导读:本文包含了柑橘分级论文开题报告文献综述及选题提纲参考文献，主要关键词:柑橘,机器视觉,品质检测,分级
柑橘分级论文文献综述
孙荣荣,宋健宇,张明,李鹏,吕强[1]（2019）在《中国柑橘外部品质机器视觉检测分级技术研究现状与展望》一文中研究指出柑橘外部品质是影响消费者采购和决定市场价值的重要因素之一。柑橘颜色、大小、形状和缺陷等外部品质指标的人工检测与分级费时、费力并且主观性强。因检测结果客观性好、自动化程度高,传统机器视觉技术和高光谱视觉技术成为果蔬外部品质检测技术与装备研究的热点。综述了我国机器视觉技术和高光谱视觉技术在柑橘外部品质检测技术与装备的研究现状、面临的挑战和未来发展的方向。(本文来源于《农业工程》期刊2019年01期）
周西福,税云秀,何宇,冯柯茹,杨岩[2]（2018）在《柑橘小型化分级装备的设计及实现》一文中研究指出针对工厂流水线形式的柑橘分级作业不便于多次转场作业的问题,采用产品模块化设计方法,设计开发了一种小型化的柑橘分级装备。对分级装备进行叁维模型的建立,加工制造了整机装备的分级样机,介绍了分级控制系统和视觉系统的实现过程。最后,以脐橙为对象,进行了分级装备的准确性和可靠性的验证,基本满足分级作业要求。(本文来源于《制造业自动化》期刊2018年09期）
周西福[3]（2018）在《柑橘自动化分级装备的机构设计及实现》一文中研究指出对柑橘进行品质检测和分级是提高柑橘附加价值的重要途径。目前大多数柑橘类农产品的分选机还是通过流水线机械设备进行分选,受限于分级设备的大型化,不能适用于柑橘现场分级和转场作业的分级需求;另外很多小型农户主要以人工分选为主,人工分选不准确性和分级作弊等问题会影响柑橘分选品质保证。在机器视觉检测分级技术方面,机器视觉有着检测精度高和无损检测等优点,已成为农产品检测分级技术的热点研究内容。为保证柑橘的分级品质,高精度的检测系统和柑橘全表面图像信息的获取是重要前提条件。本文主要针对柑橘全表面图像信息的获取这个难点问题,以脐橙为研究对象,设计一种基于机器视觉的能够获取柑橘全方位表面图像信息的小型自动化分级设备。1.本文广泛查阅国内外有关柑橘类水果的资料,采用产品模块化设计方法确定柑橘外观品质自动化分级设备的总体设计方案;2.根据总体设计方案,完成自动化柑橘分级装备的叁维建模、重要传动系统的详细设计计算以及动力选型;3.针对多角度全方位表面图像信息获取问题,设计一种新型的柑橘翻转机构并对其关键传动轴进行有限元分析,对柑橘的翻转运动进行动力学分析;4.基于以上设计基础进行加工图纸的绘制,完成分级装备零部件的加工制造以及各模块单元的组装,最终搭建出自动化分级装备的样机实体;5.设计以单片机和机器视觉相结合的自动化分级系统方案,对控制系统和视觉系统的关键元器件进行硬件选型和软件设计,编写视觉系统处理程序代码和运动控制系统的程序代码,结合整机装备进行样机调试;6.最后通过柑橘分级的准确率试验和成功率试验,验证本文设计的柑橘外观品质自动化分级装备可以实现预期功能满足使用要求。(本文来源于《重庆理工大学》期刊2018-03-20）
王旭,赵志衡[4]（2016）在《基于机器视觉的柑橘分级技术研究》一文中研究指出以麻阳柑橘为研究对象,设计了由工业相机、光源、双平面镜等构成的全表面图像采集试验箱.在图像预处理的基础上,完成了柑橘横径、果形、成熟度、缺陷的检测.由隶属函数和权重集,采用加权平均算子计算综合评判结果,以最大隶属度原则确定柑橘等级.试验结果表明,优等果、一等果、二等果和等外果的分级正确率分别为100%、88.9%、84.6%、100%,该方法可以为武陵山片区农业智能化提供一定的参考.(本文来源于《怀化学院学报》期刊2016年05期）
王旭[5]（2015）在《基于机器视觉的柑橘分级技术研究》一文中研究指出柑橘在我国南方具有广泛的种植分布。长期以来,柑橘的检测分级依靠人工和机械装置完成,劳动强度大,效率低,难以适应产业的发展。机器视觉技术具有检测精度高,信息丰富,无损检测等特点,已成为农产品检测分级技术的研究热点。本文在查阅文献和试验分析的基础上,通过柑橘全表面图像提取特征量,利用模糊理论实现柑橘的分级处理。文中分析了机器视觉系统的工作原理,选取了合适的光源、工业相机和镜头,并引入双平面镜结构,搭建柑橘全表面图像采集试验箱。在柑橘图像的预处理中,利用直方图工具在RGB和HSI颜色空间中,分别对柑橘各分量图像进行分析。选取H分量图像进行背景分割,通过形态学方法和面积比较法去除误分割区域,提取完整的柑橘果面图像。通过计算最小外接矩形、圆形度、黄绿比参数,提取了柑橘的横径、果形和成熟度特征量。根据照度-反射模型,对柑橘灰度图像进行低通滤波获取亮度图像,将灰度图像与亮度图像相除实现亮度均衡化,并利用阈值分割算法成功对溃疡、病斑缺陷进行了检测。在分级过程中,首先通过调查确定柑橘横径、果形、成熟度在模糊集中的权重,结合先验知识和试验结果建立各特征量对不同等级的隶属函数,然后采用加权平均模型得到模糊评判结果,最终由最大隶属度原则确定柑橘的等级。试验结果表明,该方法对柑橘优等果、一等果、二等果和等外果的分级正确率分别为100%、88.9%、84.6%、100%,方法行之有效。(本文来源于《湖南大学》期刊2015-11-16）
曹乐平,温芝元[6]（2015）在《基于统计复杂性测度、多重分形谱等方法的柑橘品质分级》一文中研究指出为精确地度量柑橘品质分级,研究了病虫害为害状冰糖橙缺陷果实复杂性测度机器识别、脐橙果实周长-面积分形维数与分段色调单位坐标化多重分形谱高度/宽度的形状和颜色分级及糖酸度无损检测。对冰糖橙生理性缺硼、锈壁虱、油胞凹陷病3种常见病虫害果实为害状缺陷在0°—50°主色调区域实施长度为1°的分段,统计各分段色调区间像素分布概率,并计算统计复杂性测度C(Y)与Shannon信息熵H(Y),以C(Y)与H(Y)为检索词计算机查询果实病虫害检索表来进行病虫害缺陷果机器识别,平均正确识别率为93.33%。对脐橙果实果梗面与侧面在相垂直的2个投影面上的图像进行去背景与边界轮廓提取操作,计算边界轮廓周长-面积分形维数,以此为指标检索果实信息字典进行脐橙形状分级,正确率100%。以脐橙果实相对的2个侧面图像为研究对象,去其背景,将30°—120°主色调区域进行30°—50°、50°—70°、70°—90°和90°—120°的区间分割,生成4幅色调图像,计算此图像多重分形谱质心坐标、高度与宽度,对该高度与宽度进行单位质心坐标化处理,一方面以单位质心坐标化多重分形谱高度与宽度为指标检索果实信息字典进行脐橙颜色分级,正确率98%;另一方面以单位质心坐标化多重分形谱高度与宽度为参数通过糖酸度偏最小二乘模型映射果实糖酸度,糖度与酸度标准差分别在0.77及0.36以内,与实际值的相关系数分别在0.8及0.7以上。试验结果表明:统计复杂性测度、周长-面积分形维数、单位质心坐标化多重分形谱高度与宽度较精确地反映了柑橘分级中需识别的冰糖橙果实病虫害缺陷的特征、脐橙果实形状与颜色特性及内部糖酸度无损检测映射参数特点。(本文来源于《浙江大学学报(农业与生命科学版)》期刊2015年03期）
刘颖,徐鹏辉,陈舟,李萍,牛长缨[7]（2015）在《柑橘大实蝇雌成虫卵巢发育的分级》一文中研究指出在显微镜下观察柑橘大实蝇Bactrocera minax(Enderlein)雌成虫自羽化后不同日龄的卵巢形态特征,测量并统计卵巢长度、卵巢宽度、卵巢指数、卵泡长度和卵巢成熟卵量等指标,根据卵巢形态特征和卵巢发育程度进行等级划分。结果表明,柑橘大实蝇雌虫卵巢发育进度可分为5个等级:雌虫羽化后1~10d卵巢发育为Ⅰ级(卵巢发育初期);10~18d为Ⅱ级(卵黄沉积期);18~23d为Ⅲ级(成熟待产期);23~33d为Ⅳ级(产卵盛期);羽化33d后为Ⅴ级(产卵末期)。(本文来源于《华中农业大学学报》期刊2015年01期）
姚伟璇,代芬,杨康萍,邓小玲,李盛铭[8]（2014）在《基于光谱信息的柑橘黄龙病无损检测及分级模型构建》一文中研究指出柑橘黄龙病(Huanglongbing,HLB)是世界柑橘生产上最具毁灭性的病害,给果农和相关产业造成了巨大的损失。以柑橘叶片为载体,利用高光谱图像技术采集柑橘叶片表面的高光谱图像,用ENVI4.7进行图像处理,提取感兴趣区域(Region of Intest,ROI),统计感兴趣区域平均光谱数据,并进行相关植被植物的运算,最后通过PLS-DA(Partial Least Squares Discrimination Analysis)判别法进行鉴别并分类。结果表明:基于平均光谱值和植被指数的PLS-DA判别模型都能对健康、缺锌和HLB叶片进行鉴别。其中基于平均光谱值的PLS-DA模型鉴别健康柑橘叶片样品的灵敏度为100%,特异度为100%,准确度为100%;鉴别缺锌柑橘叶片样品的灵敏度为80.6%,特异度为91.7%,准确度为88.9%;鉴别HLB叶片的灵敏度为89.3%,特异度为88.3%,准确度为88.9%。基于植被指数的PLSDA判别模型鉴别健康柑橘叶片样品的灵敏度为100%,特异度为100%,准确度为100%;鉴别缺锌柑橘叶片样品灵敏度为92.5%,特异度为89.3%,准确度为90.1%;鉴别HLB叶片的灵敏度为86.4%,特异度为95.3%,准确度为90.1%。识别正确率较高,说明利用高光谱进行柑橘黄龙病病情分类是可行的。(本文来源于《广东农业科学》期刊2014年19期）
梅慧兰,邓小玲,洪添胜,罗霞,邓晓玲[9]（2014）在《柑橘黄龙病高光谱早期鉴别及病情分级》一文中研究指出为实现柑橘黄龙病的早期、快速确诊,有效阻止病害蔓延,达到早期防治、保障柑橘生产的目的,该文研究基于高光谱成像的柑橘黄龙病早期无损检测及病情分级,并对多种预处理方法的建模结果进行探讨。试验获取370～1 000 nm健康、不同染病程度及缺锌共5类柑橘叶片的高光谱图像,用遥感图像处理平台(environment for visualizing images,ENVI)得到各类样本感兴趣区域的光谱反射率平均值。运用一阶微分、移动窗口拟和多项式平滑(savitzky-golay,SG)进行数据处理,结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)构建黄龙病的早期鉴别及病情分级模型。结果表明:建立的3个判别模型,验证集相关系数均不低于0.9548。其中,经SG平滑及一阶微分预处理所建立的模型分类效果最佳,总体预测准确率达96.4%,预测均方根误差0.1344。该研究为柑橘病害早期诊断和预警提供了新方法,也为黄龙病病害程度遥感监测提供了基础。(本文来源于《农业工程学报》期刊2014年09期）
谭博[10]（2013）在《基于计算机视觉技术的柑橘感官分级研究》一文中研究指出柑橘分级一直是我国水果产业上的一个薄弱地带,对柑橘在市场上的销售和品牌的培养有着直接的影响。柑橘类水果在我国水果产量当中占有较大的比重,而且也是我国外贸果品中非常重要的一种。从事人工分级的劳动者由于容易受到其他因素的干扰,如长时间工作具有的疲劳性等,效率并不高,而且由于人的操作误差,准确性也得不到保障。本文以计算机视觉技术为基础,综合运用图像处理、模式识别、软件工程等相关技术研究了柑橘的自动分级方法。本论文选用产量最大的温州蜜柑作为研究对象,做了大量的研究工作。首先根据本论文的研究特点,设计了一套非实时、特点环境下的图像采集系统,根据论文的需求,采集各类蜜柑图像样本132幅。然后做的一个重点研究内容就是分析和研究样本图像的预处理方法。将采集到的图像转换颜色空间模型,改进图像增强算法,对图像进行了图像滤波、平滑处理,以消除噪声。同时对图像进行边缘检测和提特征提取,去除背景。在对图像进行大量处理研究的基础上,分析并提取自动分级的依据特征。根据国家相关标准进行选择,依据蜜柑的几何形状、大小、颜色、果斑及疤痕、提取出特征值,同时对各个特征进行归一化处理。同时,对于国家在柑橘感官方面的标准没有统一分类,不利于统一标识和评判的情况,在结合自动分级的特点和需求,对柑橘感官标准进行了仔细分析,对国家标准进行综合整理分类,适当延伸,以适用以适用感官的综合评判和自动分级。研究基于向量机的分类识别方法,对线性最优分类超平面进行改进,设计分类器,建立蜜柑自动分级模型。主要创新点：1、在去除背景时,通过将图像变换到基于人眼视觉特性的HSI空间中进行全局阀值分割,效果要比传统的分割方法要好。2、在支持向量机分类算法中,在解决线性不可分的情况时,通过构造变量并引入拉格朗日系数的办法,避免按照传统的引入核函数来解决的方法,大大降低了复杂性,同时结合一对一有限责任的思想,设计了针对类别较少时的分类器,避免出现不可分的情况。(本文来源于《湖南农业大学》期刊2013-04-01）
柑橘分级论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对工厂流水线形式的柑橘分级作业不便于多次转场作业的问题,采用产品模块化设计方法,设计开发了一种小型化的柑橘分级装备。对分级装备进行叁维模型的建立,加工制造了整机装备的分级样机,介绍了分级控制系统和视觉系统的实现过程。最后,以脐橙为对象,进行了分级装备的准确性和可靠性的验证,基本满足分级作业要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
柑橘分级论文参考文献
[1].孙荣荣,宋健宇,张明,李鹏,吕强.中国柑橘外部品质机器视觉检测分级技术研究现状与展望[J].农业工程.2019
[2].周西福,税云秀,何宇,冯柯茹,杨岩.柑橘小型化分级装备的设计及实现[J].制造业自动化.2018
[3].周西福.柑橘自动化分级装备的机构设计及实现[D].重庆理工大学.2018
[4].王旭,赵志衡.基于机器视觉的柑橘分级技术研究[J].怀化学院学报.2016
[5].王旭.基于机器视觉的柑橘分级技术研究[D].湖南大学.2015
[6].曹乐平,温芝元.基于统计复杂性测度、多重分形谱等方法的柑橘品质分级[J].浙江大学学报(农业与生命科学版).2015
[7].刘颖,徐鹏辉,陈舟,李萍,牛长缨.柑橘大实蝇雌成虫卵巢发育的分级[J].华中农业大学学报.2015
[8].姚伟璇,代芬,杨康萍,邓小玲,李盛铭.基于光谱信息的柑橘黄龙病无损检测及分级模型构建[J].广东农业科学.2014
[9].梅慧兰,邓小玲,洪添胜,罗霞,邓晓玲.柑橘黄龙病高光谱早期鉴别及病情分级[J].农业工程学报.2014
[10].谭博.基于计算机视觉技术的柑橘感官分级研究[D].湖南农业大学.2013