共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
3.
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。 相似文献
4.
基于机器视觉技术大米品质检测 总被引:3,自引:0,他引:3
该文介绍国内外大米品质检测研究现状,重点介绍国内应用机器视觉技术对大米品质进行检测研究动态,指出应用机器视觉技术对大米品质检测存在问题,并提出今后研究方向。 相似文献
5.
介绍了国外大米品质检测的研究现状及国内应用机器视觉技术对大米品质进行检测的研究动态,指出了应用机器视觉技术对大米品质检测存在的问题,并提示了今后研究的方向。 相似文献
6.
7.
李佳琳武淑琴张伟鹏王美鸥王佳 《北京印刷学院学报》2023,(9):44-51
搭建完善机器视觉的印刷品套印精度检测硬件平台,完成对套印标识图像的采集,将采集的图形样本信息转换为计算机所能接受的处理的数据。通过软件平台界面对应的功能可将采集的图像样本进行处理,包括图形分割、图形增强、滤波降噪、边缘提取,最后经神经网络模型算法完成套印精度检测,进行实验分析。结果表明,神经网络模型算法通用性强,模型适应性好,且回避了人为主观性,提高了检测的精度。 相似文献
8.
9.
10.
11.
本文提出了一种新的基于机器视觉的大米粘连米粒图像的分割算法。由于在利用机器视觉方法检测抽样米粒的各种外观指标时,米粒是随意放置在载样台或传送带上的,有些米粒会不可避免地互相碰触,由此造成在图像预处理时获取的米粒轮廓线互相粘连在一起,从而在后续的检测中被误判为是一颗米粒,致使大米外观指标如碎米率,垩白米率,黄米粒率的检测都出现错误。本文根据粘连米粒的内轮廓及外轮廓线上的粘连点的特征,提出了一种新的能快速并精确检测粘连米粒的内轮廓及外轮廓线上的粘连点的算法,根据各粘连点之间的距离及曲率方向,准确地判断出互相配对的最佳粘连点对,从而实现了粘连米粒的精确分割,试验结果表明该方法的准确性和高效性。 相似文献
12.
基于图像处理技术的大米垩白度检测 总被引:1,自引:1,他引:0
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. 相似文献
13.
花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6 s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。 相似文献
14.
15.
基于机器视觉的包装机空头烟支检测技术研究 总被引:1,自引:0,他引:1
对基于机器视觉的包装机空头烟支检测技术进行了研究:在图像获取阶段,在分析包装机空头烟支结构特点的基础上,提出了机器视觉系统光源的照明方式,并参照国标对照明的角度进行了计算。使获取图像上的烟支空头特征突出;在图像处理阶段,采用基于数学形态学的开操作对图像进行预处理,使图像上烟丝的纹理特征减弱,而空陷区域的特征更加突出;最后采用计算机图像斑点识别技术。判别出存在空头烟支的烟组,最终完成基于机器视觉的包装机空头烟支的检测任务。图3表2参13 相似文献
16.
针对卷纸包装检测效率低、人工成本高的问题,本研究基于机器视觉设计了一个卷纸包装检测模型,并命名为F-YOLOv4。首先利用工业相机在卷纸包装过程中采集目标图像,并人工标注制作成数据集;随后基于YOLOv4构建卷纸包装检测模型,通过引入轻量级的混合通道注意力模块,以强化重要特征同时避免背景噪声的引入;并设计了残差上采样模块以提升上采样的效果;最后在检测头部分,将不同分辨率的特征进行了融合以丰富特征图信息。研究结果表明,F-YOLOv4模型的准确率为97.53%,高于原始模型1.97%,检测速度为129 f/s,模型大小为39.7 MB。F-YOLOv4模型能够有效解决卷纸包装问题,为企业降低用人成本,提高生产效率。 相似文献
17.
18.
为实现对金丝皇菊的快速无损等级评估,本文应用机器视觉技术对5个等级的金丝皇菊进行智能分级。首先根据金丝皇菊的品质特性设计分级装置,并根据金丝皇菊的颜色、形状、完整度等特征设置不同的分级标准;其次运用图像灰度化、图像去噪、图像增强技术完成金丝皇菊图像预处理;再次采用加色法混色模型(Red Green Blue, RGB)完成金丝皇菊颜色特征提取与识别,并通过图像分割和边缘检测技术完成对金丝皇菊图像完整度的判断及花径的计算,得出金丝皇菊的预测等级;最后基于Microsoft Visual Studio 2017平台开发一套金丝皇菊智能分级系统,实现系统的实时可视化操作。结果表明,本文设计的金丝皇菊智能分级系统整体分级准确率达到了97.6%,平均分级速度为人工的5倍多,其在可靠性、速度、工作效率、鲁棒性等各方面都优于传统的人工分级,本研究为机器视觉技术在花茶分级领域的应用提供了实际案例与技术参考。 相似文献