本文選題：嫁接 + 算法�。� 參考：《農(nóng)業(yè)工程學(xué)報(bào)》2017年04期

【摘要】：為了實(shí)現(xiàn)葡萄硬枝嫁接苗木切削面粗糙度的檢測(cè),該文基于光切法測(cè)量原理,搭建了切削面粗糙度圖像檢測(cè)系統(tǒng),研究了特征提取的圖像檢測(cè)算法。為獲取較長的取樣長度,采用了圖像拼接技術(shù),并提出了一種自動(dòng)制取匹配模板的方法,拼接算法測(cè)試結(jié)果表明:每多拼接一幅粗糙度特征圖像,運(yùn)行時(shí)間平均增加1.104 s,取樣長度平均增加1 131.77μm;采用了模糊集合理論對(duì)拼接后的粗糙度特征圖像進(jìn)行灰度變換,可以有效保證圖像分割后單側(cè)邊緣的完整;采用了人機(jī)交互的方式對(duì)粗糙度特征二值圖像像素進(jìn)行區(qū)域操作,可以濾除因切削面自身含有的導(dǎo)管腔、管胞腔而導(dǎo)致的缺陷輪廓,從而提高粗糙度計(jì)算的準(zhǔn)確度;提出了一種逐列遍歷圖像提取單側(cè)邊緣的方法,通過對(duì)單側(cè)邊緣進(jìn)行計(jì)算,可以得到粗糙度高度參數(shù)Ra與Rz的值。將該粗糙度圖像檢測(cè)算法與基恩士VK-X200形狀測(cè)量激光顯微系統(tǒng)進(jìn)行了粗糙度檢測(cè)對(duì)比試驗(yàn),結(jié)果表明,該文提出的粗糙度圖像檢測(cè)算法測(cè)得Ra的相對(duì)誤差為6.73%,在測(cè)量誤差允許范圍內(nèi),該文基于光切法測(cè)量原理的圖像檢測(cè)算法,用于檢測(cè)葡萄硬枝嫁接苗木切削面粗糙度,具有較高的精度和良好的可行性,為進(jìn)一步研究切削參數(shù)對(duì)切削面粗糙度以及對(duì)苗木嫁接成活率的影響提供了技術(shù)支撐。
[Abstract]:In order to detect the roughness of grafted grape plantlets, based on the measuring principle of light cutting method, an image detection system for cutting surface roughness was set up, and an image detection algorithm for feature extraction was studied. In order to obtain longer sampling length, image stitching technique is adopted, and a method of automatically making matching template is proposed. The test results of stitching algorithm show that: one roughness feature image is stitched with each other. The average running time and sampling length are increased by 1.104 s and 1 131.77 渭 m respectively, and the gray level transformation of the feature image of roughness after stitching is carried out by using fuzzy set theory, which can effectively guarantee the integrity of the edge of one side after image segmentation. The method of human-computer interaction is used to operate the pixels of the binary image of roughness feature, which can filter out the defect profile caused by the tube cell and the tube cavity itself, thus improving the accuracy of roughness calculation. In this paper, a method of extracting unilateral edges from traversal images is presented. The values of roughness height parameters Ra and Rz can be obtained by calculating the edge of one side. The roughness detection algorithm is compared with the VK-X200 shape measurement laser microscope system. The results show that, The relative error of Ra measured by the roughness image detection algorithm proposed in this paper is 6.73. Within the limits of the measurement error, the image detection algorithm based on the principle of light cutting method is used to detect the roughness of grafted grape plantlets. It has high precision and good feasibility, which provides technical support for further study on the effect of cutting parameters on cutting surface roughness and survival rate of seedling grafting.
【作者單位】： 中國農(nóng)業(yè)大學(xué)工學(xué)院;
【基金】：北京市自然科學(xué)基金資助項(xiàng)目(6152012)
【分類號(hào)】：S663.1;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 劉光蓉;周紅;管庶安;;顆粒形混合農(nóng)產(chǎn)品的圖像檢測(cè)與分類[J];農(nóng)業(yè)工程學(xué)報(bào);2011年11期

2 周平;劉儉英;王巧華;文友先;;雞蛋圖像檢測(cè)方法與質(zhì)量預(yù)測(cè)模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年11期

3 劉瓔瑛;;基于Simulink的大米動(dòng)態(tài)圖像檢測(cè)系統(tǒng)仿真[J];安徽農(nóng)業(yè)科學(xué);2009年16期

4 辛穎;薛偉;;原木端面面積的數(shù)字圖像檢測(cè)方法研究[J];吉林林業(yè)科技;2008年06期

5 張紅霞;張鐵中;;麥田多列目標(biāo)圖像檢測(cè)算法[J];中國農(nóng)業(yè)大學(xué)學(xué)報(bào);2007年02期

6 王曉燕;陳媛;陳兵旗;李洪文;孫浩;;免耕覆蓋地秸稈行茬導(dǎo)航路徑的圖像檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2009年06期

7 ;[J];;年期

相關(guān)會(huì)議論文 前5條

1 劉鐵根;鄧集杰;朱均超;李晉申;江俊峰;;嵌入式圖像檢測(cè)一體機(jī)研究[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

2 梁振新;張建勛;鄒林;裴怡;;焊接操作模擬中焊條位置圖像檢測(cè)方法[A];第十一次全國焊接會(huì)議論文集（第2冊(cè)）[C];2005年

3 劉鐵根;朱均超;鄧集杰;王雙;楊永;;基于高速DSP嵌入式圖像檢測(cè)系統(tǒng)研究[A];中國光學(xué)學(xué)會(huì)2006年學(xué)術(shù)大會(huì)論文摘要集[C];2006年

4 鄭嶸;方志宏;夏勇;;板坯縱向裂紋的圖像檢測(cè)方法[A];中國計(jì)量協(xié)會(huì)冶金分會(huì)2012年會(huì)暨能源計(jì)量與節(jié)能降耗經(jīng)驗(yàn)交流會(huì)論文集[C];2012年

5 顏建強(qiáng);高新波;田春娜;李英;李亮;;多媒體信息服務(wù)中色情圖像檢測(cè)算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 蔡波;橋梁形變的圖像檢測(cè)關(guān)鍵技術(shù)研究[D];中國工程物理研究院;2016年

2 喬鬧生;PCB自動(dòng)光學(xué)檢測(cè)的圖像檢測(cè)與處理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2010年

3 劉思遠(yuǎn);基于高維視覺特征模型的目標(biāo)圖像檢測(cè)與圖像分割技術(shù)研究[D];電子科技大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 吳維起;基于FPGA的高分辨率線陣CCD圖像檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2014年

2 吳坤;近似拷貝圖像檢測(cè)[D];中國計(jì)量學(xué)院;2015年

3 胡越浪;基于神經(jīng)網(wǎng)絡(luò)的水稻紋枯病圖像檢測(cè)[D];四川農(nóng)業(yè)大學(xué);2014年

4 孫珂琪;圖像檢測(cè)中圓錐螺紋牙型輪廓重構(gòu)研究[D];太原科技大學(xué);2015年

5 王勛爵;基于圖像檢測(cè)的自校準(zhǔn)水平儀設(shè)計(jì)與實(shí)現(xiàn)[D];東南大學(xué);2015年

6 馬登輝;出租車視頻監(jiān)控的異常圖像檢測(cè)與乘客識(shí)別研究[D];長安大學(xué);2016年

7 胡幫義;基于數(shù)字圖像檢測(cè)和虛擬現(xiàn)實(shí)的橋梁施工控制技術(shù)研究[D];廣州大學(xué);2016年

8 趙龍飛;微光圖像檢測(cè)方法的研究[D];天津大學(xué);2014年

9 楊凱;基于局部圖像特征的圖像檢測(cè)方法研究及應(yīng)用[D];山東中醫(yī)藥大學(xué);2016年

10 李先斌;近似重復(fù)圖像檢測(cè)及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2010年

，

本文編號(hào)：2002215