基于近红外光谱的大枣成熟度无损检测方法

针对目前的农产品成熟度无损检测方法存在检测精度较差的问题,提出基于近红外光谱的大枣成熟度无损检测方法。利用近红外光谱仪采集大枣样品的近红外光谱,并计算采集到的近红外光谱的马氏距离,将超出阈值的马氏距离样品设置为异常样品,为此删除异常的大枣近红外光谱;利用连续投影算法对异常删除的大枣近红外光谱中的波段选择;将大枣近红外光谱波段选择结果作为卷积神经网络输入,通过卷积层和池化层的运算,输出大枣成熟度无损检测结果。实验结果表明：本方法的大枣成熟度无损检测精度最高可达99.12%,无损检测时间最高为11 s,无损检测误差最高为0.06,说明本方法无损检测精度好,具有较高的技术水平和应用价值。     

模糊和遗传算法在路况检测中的应用研究

文章研究了一种适合于路面病害识别的图像边缘检测算法。针对目前模糊边缘检测算法在路况图像检测中存在低灰度图像信息丢失和检测速度较慢等问题,提出了一种基于模糊和遗传算法的路况图像边缘检测算法。该方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。实验表明,较传统的模糊边缘检测算法,该算法能有效检测出图像中的低灰度信息,检测效果良好,而且运算速度快。     

一种改进的模糊边缘检测算法

在全面分析Pal.King模糊边缘检测算法的基础上,针对已有算法存在的缺陷,提出了一种改进的模糊边缘检测算法。该算法给出了利用遗传算法确定最佳隶属度阈值的方法,采用简单的隶属函数,简化了Pal.King复杂的变换和逆变换,根据需要对μc进行优化处理,较快获取理想效果,将“Max”和“Min”算子结合起来提取图像边缘。仿真结果表明,采用改进的方法边缘检测质量得到了很大改善,运算速度得到了显著提高。     

基于机器视觉的圆孔尺寸测量系统研究

针对常见的圆形目标检测,开发了一套基于机器视觉技术的圆孔尺寸测量系统,采用混合噪声滤波、模糊和遗传边缘检测方法从采集的零部件图像中,提取出圆孔图像的边缘,通过插值圆度检测方法,精确测量出圆孔的半径、面积等特征参数。测试表明,测量系统的平均值误差为0.010 5 mm,远远低于人工测量的平均值误差0.027 3 mm,能够满足工业应用中的精确性要求。