摘要：条锈病是小麦上最重要的病害之一,严重影响小麦安全生产。该病害的严重度准确评估对病害预测和病害管理措施制定至关重要。为了实现小麦条锈病严重度的准确评估,本研究基于图像处理技术建立了小麦条锈病严重度自动评估方法,构建了小麦条锈病严重度自动分级系统。借助图像处理软件对获取的小麦条锈病各个严重度级别的发病单叶图像进行了手动分割,获取叶片区域图像和病斑区域图像,并统计获得每一发病单叶的叶片区域和病斑区域的像素数量,计算获得了每一发病单叶的病斑面积占发病叶片总面积的实际百分率。基于图像处理技术,利用4种图像分割方法对发病单叶图像进行叶片区域和病斑区域自动分割,与利用图像处理软件对病害图像进行手动分割所获取结果进行比较,获得了最优的病害图像自动分割方法。利用最优病害图像自动分割方法情况下获得的每一发病单叶的病斑面积占发病叶片总面积的百分率,分别依据每一个严重度级别的基于平均值中间值的实际百分率参考范围和病斑面积实际百分率的99%参考值范围,对每一发病单叶进行严重度评估,评估结果表明,基于病斑面积实际百分率的99%参考值范围的严重度评估方法最优,其严重度评估平均准确率为88.19%。利用最优的病斑图像自动分割方法和最优的严重度评估方法,结合PyQt5库、Qt Designer和PyUIC5设计工具,使用Python语言编程构建了小麦条锈病严重度自动分级系统。本研究为基于图像处理技术的小麦条锈病严重度自动评估提供了基础,并为其他植物病害的严重度评估提供了方法和思路参考。

摘要：利用计算机视觉技术进行水果分级是自动化分级发展的必然趋势。本文设计了一种水果自动分级系统,以工控机为核心,通过工业相机进行图像采集,通过LabVIEW和LabVIEW Vision Assistant软件对采集到图像信息进行处理。该系统可以在人机界面上对系统的参数进行设定,对分级状态进行监视,控制系统各部件动作,完成系统的信号采集、通信、判断、控制等功能,实现水果的自动分级。

摘要：钻石日益被世人喜爱，因而其4C分级就更显重要。由于影响因素多而使结果有争议性 ，如何通过一系列仪器使4C分级量化；同时又减少人员的工作量，这点是极具吸引力的。据 此，结合鉴定证书，作者提出了一些设想。

摘要：针对传统果蔬分级系统存在分级不精确、分级系统设备不灵活的问题,设计了机器视觉下STC89C52单片机微处理器控制核桃实时分级的系统。单片机通过串口通信,从上位机获得分级信号后,利用8位双向移位寄存器芯片实现了运动中核桃的同步跟踪,移位信号移动到设定等级位置时,控制对应等级气动电磁阀工作。通过Proteus仿真,解决了移位寄存器时钟信号触发移位时序的问题,并对其进行试验验证。结果表明,分级系统下位机可以实时响应控制,且分级精确,速度达到要求。