基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
以表面颜色为冬枣生熟判别指标,建立了基于机器视觉技术的冬枣生熟检测系统.该系统包括一组可以自动上料、自动下料、光源、CCD摄像头、数据采集板、分枣器、控制器、计算机等硬件以及图像采集处理软件组成.系统的实现过程为:控制器控制步进电机的运转,由网格皮带将冬枣均匀地送到分枣器支架上,CCD摄像头每隔2s采集一幅冬枣图像,当采集图像时电机停止运行,图像处理软件将采集到的RGB图像转化到HSI模型空间,用HIS模型中的H分量描述冬枣颜色特征.试验结果表明:该系统的分辨正确率为90.23%,可以满足自动分拣的要求.
推荐文章
基于机器视觉的冬枣病害检测
病害检测
机器视觉
纹理特征
缩果病
冬枣
基于机器视觉的内外径尺寸检测系统研究
机器视觉
内外径检测
在线检测
基于机器视觉的胶囊自动检测系统研究
胶囊
机器视觉
图像处理
缺陷检测
基于机器视觉的胶囊完整性检测系统研究
边缘提取
局部二值化
形态滤波
贝叶斯判别准则
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于机器视觉的冬枣生熟检测系统研究
来源期刊 机械科学与技术 学科 农学
关键词 机器视觉 冬枣 生熟 检测
年,卷(期) 2014,(7) 所属期刊栏目 仪器、仪表科学与技术
研究方向 页码范围 1071-1073
页数 3页 分类号 S237
字数 1538字 语种 中文
DOI 10.13433/j.cnki.1003-8728.2014.0726
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于复生 山东建筑大学机电工程学院 95 373 11.0 13.0
3 李腾飞 山东建筑大学机电工程学院 5 20 3.0 4.0
4 殷盛江 山东建筑大学机电工程学院 5 20 3.0 4.0
5 孙中国 山东建筑大学机电工程学院 6 24 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (253)
参考文献  (10)
节点文献
引证文献  (8)
同被引文献  (18)
二级引证文献  (4)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(1)
  • 二级参考文献(3)
1998(7)
  • 参考文献(1)
  • 二级参考文献(6)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(11)
  • 参考文献(0)
  • 二级参考文献(11)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(8)
  • 参考文献(1)
  • 二级参考文献(7)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(5)
  • 参考文献(2)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(3)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
机器视觉
冬枣
生熟
检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机械科学与技术
月刊
1003-8728
61-1114/TH
大16开
西安友谊西路127号
52-193
1981
chi
出版文献量(篇)
8073
总下载数(次)
15
总被引数(次)
69926
论文1v1指导