【CN109978822A】一种基于机器视觉的香蕉成熟度评判建模方法和评判方法【专利】
一种基于机器视觉的脐橙识别方法[发明专利]
![一种基于机器视觉的脐橙识别方法[发明专利]](https://img.taocdn.com/s3/m/f27dd0c5ed630b1c58eeb57a.png)
专利名称：一种基于机器视觉的脐橙识别方法
专利类型：发明专利
发明人：刘燕德,王观田,王均刚,孙旭东,胡军,卢晋夫申请号：CN201611037524.3
申请日：20161123
公开号：CN107341491A
公开日：
20171110
专利内容由知识产权出版社提供
摘要：一种基于机器视觉的脐橙识别方法，采摘机器人（3）行走到果树前后停止前进，由位于采摘机器人前端的相机（1）拍摄果树整体照片，采集图像并载入图像处理系统，本发明用于我国南方脐橙果园的地理环境，解决了双目立体视觉技术在南方地区稳定性和使用寿命都较低问题，采用实时锁定目标和目标匹配的方式定位脐橙，定位方法简单、快速、实用性强。
申请人：华东交通大学
地址：330000 江西省南昌市昌北经济开发区双港路
国籍：CN
代理机构：南昌华成联合知识产权代理事务所(普通合伙)
代理人：黄晶
更多信息请下载全文后查看。
一种技术成熟度评价方法及装置[发明专利]
![一种技术成熟度评价方法及装置[发明专利]](https://img.taocdn.com/s3/m/0d4e58bea1116c175f0e7cd184254b35eefd1a99.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010649988.X(22)申请日 2020.07.08(71)申请人 北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人 王维 张琪 刘慧超 (74)专利代理机构 北京盛凡智荣知识产权代理有限公司 11616代理人 商祥淑(51)Int.Cl.G06Q 10/06(2012.01)G06F 17/11(2006.01)(54)发明名称一种技术成熟度评价方法及装置(57)摘要本发明涉及一种技术成熟度评价方法及装置，所述方法包括：根据产品的工作分解结构，分析产品的主要功能构成及组成单元，确定实现产品各组成单元的技术，并得到技术分解结构层次；根据基本特性和紧要性对所述技术分解结构层次中的各技术单元进行评分，确定所述技术单元的关键性评分；根据所述关键性评分判断所述技术单元是否为关键技术，得到判断结果；当所述判断结果表示所述技术单元为关键技术时，根据关键技术等级判定标准确定所述技术单元的成熟度等级。
本发明在传统技术成熟度评价方法的基础上，考虑了通用质量特性的影响，形成了考虑通用质量特性影响的技术成熟度评价方法，提高了产品研制中CTE确定结果及各项CTE等级判定结果的准确性。
权利要求书2页 说明书17页 附图5页CN 111798141 A 2020.10.20C N 111798141A1.一种技术成熟度评价方法，其特征在于，包括：根据产品的工作分解结构，分析产品的主要功能构成及组成单元，确定实现产品各组成单元的技术，并得到技术分解结构层次；根据基本特性和紧要性对所述技术分解结构层次中的各技术单元进行评分，确定所述技术单元的关键性评分；其中，所述紧要性包括重要性和高风险性；根据所述关键性评分判断所述技术单元是否为关键技术，得到判断结果；当所述判断结果表示所述技术单元为关键技术时，根据关键技术等级判定标准确定所述技术单元的成熟度等级。
基于机器视觉的番茄成熟度检测装置
基于机器视觉的番茄成熟度检测装置
李丽鑫;李朔;李银银;高宁;张弘扬
【期刊名称】《科技创新与生产力》
【年(卷),期】2024(45)1
【摘要】番茄果实成熟度的检测是智慧农业研究的一个新方向,目前主要采用化学、生物或者较为简单的颜色识别方式,存在效率低、成本高的问题。
基于此,本文提出
一种基于机器视觉进行的番茄成熟度检测装置,通过OpenMV摄像头获取番茄果
实的图像数据,综合所有数据进行考量,将测试番茄与成熟的番茄进行数据比对,并进行成熟度分级管理,导入电脑数据库保存。
该装置可应用于工厂流水线场景,可计算
出每一批番茄的整体成熟度,应用价值高。
【总页数】3页(P116-118)
【作者】李丽鑫;李朔;李银银;高宁;张弘扬
【作者单位】辽宁科技大学电子与信息工程学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于机器视觉技术的烤烟鲜烟叶成熟度检测
2.基于机器视觉的番茄成熟度颜色判别
3.机器视觉和电子鼻融合的番茄成熟度检测方法
4.基于改进YOLOv4模型的番
茄成熟度检测方法5.基于改进YOLO v7的轻量化樱桃番茄成熟度检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
【CN109794435A】基于深度学习的水果质量检测系统及方法【专利】
上，所述第一支座安装在传输机一侧的滑杆上，第一相机的镜头与传输机机面垂直，向下对 准拍摄中心；围绕拍摄中心安装有四个第二相机，所述第二相机固定在位于传输机两侧的 第二支座上，相邻的两个第二支座互成90 °，第二相机的镜头与传输机机面平行；
所述传输机（4）摆置于钢架上，使水果匀速向前滚动，传输机（4）的中部设有拍摄区； 所述红外线传感器（5）位于传输机（4）头部两 侧的 对称位置 ，在 拍摄区的 前面 ，用于向 上位机传输感应信号，进而触发拍摄装置； 所述拍摄装置包括第一相机（13）和四个第二相机（14）（15）（16）（17），所述第一相机 （13）固 定在可升降的 第一支座（8）上 ，所述 第一支座（8）安装在传输机（4）一 侧的 滑杆（7） 上 ，第一 相机（13）的 镜头与传输机（4）机面垂直 ，向下对准 拍摄中心 ；围绕 拍摄中心安装有 四个第二相机（14）（15）（16）（17），所述第二相机（14）（15）（16）（17）固定在位于传输机（4） 两侧的第二支座（9）（10）（11）（12）上，相邻的两个第二支座（9）（10）（11）（12）互成90 °，第二 相机（14）（15）（16）（17）的镜头与传输机（4）机面平行； 所述灯光装置包括平面光源（18）和四个点光源（19）（20）（21）（22），所述平面光源（18） 位于第一相机（13）上方 ，照射区域向下覆盖整个拍摄区 ；四个点光源（19）（20）（21）（22）围 绕四个第二相机（14）（15）（16）（17）安装在镜头外部，用于侧面打光； 所述上位机位于传输机（4）下部，上位机内预设卷积神经网络算法，对拍摄装置拍摄的 图像进行特征参数提取和分类，自动检测水果特征并输出质量判断结果； 所述分级装置包括收集滑道（25）和水果收集箱（24），所述收集滑道（25）两端分别对接 传输机（4）和水果收集箱（24），收集滑道（25）的两侧相对地安装有两个轴转动拨片（23），初 始位置时两个轴转动拨片（23）之间有一定的夹角，轴转动拨片（23）受上位机的控制，按照 检测结果控制开闭 ，使水果滚入相应的水果收集箱（24）中 ，水果经过后再控制轴转动拨片 （23）回到初始位置。 2 .如权利要求1所述的基于深度学习的水果质量检测系统 ，其特征在于：所述传输机 （4）采用黑色吸光材质传输带。 3 .如权利要求1所述的基于深度学习的水果质量检测系统，其特征在于：所述平面光源 （18）采用LED环形光源，所述点光源（19）（20）（21）（22）采用LED点光源。 4 .采用如权利要求1所述的基于深度学习的水果质量检测系统的检测方法，其特征在 于，包括如下步骤： 根据所要检测水果的种类，调节导向杆（3）的下开口大小，保证水果可以依次通过； 将待测水果放置于 拍摄区 ，启动拍摄装置进行 拍摄 ，根据成像清晰 度及所占 视野的 位 置及比例，适当调节第一支座（8）和第二支座（9）（10）（11）（12）； 启动整个系统 ，将水果先从斜面滑道（1）口由静止下滑 ，在重力作 用下 ，从斜面滑道（1） 下滑经过平面滑道（2）的导向杆（3）后到达传输机（4）； 水果经过红外线传感器（5），上位机得到感应信号 ，经过 相机视野中心位置时 ，上位机
基于图像处理的香蕉成熟度检测系统
ｆ ， 代表 该点 图像 的光强 度 ， ｆ ， 必 须大
本 文 主要 应 用 ＭＡ Ｔ Ｌ Ａ Ｂ图像 处 理 作 为 基 础 编
程 ，介绍 ＭＡ Ｔ Ｌ Ａ Ｂ图像处 理 的特点 、方 法 和基本 步 骤 ，最后 对香蕉 成熟度检 测系统 验证 ，并得 出结论 。
摘
要 ：许 多研究结果表明 ，水果损失主要 集中在采摘 、包装、保存等环节 ，达到近三分之一 ，其 中一个
重要 的原 因为不同成熟度的水果ｆ ｆ ｎ ￣ ＿ 混杂。因而 ，区分水果的成熟度并进行 筛选加工处理 ，对于提升水果 等级、改善水果品质有重要 意义。本文应用 ＭＡ Ｔ Ｌ Ａ Ｂ图像 处理技 术对香 蕉成熟度进行检 测 ，系统通过摄 像 头拍取 图片或者在给定的 图片中分割 出香蕉 图片，然后对香蕉图片进行二值化和滤波等分析处理 ，最后 依据香蕉的色素组成检测 出不同成熟度 的香蕉。
处理 目的来决定 。 等 间隔抽 样一 幅黑 白灰 度 的 图像 以后 ，可 以用
一
个 矩 阵来表 示 ，组成 矩 阵量 的都 是离散 量 ，具体
Байду номын сангаас
表示 如下 ：
ｆ （ １ ， １ ）ｆ（ １ ， ２ ）… ｆ （ １ ， ） ｆ（ ２ ， １ ）ｆ （ ２ ， ２ ）… ｆ （ ２ ， ） ｆ （ ｘ ， ） ＝
不 破坏水 果 的前 提下 ，利 用水 果 的物理 性质 对其 进 行 检测 和评 价 ，能够 确定 水果 最佳 采 收期 ，并按 成 熟 度进行 准确 分级 。该 技术 在 水果分 级 应用 方 面有
着 良好 的应用前 景 。
的增 加 而增加 。Ｎ与 ／ Ｔ ／ ， 的选 择 ，应 根据 图像 性质 与
一种基于视觉显著图的树上果实成熟度检测方法[发明专利]
![一种基于视觉显著图的树上果实成熟度检测方法[发明专利]](https://img.taocdn.com/s3/m/d957372e854769eae009581b6bd97f192279bff6.png)
专利名称：一种基于视觉显著图的树上果实成熟度检测方法专利类型：发明专利
发明人：熊俊涛,陈淑绵,焦镜棉,谢志明,霍钊威,胡文馨,韩咏林,熊春源
申请号：CN202210003452.X
申请日：20220104
公开号：CN114549668A
公开日：
20220527
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于视觉显著图的树上果实成熟度检测方法，先通过摄像机获取果树图像并使用YOLOv5目标检测算法识别树上的果实；利用YOLOv5输出的boundingbox坐标，裁剪果实图像块并使用改进MSSS视觉显著性检测算法获取视觉显著性图像；将果实图像块和对应的视觉显著性图像串联为4维RGBS图像，利用图像分类网络ResNet34结合果实局部图像的RGB和显著性信息判定果实的成熟度类别。
本发明的检测方法准确率和鲁棒性俱佳，适用于自然环境下存在场景复杂和光照多变的情况。
申请人：华南农业大学
地址：510642 广东省广州市天河区五山路483号
国籍：CN
代理机构：广州市华学知识产权代理有限公司
代理人：伍宏达
更多信息请下载全文后查看。
基于机器视觉的水果分级方法研究综述
基于机器视觉的水果分级方法研究综述摘要：传统水果分级方法主要采用人工分级、机械分级的方法完成，存在效率低、成本高等缺陷。
随着计算机和人工智能技术的发展，基于机器视觉的智能水果分级方法成为新的发展趋势。
本文对近年来水果分级方法的研究工作进行了分析和总结，对比了不同研究方法的性能和适用性，最后对未来的发展方向做了展望。
关键词：机器视觉；水果分级；人工智能中图分类号：TP394.1；文献标识码：A1 引言随着健康生活理念的普及，人们对水果的需求与日俱增。
水果作为除粮食和蔬菜之外的第三大种植产业，是提高农民收入的重要来源。
虽然我国是水果生产大国，但是我国水果的出口量并不高，在国内的销售价格也不具备市场竞争力。
究其原因在于我国水果的质量参差不齐，水果的颜色、形状等外观形态是制约我国出口的质量问题之一。
因此，对水果进行外观检测并分级具有现实研究意义。
传统的水果分级主要依靠人工进行，该方法具有劳动力成本高、效率低以及分级标准不一等缺点；机械分级虽然可以节约劳动力，但是不能从水果的外观以及缺陷等方面进行等级划分；光电分级可对水果的颜色进行识别分类，但不能满足大小、缺陷等其他质量标准的要求。
人工智能和机器视觉的发展吸引了国内外大量学者开展农产品自动化分级方面的研究。
然而，目前的文献综述大多集中在基于机器视觉的水果目标识别与定位，在基于机器视觉的水果分级系统方面综述较少，本文在阅读参考近年来国内外水果分级方法的基础上，对现有的基于机器视觉的水果分级方法进行性能对比和分析，最后提出了几点展望。
2 水果分级方法1.机器视觉技术机器视觉技术是智能农业领域中的一个关键技术，以图像处理技术为基础。
该技术通过照相机代替人眼获取目标水果信息，然后利用图像处理技术提取对应的图像特征，最后根据分级标准对水果进行自动分级。
基于机器视觉的水果分级技术由于处理速度快、精度高、创伤小、成本低、自动化程度高等优点，具有逐步取代人工分级和机械分级的趋势。
基于机器视觉的水果的自动分级系统的设计
中 图 分 类 号 ：Ｔ ２５３ Ｓ ５ ．５ 文献 标 志 码 ：Ａ ｃ ｉ １． ６／ｓ ． ７ － ６ ６ Ｘ） ０ ２１． ７ ｌ ： ０３ ９ ｉ ｎ１ １９ ４ （ ． １． ０ ｏ ９ ｊｓ ６ ２ ０４
（ｃｏｌ ｆ ｌ ｔｃａｄＡ ｔ ｔ ｎｉｅｒ ｇ ｈ ｎｓｕＩｓｔｔ ｏ ｅｈ ｏ ｇ ，Ｃ ａｇｈ ， ｉ ｇｕ２ ５ ０ ，Ｃ ｉａ Ｓ ｈｏ ｏ ｅ ｒ ｎ ｕｏ ｉ Ｅ ｇ ｅｉ ，Ｃ ａ ｇｈ ｔｕ ｆ ｃｎｌ ｙ ｈ ｎｓｕ Ｊ ｎｓ １５ ０ ｈｎ） Ｅ ｃ ｉ ｍａｃ ｎ ｎ ｎｉ ｅ Ｔ ｏ ａ
Ｄｅ ｉｎ ｏ ｅ Ｆ ｕ ｔ ｔ ｍａｉ ｌｓ ｉ ｃ ｔ ｎ Ｓ ｓｅ Ｂａ ｅ ｎ Ｍａ ｈ ｎ ｓｏ ｓｇ ｆ ｈ ｒ ｉ Ａｕｏ ｔ Ｃ ａ ｓ ａｉ ｙ ｔｍ ｓ ｄ ｏ ｃ ｉ ｅＶｉｉｎ ｔ ｃ ｉ ｆ ｏ
Ｄ Ｎ ｎ Ｇ Ｏ Ｊ ｅ ＨＵ Ｐ ｉｙ ，Ｘ ｎ ｘ ｇ Ｕ ｉ Ｅ Ｇ Ｗａ ，’ Ａ ，Ｚ ｅ ｉ Ｕ Ｊ － ｉ ，Ｃ Ｉ ｕ － ｉ ｎ Ｗｅ
第 １ Ｏ期 （ 总第 ２ ５期） ９
２１ ０ ２年 １ Ｏ月
农产 品加工 ・ 学刊
Ａ ａ ｅ ｉ ｅｉ ｉａ ｏ ａｍ ｒｄ ｃｓ ｒｃ ｓｉｇ ｃｄ ｍ ｃＰ ｒ ｄｃ ｌ ｆ ｒ Ｐ ｏ ｕ ｔ Ｐ ｏ ｅｓ ｏ Ｆ ｎ
Ｎｏ １ ．Ｏ Ｏｅ ． ｔ
文章 编 号 ：１７ — ６ ６ （０ ２ １— １４ ０ ６ １ ９４ ２ １ ） ０ ０ ５ — ３
Ａ ｓ ａ ｔ Ａ ｇａ ｉｇ ｍｅｈ ｄ ｉ ｄ ｖ ｌｐ ｄ ｔ ｍｐ ｏ ｅ ｔ ｅ ｑ ａｉ ｆ ｒ ｉ ． Ｔ ｅ ｓ ｍｐ ｅｉ ｇ ｓｓ ｏ ｙ ａ Ｃ Ｄ ａ ｒ ｎ ｈ ｂ ｔ ｃ ： ｒ ｄ ｎ ｔｏ ｓ ｅ ｅｏ ｅ ｏ ｉ ｒｖ ｈ ｕ ｌ ｙｏ ｕｔ ｒ ｔ ｆ ｓ ｈ ａ ｌ ｍａ ｅ ｉ ｈ ｔ Ｃ ｃ ｍｅ ａ ａ ｄ ｔ ｅ ｂ ｐ ｃ ｉ ｇｕ ｆｅｇ ｎ ｖ ｌ ｅ ｓｐ ｏ ｏ ｅ ｔ ｈ ｏ ｔ ｆ ｉｋ ｎ ｐ ｏ ｉ ｅ ａｕ ｓ ｉ ｒ ｐ ｓ ｄ ｗｉ ｔ ｅ ｓ ｆ ｏ ｈ ＭＡＴ ＡＢ Ａｃ ｏ ｄｎ ｏ ｔｅ ｇ ａ ｅ ｏ ｅ ｆ ｉ ａ ｃ ｍｐ ｉ ｅ ｅａ ｔｍａ ｉ Ｌ ． ｃ ｒ ｉ ｇｔ ｈ ｄ ｆ ｕ ｔ ｃ ｏ ｌ ｈ ｄ ｔ ｕ ｏ ｔ ｒ ｈ ｔ ｒ ｓ ｈ ｃ ｆｕ ｔｈ ｅ ａｃ ｙ ｉ ｅ ｈ ｌ ｆＰ Ｃ ｔ ｏ ｔｏ ｃ ａ ｉ ｆｒ ｓ ｒ ｎ ，ｔ ｅ ｅ ｐ ｒ ｎ ｈ ｗ ｈ ｔｔ ｅ ｍｅｈ ｄ ｐ ｅ ｉｉｎ ａ ｄ ｒ ｉ ｉｒｒ ｈ ，ｗ ｔ ｔ ｅｐ ｏ Ｌ ｏ ｃ ｎ ｒ ｌｍｅ ｈ ｎ ｓ ｏ ｏ ｔ ｇ ｈ ｘ ｅ ｉ ｈ ｈ ｍ ｉ ｍｅ ｔｓ ｏ ｓ ｔａ ｈ ｔ ｏ ｒ ｃｓ ｎ ｏ ｖ ｌｃｔ ｒ ａｉｆｉ ｇ ｅｏ ｉ ａ ｅ ｓ ｔ ｙ ｎ ． ｙ ｓ
基于SVM分类器识别的香蕉成熟度检测系统
基于SVM分类器识别的香蕉成熟度检测系统设计说明书作品内容简介本文根据Von Loesecke H W的香蕉表皮颜色分级法以及《中华人民共和国农业标准香蕉包装、贮存与运输技术规程》（NY/T 1395-2007）设计出一套香蕉成熟度检测系统。
通过视频识别的方法获得香蕉的外观信息，并经由Python语言编写的、采用SVM分类器进行分类的检测程序进行分析，对香蕉的成熟度进行分级。
1 作品研究背景与意义香蕉是目前世界上贸易量最大的水果之一，采收后容易发生后熟和腐烂。
为了能够销往世界各地，往往在其未成熟时采摘，在运到目的地后再进行催熟，销往市场。
香蕉的成熟度能直接反映香蕉的品质，也影响到其销量，因此在运输过程中检测其成熟度至关重要。
然而，据统计，每一年，香蕉在运输的过程中由于处置不当造成的损失率达20%，极大地影响香蕉的经济效益[1]。
香蕉的腐烂将导致资源的浪费，这并不符合节能减排的理念。
因此，对香蕉成熟度快速分级，及时上市，对提高香蕉的经济效益具有重要意义。
国内外，在应用数字图像处理技术在水果和蔬菜的果实品质检测与分级方面已经开展了大量研究。
早在1992年，G. Van De Vooren 等利用机器视觉技术检测了蘑菇的形态学特征参数，计算了在人工筛选过程中难以准确分类的圆度、弯曲能量、球形度和偏心距等蘑菇的形状特征。
N. Ozer 等于1995 年研制了一种适应水果自动分级的机器视觉系统，利用水果的颜色、尺寸、形状和重量参数构建了待分级水果的检测特征向量，基于BP 神经网络进行等级判别。
然而，图像处理技术在香蕉成熟度检测方面的应用寥寥无几。
因此，如果能将数字图像处理技术用于检测香蕉的成熟度并制作出一个相对简易但又不失精确度的检测系统，将极大地提高香蕉在成熟度方面的分级速度与分级质量。
2 节能分析以2015年3月份我国香蕉市场的相关数据进行分析。
2015年3月份，全国香蕉主产区总产量达66万吨，产地综合平均价格在2.93元/公斤左右（数据来源：农业部农垦局、中国农垦经济发展中心）。
基于深度卷积神经网络的香蕉成熟期识别方法和装置[发明专利]
![基于深度卷积神经网络的香蕉成熟期识别方法和装置[发明专利]](https://img.taocdn.com/s3/m/5ff19113770bf78a642954bb.png)
专利名称：基于深度卷积神经网络的香蕉成熟期识别方法和装置
专利类型：发明专利
发明人：张明禛,连剑,郑元杰,林建伟
申请号：CN201710741008.7
申请日：20170825
公开号：CN107590799A
公开日：
20180116
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于深度卷积神经网络的香蕉成熟期识别方法和装置，所述方法包括采集农业生产和食品质量检测过程中上需要检测的处于不同成熟期的香蕉图像；对采集到的香蕉图像按照对应的成熟期进行数据清洗以及数据扩充预处理；结合待识别香蕉成熟期图像的特点，针对性地设计相应的深度卷积神经网络结构；将所述预处理后的香蕉图像作为训练数据，利用所述深度卷积神经网络结构，训练香蕉成熟期识别模型；利用训练好的香蕉成熟期识别模型对待识别的香蕉图像进行精度测试，若测试精度未达到应用标准，则重新训练香蕉成熟期识别模型，直至达到应用标准。
本发明能够避免人为因素带来的误差，为香蕉质量检测提供保障，节省了大量的人力物力。
申请人：山东师范大学
地址：250014 山东省济南市文化东路88号
国籍：CN
代理机构：济南圣达知识产权代理有限公司
代理人：张勇
更多信息请下载全文后查看。
一种视觉识别的香蕉断蕾方法、仿生香蕉断蕾机构、香蕉断蕾机器人
专利类型：发明专利 发明人：杨洲,吴烽云,段洁利,邹湘军,叶雅欣,艾璞晔,何俊宇,
何卓超 申请号：CN2020114 4 7922.9 申请日：20201211 公开号：CN112606011A 公开日：202104 06
申请人：华南农业大学 地址：510642 广东省广州市天河区五山路483号 国籍：CN 代理机构：广州市华学知识产权代理有限公司 代理人：裘晖
更多信息请下载全文后查看
摘要：本发明公开了一种视觉识别的香蕉断蕾方法、仿生香蕉断蕾机构、香蕉断蕾机器人及应 用，是采用异形几何多目标立体视觉识别方法来识别香蕉串、花蕾和花序轴，然后计算得到香蕉断蕾 机构的位姿(x,y,z,a,b,c)；再利用得到的位姿，通过运动学反解得到香蕉断蕾机器人的机械臂关节电机 的转动量和机械臂末端夹持机构的转动量，通过控制系统对机械臂关节电机进行调整，同时控制机械 臂末端夹持机构即仿生香蕉断蕾机构进行旋转，使切刀平面与花序轴垂直即实现花蕾与花序轴的法平 面切割分离，并对切口进行杀菌消毒，完成香蕉断蕾。本发明可以实现准确自动化香蕉断蕾，无须人 工操作，而且所切割出来的切口是水平的。
基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法[发明专利]
![基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法[发明专利]](https://img.taocdn.com/s3/m/f5547957f56527d3240c844769eae009581ba28a.png)
专利名称：基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法
专利类型：发明专利
发明人：蔡晓权,徐圣兵,王振友,李金漳
申请号：CN202111510664.9
申请日：20211211
公开号：CN114169618A
公开日：
20220311
专利内容由知识产权出版社提供
摘要：本发明涉及水果成熟度鉴别技术领域，且公开了基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法，包括以下步骤：S1：收集猕猴桃数据，在3‑6天里，每天同一时间段分别采集40‑80个猕猴桃的图像，并在同一位置按压判断猕猴桃是否成熟，做好标签记录并按标签保存图像文件，得到原始数据集；S2：提取数据，提取原始数据集中猕猴桃表皮的颜色、纹理；S3：判断，使用经验判断法将样本数据各个时间各个猕猴桃贴上成熟度标签，成熟度分为三个阶段——未熟、微熟和成熟。
本发明排除人主观性干扰，降低人力成本，适合大批量识别操作，识别正确率远高于人工经验识别，避免了识别过程中对猕猴桃造成损伤，识别成本低。
申请人：广东工业大学
地址：510520 广东省广州市东风东路729号
国籍：CN
代理机构：南京普睿益思知识产权代理事务所(普通合伙)
代理人：陈荣立
更多信息请下载全文后查看。
一种基于成熟规律的水果成熟度评价方法[发明专利]
![一种基于成熟规律的水果成熟度评价方法[发明专利]](https://img.taocdn.com/s3/m/13bb77c3bd64783e08122b06.png)
专利名称：一种基于成熟规律的水果成熟度评价方法专利类型：发明专利
发明人：兰海鹏,张宏,唐玉荣
申请号：CN201410738646.X
申请日：20141205
公开号：CN104597217A
公开日：
20150506
专利内容由知识产权出版社提供
摘要：本发明属于农产品加工技术领域，具体涉及一种基于水果成熟规律的成熟度评价方法。
该方法的特点在于依据水果成熟过程的有效积温，研究水果成熟过程中果实硬度、果皮颜色、果皮叶绿素含量、果实可溶性固形物含量和维生素C含量等特征理化指标的变化规律，并在此基础上建立水果的成熟模型。
选取模型所涵盖的任意理化指标，定义水果的成熟度为该指标成熟过程中变化量占整个成熟期变化总量的百分比。
本方法以有效积温为研究基础，对水果成熟度进行量化评价，同时应用成熟度建立了水果成熟有效积温和成熟过程中理化指标间的数学关系，可以完成成熟有效积温、成熟度和成熟期理化指标间的相互预测，根据水果采后的不同加工方式指导水果的采摘。
申请人：塔里木大学
地址：843300 新疆维吾尔自治区阿拉尔市塔里木大道东塔里木大学
国籍：CN
更多信息请下载全文后查看。
基于图像处理的香蕉成熟度检测系统
基于图像处理的香蕉成熟度检测系统赵文锋;朱菊霞;董杰【摘要】许多研究结果表明,水果损失主要集中在采摘、包装、保存等环节,达到近三分之一,其中一个重要的原因为不同成熟度的水果相互混杂.因而,区分水果的成熟度并进行筛选加工处理,对于提升水果等级、改善水果品质有重要意义.本文应用MATLAB图像处理技术对香蕉成熟度进行检测,系统通过摄像头拍取图片或者在给定的图片中分割出香蕉图片,然后对香蕉图片进行二值化和滤波等分析处理,最后依据香蕉的色素组成检测出不同成熟度的香蕉.【期刊名称】《现代农业装备》【年(卷),期】2016(000)005【总页数】4页(P33-36)【关键词】成熟度;无损检测;图像处理【作者】赵文锋;朱菊霞;董杰【作者单位】华南农业大学电子工程学院,广州 510642;江西科技学院理科教学部,南昌 330098;华南农业大学电子工程学院,广州 510642【正文语种】中文传统意义上的水果成熟度区分主要是采用各类检测仪器如硬度计、糖度计等来测试水果的硬度、可溶性糖等相关指标，这些检测属于有损检测，不仅要破坏水果组织，而且无法大规模检测，不适合现代技术的发展。
因此，无损检测技术应运而生[1,2]。
无损检测技术具有快速、准确和实时性的特性，在不破坏水果的前提下，利用水果的物理性质对其进行检测和评价，能够确定水果最佳采收期，并按成熟度进行准确分级。
该技术在水果分级应用方面有着良好的应用前景[3-5]。
本文主要应用MATLAB图像处理作为基础编程，介绍MATLAB图像处理的特点、方法和基本步骤，最后对香蕉成熟度检测系统验证，并得出结论。
图形数字化后的矩阵为N×N的方阵。
一般来说，无论是阵列大小N和象素的最大灰度级数G都取为2的整次幂，即N=2n，G=2m，m和n为某一个正整数。
图像的清晰度主要取决于N和m，这些参量越大，数字阵列对于原来的图像的近似就越好，但是存贮量以及由此而引起的计算量也随着N和m的增加而增加。
基于CNN和XgBoost的香蕉成熟度判别
基于CNN和XgBoost的香蕉成熟度判别
韩雪;张磊;赵雅菲;王聪
【期刊名称】《食品与机械》
【年(卷),期】2024(40)4
【摘要】目的:提高香蕉成熟度的判别准确率。
方法:基于卷积神经网络和极限梯度提升算法建立香蕉成熟度的判别方法。
先通过卷积神经网络提取香蕉图像特征,并采用全连接层网络和线性判别分析方法精简香蕉图像特征;通过贝叶斯优化算法优化极限梯度提升算法超参数;将简化后的香蕉图像特征输入极限梯度提升算法,通过极限梯度提升算法对香蕉成熟度进行判别。
结果:所提方法对香蕉成熟度的判别准确度为91.25%;与已有方法相比,所提方法对小数据量香蕉的成熟度判别准确率明显提高。
结论:该方法可实现被测香蕉成熟度的准确判别,有助于仓库经理、出口商实时监测香蕉的成熟度状况。
【总页数】10页(P127-135)
【作者】韩雪;张磊;赵雅菲;王聪
【作者单位】徐州开放大学;河南师范大学;开封大学;江苏理工学院
【正文语种】中文
【中图分类】S66
【相关文献】
1.基于近红外技术和偏最小二乘判别法对无花果成熟度的快速判别
2.基于遗传算法与SVM的香蕉果实成熟度判别模型
3.基于CNN-XGBoost的恶意URL检测
4.基
于DAM与CNN-LSTM-XGBoost的海上风电功率并行预测5.基于CNN-GRU-ISSA-XGBoost的短期光伏功率预测
因版权原因，仅展示原文概要，查看原文内容请购买。
基于遗传算法与SVM的香蕉果实成熟度判别模型
基于遗传算法与SVM的香蕉果实成熟度判别模型
莫松涛;董涛;赵汐璇;阚江明
【期刊名称】《果树学报》
【年(卷),期】2022(39)12
【摘要】【目的】探究香蕉果实外形棱角特征与成熟度之间的关系,构建一种基于遗传算法与SVM的香蕉果实成熟度判别方法。
【方法】采用同一种类不同成熟度的176个香蕉果实,根据果身长度进行横向平均切割,获取果实在上、中、下三个部位的横切面,再通过手工测量的方法获取横切面中每个棱角的夹角值,并以测量出的
棱角特征作为判别成熟度的特征,通过遗传算法优化SVM分类模型参数,使成熟度
判别模型能有效地将不同成熟度的香蕉果实进行区分。
【结果】基于遗传算法与SVM的香蕉果实成熟度判别模型经过10次预测后,模型的平均准确率为86.20%。
【结论】该方法能较为准确地得到香蕉果实成熟度判别结果,验证了香蕉果实的外
形棱角特征与香蕉果实成熟度之间存在相关性,并可建立模型进行判别。
【总页数】10页(P2418-2427)
【作者】莫松涛;董涛;赵汐璇;阚江明
【作者单位】北京林业大学工学院;林业装备与自动化国家林业和草原局重点实验室;广东省农业科学院果树研究所
【正文语种】中文
【中图分类】S668.1
【相关文献】
1.香蕉不同成熟度果实活性氧、乙烯与淀粉酶活性相关性研究
2.基于NRS-ISSA-SVM的砂土液化判别模型
3.基于高光谱成像技术的小白杏成熟度判别模型
4.基于高光谱成像技术的烟叶田间成熟度判别模型
5.基于PLS-DA烟叶成熟度判别模型研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910116876.5
(22)申请日 2019.02.15
(71)申请人 仲恺农业工程学院
地址 510225 广东省广州市海珠区纺织路
东沙街24号
(72)发明人 庄家俊 唐宇 骆少明 侯超钧
郭琪伟 苗爱敏 陈亚勇 张恒涛
朱耀宗 高升杰 程至尚
(74)专利代理机构 广州润禾知识产权代理事务
所(普通合伙) 44446
代理人 林伟斌
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/12(2017.01)
G06T 7/62(2017.01)
G06K 9/62(2006.01)
(54)发明名称一种基于机器视觉的香蕉成熟度评判建模方法和评判方法(57)摘要本发明涉及一种基于机器视觉的香蕉成熟度评判建模方法和评判方法，包括以下步骤：定位香蕉彩色图像上的感兴趣区域ROIs；提取ROIs 的颜色统计量特征，根据颜色统计量特征采用机器学习方法建立基于色泽特征的香蕉成熟度判别模型；提取ROIs的局部梯度方向分布特征，根据局部梯度方向分布特征采用机器学习方法建立基于局部形状特征的香蕉成熟度判别模型；提取ROIs的局部纹理特征，根据局部纹理特征采用机器学习方法建立基于纹理特征的香蕉成熟度判别模型；对三个基于不同特征的香蕉成熟度判别模型分配权重，形成香蕉成熟度评判决策模型。
本发明可以实现香蕉成熟度无损、准确的评判，使得香蕉成熟度等级评判操作更便捷、更客观、更准确，
并具有较高的推广价值。
权利要求书2页 说明书7页 附图2页CN 109978822 A 2019.07.05
C N 109978822
A
权 利 要 求 书1/2页CN 109978822 A
1.一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，包括以下步骤：
定位香蕉彩色图像上的感兴趣区域ROIs；
提取ROIs的颜色统计量特征，根据颜色统计量特征采用机器学习方法建立基于色泽特征的香蕉成熟度判别模型；
提取ROIs的局部梯度方向分布特征，根据局部梯度方向分布特征采用机器学习方法建立基于局部形状特征的香蕉成熟度判别模型；
提取ROIs的局部纹理特征，根据局部纹理特征采用机器学习方法建立基于纹理特征的香蕉成熟度判别模型；
对三个基于不同特征的香蕉成熟度判别模型分配权重，根据三个基于不同特征的香蕉成熟度判别模型和对应的权重形成香蕉成熟度评判决策模型。
2.根据权利要求1所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述定位香蕉彩色图像上的感兴趣区域ROIs，具体包括以下步骤：
在香蕉果柄朝向设定方向时进行光学成像形成香蕉彩色图像，所述设定方向为上或下或左或右；
采用空间滤波和阈值化方法处理香蕉彩色图像，通过梯度算子计算香蕉的边缘；
搜索香蕉在所述设定方向上的边缘像素梯度方向变化最大的起始点和终止点，以所述设定方向的垂直方向为坐标轴x，记起始点和终止点在坐标轴x的坐标平均值为x0，并以直线x＝x0与香蕉在所述设定方向上的边缘的交点作为感兴趣区域ROIs的坐标原点，在香蕉内部设置p×q个像素的局部区域作为ROIs。
3.根据权利要求2所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述采用空间滤波和阈值化方法处理香蕉彩色图像，具体包括以下步骤：采用空间域高斯均值滤波器处理香蕉彩色图像；
将处理后的香蕉彩色图像转换为单通道灰度图像，采用全局阈值分割方法滤除所有背景像素，获得香蕉前景区域。
4.根据权利要求3所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述通过梯度算子计算边缘，具体包括以下步骤：
采用Sobel梯度算子提取香蕉前景区域的边缘，根据边缘面积的大小屏蔽果柄区域。
5.根据权利要求1所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述根据颜色统计量特征采用机器学习方法建立基于色泽特征的香蕉成熟度判别模型，具体包括以下步骤：
提取ROIs的色调分量H和色饱和度分量S，分别计算色调分量H和色饱和度分量S中对应的颜色统计量特征，以所述颜色统计量特征作为输入特征向量，采用线性判别分析方法建立基于色泽特征的香蕉成熟度判别模型。
6.根据权利要求1或5所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述颜色统计量特征包括平均值和/或标准差。
7.根据权利要求1所述的一种基于机器视觉的香蕉成熟度评判建模方法，其特征在于，所述根据局部梯度方向分布特征采用机器学习方法建立基于局部形状特征的香蕉成熟度判别模型，具体包括以下步骤：
利用一阶中心微分算子计算ROIs的梯度图像，平均划分梯度图像中所有像素的梯度方
2。