得预测均方根误差分别是 用优选前建模的41%、57%,所用波长数约为整个波段波长数的1/3。采用显微图像技术获得腊肉的菌斑信息,极大 的改善了传统细菌总数检验方法操作复杂、主观性强、耗时长等问题。最后采用支持向量机对近红外光谱数据和显 微图像数据进行多数据融合,建立腊肉可食用等级快速判别模型。     

基于信息融合的小麦粉品质快速检测

为探索信息融合技术对小麦粉品质快速检测的可行性,试验采集小麦粉的近红外光谱及中红外光谱,建立基于信息融合的小麦粉品质指标(蛋白质含量、湿面筋含量、吸水量、形成时间、稳定时间、弱化度)快速检测模型,并采用前向区间变量筛选及遗传算法对信息融合模型进行了优化。研究表明,使用前向区间算法进行变量筛选后,信息融合模型的预测能力大幅度提升;再继续使用遗传算法优化光谱变量可以进一步提高信息融合模型的预测能力,并简化模型所用的变量数量。试验构建的最优信息融合模型对蛋白质含量、湿面筋含量、吸水量、形成时间、稳定时间和弱化度的预测相关系数(r)分别达到了0. 98、0. 98、0. 97、0. 94、0. 95和0. 95,预测误差均方根(root mean square error of prediction,RMSEP)分别为0. 181、0. 590、0. 455、0. 502、0. 557和13. 047。试验结果表明,采用信息融合技术对小麦粉品质进行快速检测是可行的。     

基于SOPC水果分级检测系统研究

为了解决传统的水果分级检测系统存在的分级速度慢、系统庞大和成本高等问题,提出了基于SOPC水果分级检测系统,并将整个控制系统集成到一个FPGA芯片上,以脱离PC机平台,从而降低成本。通过Soble算法实现了水果图像的边缘提取,通过直方图的方法对水果的大小进行分辨,从而可以准确地对水果进行分级处理。测试结果表明,该系统具有检测速度快,开发周期短,可在线升级的优点,具有很好的应用空间。     

基于人工智能的农产水果分级检测技术综述

水果的分级检测是水果品质保障的重要依据。随着人工智能和图像处理技术的大力发展、计算机硬件成本的下降和性能的提升,在水果品质检测中人工智能检测技术方面获得了越来越多的应用。本项目采用人工智能技术研究水果分类、水果外观缺陷检测、水果等级层次划分的自动化技术,用智能机器代替人工进行工作,保障农户产出的水果能快速出售,获得更高的经济效益。     

多传感器信息融合技术与机械故障诊断研究

针对机械设备的大型化、智能化、复杂化,指出机械故障诊断的必要性。在对机械故障诊断现状了解的基础上,指出现在研究的主要方向。由于多传感器信息融合技术的特点,使其成为机械故障诊断的热点。介绍了多传感器信息融合的方法与特点,探讨了其在机械设备故障诊断中的应用前景,为机械设备故障诊断的研究指明了方向。     

多纹理分级融合的织物缺陷检测算法

针对织物缺陷检测过程中纹理分布的复杂多样性引起误检和漏检的问题,结合织物纹理周期性特点,提出一种多纹理分级融合的织物缺陷检测算法。在检测过程中,首先利用织物缺陷图像的Tamura粗糙度图,对缺陷区域进行初步定位和自适应性生长,将初步定位的区域映射到原始织物图像中;其次根据织物图像的周期性分布特征,对初步定位区域进行分块,提取图像块的局部相位量化(LPQ)特征、Tamura特征,并将2种特征融合;然后计算融合特征与正常块特征的相似度,获取相似度图;最后将初步定位区域的经纬向特征图与相似度特征图融合,检测缺陷存在的区域。经TILDA织物纹理库数据的实验测试结果表明,缺陷区域的初步定位和自适应生长,降低了缺陷检测过程的冗余度,提高了检测效率,避免了织物缺陷检测过程中的误检和漏检情况。     

基于智能感官多源信息融合技术的滇红工夫茶汤综合感官品质评价

依据专家感官评价,将21个滇红工夫茶汤综合品质由好到差依次划分为甲、乙、丙三类,基于电子鼻、电子舌、电子眼多源信息融合技术得到112维的数据集用以表征茶汤综合品质。结果表明：正交偏最小二乘判别分析（RY2=0.937,Q2=0.900）可以实现3类茶汤的有效区分,基于变量投影重要性值大于1.5筛选出S1(AHS)、S5(NMS)、B71和B32（橙花醇）、B27（月桂烯）、S4(CTS)、B29（柠檬烯）7个变量对分类起到重要作用。进一步,基于偏最小二乘回归和逐步多元回归分析实现了对茶汤综合品质得分的定量预测：前者绝对误差在1.86分之内,相对误差在2.06%以内;后者绝对误差在3.57分之内,相对误差在4.07%以内。结果表明,电子鼻、电子舌、电子眼多源信息融合技术结合多元统计分析,可以实现滇红工夫茶汤综合品质的定性和定量评价,为茶汤的品质控制和质量评价提供了有效的技术支撑。     

基于D-S证据理论的机器人多传感器信息融合方法研究

基于D-S证据理论,采用加权平均和证据相似度思想对Dempster合成法则进行改进,然后对光电编码器、激光传感器和CCD摄像机探测到的信息进行融合.融合结果表明,改进后的方法可以消除噪声干扰,实现信号平滑处理;机器人可以自主导航,进行障碍检测、轨迹规划,从而实现安全避障.     

基于机器视觉的猴头菇品质快速无损检测与分级

传统的猴头菇品质检测与分级主要依靠人工分拣来完成,其主观性强、精度相差大、效率低,浪费了大量人力物力资源。鉴于此,为了实现猴头菇的快速无损等级评估,该研究引入机器视觉技术,提出了一种猴头菇品质的快速无损检测与分级方法,设计一套基于机器视觉的猴头菇品质快速无损检测与智能分级设备,并通过图像处理和软件设计开发一套猴头菇智能快速无损检测分级系统。通过加色法混色模型（RGB）对猴头菇的颜色特征的快速检测与等级的判定;采用图像阈值分割和Canny边缘检测,实现猴头菇完整度的判定;使用最小外接圆法对猴头菇的大小进行实时计算,完成猴头菇直径大小的判别;基于Microsoft Visual Studio 2017平台开发一套猴头菇品质快速无损检测可视化平台。试验证明,基于机器视觉的猴头菇品质快速无损检测与分级系统检测准确率达到97.07%,速度达到人工的5倍多。验证了系统的可靠性和可行性,为食品工业的智能化生产和加工提供了技术支撑,推动了机器视觉技术在食品行业的应用。     

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的. 综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900nm的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像.     

基于机器视觉的水果外观品质检测研究现状

水果中富含多种营养成分,随着经济和社会生活水平的提高,高品质水果越来越受人们的青睐,其外观品质已经成为影响消费者采购的重要因素。早期我国主要依赖人工对水果进行分级,效率和准确率较低,成本和工人劳动强度较大。近年来随着机器视觉技术的不断发展,大量的学者将视觉技术应用到水果外观品质的检测中,这种技术具有无损坏、低成本、高效率和操作方便等优点。本文结合国内外学者的研究成果,梳理了机器视觉在水果外观颜色、形状、大小、缺陷和纹理检测中的应用,着重介绍了缺陷提取和分类器对水果识别算法的研究进展,分析了传统视觉分级、机器学习和深度学习的应用特点,提出了机器视觉技术存在的问题并对未来发展趋势进行了展望,以期为水果外观品质检测研究提供参考与借鉴。     

基于决策融合的苹果分级检测关键技术研究

提出了一种判别树和改进支持向量机决策融合的苹果分级方法。采用判别树分类方法根据果径、缺陷区域、色泽等进行分类,采用粒子群对支持向量机分类模型进行优化,根据果形、纹理和成熟度等高维特征进行分类,使用核主成分分析法降低维度,并引入决策融合的概念,结合单一特征对样本等级进行综合评估。结果表明,该方法是切实可行的,其分类准确性为98%以上,可用于苹果的有效分级。     

水果品质无损检测方法研究进展

我国是水果生产大国,提高水果品质检测技术水平有助于提升我国水果产业的竞争力。食品农产品无损检测方法以其无损、快速、准确的特性,广泛应用于农产品品质检测,尤其是水果的检测研究中。该文综述了基于声学、电学等基本特性、基于智能感官仿生技术、光谱分析技术及高光谱成像新技术等的主要无损检测方法的研究进展,展望了无损检测方法在水果品质检测中的应用前景。     

水果品质在线无损检测的研究进展

水果作为我国我国的重要农作物之一,如何快速、无损的实现对水果品质的在线检测是农业现代化的一项重要指标。目前能够实现对水果品质进行无损检测的手段主要包括光谱分析法、机器视觉法和多传感融合法等。本文较为详尽的总结了目前水果品质在线、无损检测方法,归纳总结了各种检测方法的优缺点及其改进措施,希望能够给未来的研究提供一些新思路与新启发。     

基于机器视觉的鸡蛋内外品质一体化检测与分级系统

针对鸡蛋检测分级系统复杂、集成化程度低、多品质因素综合检测的问题,设计出一体化的鸡蛋品质无损检测与分级系统,利用机器视觉算法实现了鸡蛋裂纹、尺寸、新鲜度与品质等级的自动化在线检测与分级。系统主要包括图像采集单元、分级单元、传输单元、图像处理单元和单片机控制单元。基于梯度幅度直方图和类间方差最大法进行自动阈值选取,对一级分级时的裂纹蛋进行剔除;采用外接最小矩形法测量鸡蛋最大横径、最大纵径、蛋行指数;利用鸡蛋透射图颜色信息的变化与哈夫单位值间的关系建立新鲜度BP神经网络,对鸡蛋新鲜度进行分级。试验结果表明,裂纹识别正确率为98.18%,对不同新鲜度等级的鸡蛋品质识别正确率为97.48%。     

基于机器视觉的水果分级系统

目的:解决目前水果分级检测方法效率低、误检率高等问题。方法:以苹果为分拣对象,设计一个基于机器视觉的水果分级系统。对实时采集得到的苹果图像进行预处理,使用改进的Canny边缘检测算法进行边缘提取,通过最小外接圆法拟合边缘坐标得到苹果的横切面半径。将采集到的RGB图像转换为HSI图像,根据H分量范围计算红色区域比例,判断苹果的色泽度。统计区域像素点个数,分别求取苹果的面积和周长,计算出苹果的圆形度。结合苹果果径长度、色泽度和圆形度3个特征值对苹果进行综合分级。结果:50个苹果样本试验结果表明,水果分级系统和人工分拣测量的果径误差范围在±1.5 mm以内,样本颜色特征与苹果实际外观相符,圆度值的大小与实际形状优劣相符。结论:该系统满足实际生产中对于苹果分级的需求,有助于实现苹果品级的准确识别。