【摘 要】
：
薯类作物采用机械收获时,会产生机械损伤。这些机械损伤因为收获环境复杂,薯类形状各异等限制一直没有很好的智能化检测方法。本文针对薯类的工业检测背景进行机器视觉检测的
论文部分内容阅读
薯类作物采用机械收获时,会产生机械损伤。这些机械损伤因为收获环境复杂,薯类形状各异等限制一直没有很好的智能化检测方法。本文针对薯类的工业检测背景进行机器视觉检测的方法研究,论文的主要研究内容包括:(1)搭建薯类机械损伤视觉检测平台对光源、相机、镜头、实验支架和计算机等硬件进行选型,搭建了薯类机械损伤图像采集平台用于后续方法的验证。(2)提出基于改进边缘检测算法的薯类区域分割方法针对条状背景的特定边缘信息,选择了具有局部边缘检测能力的GM(1,1)预测模型的边缘检测算法,采用累积法对传统边缘检测算法进行改进,构建针对传送带条状背景的垂直检测模板,提出了一种快速有效的薯类区域分割方法。(3)提出KPCA-LLSVM的薯类机械损伤分类方法针对薯类特征多样,提出一种薯类的图像归一化方法,构建了薯类机械损伤训练集。针对高维薯类图像,采用KPCA算法对其进行降维,LLSVM算法进行分类,PSO进行参数优化,提出了KPCA-LLSVM薯类机械损伤分类模型。并将本文模型和PCA-LLSVM和LLE-LLSVM的分类模型进行比较,验证本文方法的精度更高,利于应用的优势。(4)设计薯类机械损伤检测系统方案结合薯类收获后在传送带上运输的实际情况,将本文研究应用到实处。采用改进的边缘检测算法的薯类区域分割方法分割薯类区域,KPCA-LLSVM薯类分类方法进行薯类检测。提出薯类机械损伤检测系统,并在MATLAB GUI上编写软件检测平台。
其他文献
化肥农药等无机投入在快速提升农业产出的同时,导致了耕地面源污染问题进一步凸显。不仅影响到农业的持续发展,也对贫困地区实现脱贫和可持续发展带来隐患。耕地面源污染已经
家族信托作为我国财富管理市场上新兴的一项业务,高净值人群对此颇为关注。然而,我国信托业目前以自益信托、资金信托为主导,家族信托并非是一个法律概念,由于法律对什么是“
无线感知技术是通过采集,处理与分析泛在的无线信号,并从中挖掘出其传播环境中诸如身份、手势、动作等目标信息的一种新兴技术。得益于无线信号的物理特性,无线感知技术可以
图像分割是依据一定的相似性准则将图像分为几个有意义的、互不重叠的区域的一种图像处理办法。在同一区域内,图像的特征(如灰度、纹理、色彩)是相似的,而在不同的区域内,图像的特征则明显有所不同。阈值法因其简单实用的优点成为最常用的图像分割方法,但是它只利用了图像的灰度信息,在某些情况不能得到理想的分割结果。研究表明,同时考虑图像的灰度信息和像素间的空间相关性有助于改善分割结果,将像素之间的空间相关性引入
在计算密集型批处理任务中,有一种任务运行时间很长、且要占用大量CPU和内存资源,例如基因测序任务。对于该种类型的任务调度策略来讲,任务完成时间是衡量调度策略好坏的一个重要指标。在任务大小和数量一定时,任务完成时间越小,系统服务质量越高。设计了一种面向计算密集型批处理任务的调度系统。该系统采用一种混合改进遗传模拟退火算法(Improved Genetic Simulated Annealing,IG
主客体化学是超分子化学领域的核心内容,分子自组装是超分子化学的最终目标,现在超分子化学在这两方面的基础上均取得了快速的发展。设计和开发具有大尺寸空腔和特定功能性大
随着互联网技术的发展和开源社区的兴起,开源代码的数量急剧增加,从开源社区中发掘出有用信息需要耗费大量的时间和精力。自动摘要技术广泛地应用于文本主要内容的获取,但针对代码的相关技术研究较少。本文使用深度学习思想解决这一问题,利用卷积神经网络(Convolutional Neural Networks,CNN)模型提取代码特征,从而缓解信息爆炸带给人们的时间精力问题。本文对代码自动摘要问题进行了分析,
提到近代日本的思想一定会涉及到脱亚论。但是,在同时代“日中连带”和“亚洲只有一个”等兴亚思想多为民间人所讨论。这些思想多为早期亚洲主义的思想。亚洲主义思想在19世
图像分割作为图像处理技术中基础步骤,是能够将图像划分成具有各自特性的区域并能将感兴趣的区域提取出来的技术。图像分割结果会直接影响图像处理中的图像分析和图像理解步骤,因此,对图像分割技术的研究具有重要意义。在传统的分割算法中,大多是以单个像素为处理单元,所以分割方法计算效率低,分割效果差。因此以超像素代替像素的分割方式得到了发展,降低运算成本。本文在超像素的基础上,通过图像预分割和超像素融合两个阶段
进入了大数据时代之后,各行各业的需要处理的数据越来越多,视频数据尤甚。在视频算法出现之前,一直都是靠人工对视频数据进行处理。显然,人工对视频数据进行处理与分析需要耗