排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
柑橘病虫害的机器识别? 总被引:1,自引:0,他引:1
为了自动地检测柑橘病虫害,本文研究了果皮上病虫害为害状的多重分形特征.首先采用小波多孔算法,检测柑橘灰度图像小波变换模的局部极大值点,借助概率隐含语义分析方法对局部极大值点进行筛选,产生柑橘病虫害疤痕的边缘,提取边缘多重分形谱高度和宽度,作为柑橘病虫害疤痕的特征值,通过神经网络映射器识别柑橘病虫害.试验结果表明:该方法不仅可以进行柑橘病虫害机器自动识别、评估与监测,还可以进行柑橘果面缺陷分级. 相似文献
2.
基于统计纹理的柑橘糖度与有效酸度检测 总被引:2,自引:0,他引:2
用柑橘图像的纹理统计量无损检测柑橘的糖度和有效酸度.对柑橘图像蓝色分量设置阈值,去除图像背景,修正去背景后柑橘图像灰度直方图,提取灰度图像柑橘区域熵、三阶矩、均值和标准差4个纹理统计量,建立温州蜜柑糖度和有效酸度偏最小二乘预测模型.30个样本试验结果表明:±1°Brix范围内糖度判断正确率为76.67%;±0.5 pH及±0.25 pH范围内有效酸度判断正确率分别为100%和80%.比较2个预测模型中纹理统计量间权值的大小发现:熵的权重最大.这说明:柑橘果皮纹理与柑橘的糖度及有效酸度间存在对应关系,且这种对应关系中熵是关键指标. 相似文献
3.
4.
为提高目标检测的准确性,提出了最优RGB线性组合颜色模型目标识别方法。统计目标及背景代表性点的红色、绿色、蓝色3个分量值,设计线性规划目标函数及约束条件,利用红色、绿色、蓝色3个分量统计值求线性规划问题的最优解,建立最优RGB线性组合颜色模型。顺光、侧光、侧逆光、逆光4种采光拍摄条件下120幅图像的试验结果表明:该方法较R-B、2R-G-B、G-B法的目标与背景灰度差值都大、误检率与漏检率都低,可广泛用于与背景存在颜色差异的目标检测。 相似文献
5.
基于分形维数的柑橘形状与光滑度的机器视觉分级 总被引:4,自引:0,他引:4
为了实现柑橘形状与果皮光滑度的自动分级,研究了柑橘分形维数与柑橘形状和果皮光滑度间的对应关系.对机器视觉系统采集的柑橘花萼面和侧面的图像设置蓝色分量阈值去除背景后,经图像二值化、四连通化边界跟踪和边界细化操作,提取柑橘边界周长和柑橘区域面积,利用周长一面积方法计算柑橘分形维数,以此度量柑橘形状和果皮光滑度.3组仿形样本的分析表明,分形维数随形状和表面光滑度的变化而变化,说明分形维数既概括了柑橘外部形状特征,同时又包含了果皮光滑度信息.用10个柑橘检验样本的分形维数评定柑橘等级,其结果与人工感官判断结果完全吻合,这表明:分形维数能对柑橘形状和果皮光滑度进行分级. 相似文献
1