水果品質(zhì)自動(dòng)分級(jí)的機(jī)器視覺(jué)系統(tǒng)外文翻譯中文(參考版)
2025-05-16 23:02本頁(yè)面
【正文】 Crassweller RM(1991). Automated inspection of Golden Delicious apples using colour puter vision. ASAE Paper No. 917002 Yang Q (1993). Finding stalk and calyx of apples using structured lighting. Computers and Electronics in Agriculture,8, 31– 42 。 Sommer H J。 Morrow C T。 Heinemann P H。 Thompson J (1992).Peach maturity grading with color puter vision. ASAE Paper No. 923029 Tao Y。 Delwiche M J。 Delwiche M J。 Valiente R (1996). Location and characterization of the stem– calyx area on oranges by puter vision. Journal of Agricultural Engineering Research, 64, 165– 172 Sarkar N。 Juste F。 Throop J A (1986). Apple sorting with machine vision. Transactions of the ASAE, 29(5), 1388– 1397 Ruiz L A。 De Baerdemaeker J。Perotto G (1998). Multisensor Inspection and robotic packing of fruit. AgEng 98. Oslo, Denmark. EurAgEng Paper No. 98F030 Peirs, A。 BourelyA。 Blasco J。 Navarr!on F。 Steinmetz V。 Delwiche M J (1989). A color vision system for peach grading. Transactions of the ASAE, 34(4), 1484– 1490 Molt!o E。 Gugerli P。 Zimmerman T。 Magein H。 Magein H。 Schillaci G (1996). Identification of blemishes on oranges. International Conference on Agricultural Engineering, AgEng 96, Madrid, Spain. EurAgEng Paper No. 96F017 Dobrzanski B。 Reid J F (1994). Size assessment of stacked logs via the Hough Transform. Transactions of the ASAE, 37(1), 303– 310 Cerruto E。 Molt!o E (2020). Identification of defects in citrus using multispectral imaging. International Conference on Agricultural Engineering, AgEng 02, Budapest, Hungary. EurAgEng Paper No. 02AE031 Brodie J R。 Navarr!on F。 參考文獻(xiàn) Aleixos N。出于這個(gè)原因，機(jī)器的性能是由每個(gè)盒子的整體內(nèi)容的估計(jì)測(cè)量，而不是單獨(dú)考察成果作為機(jī)分類結(jié)果，被所有的專家認(rèn)為是正確的。將這些結(jié)果和人類估測(cè)的大小和皮膚的損傷程度的平均重復(fù)性，分別為 94和 88％，進(jìn)行比較，并 且考慮到?jīng)Q策算法也同樣被人工操作者訓(xùn)練 和測(cè)試，由此我們認(rèn)為結(jié)果可以接受的。在線操作的尺寸重復(fù)性介于 91和 95％，有一個(gè) 93％的平均值。損壞的區(qū)域在蘋果中能正確地檢測(cè)到，但該算法在橙子和桃子應(yīng)用時(shí)需要更廣泛地進(jìn)行測(cè)試。出于這個(gè)原因，系統(tǒng)需要經(jīng)常由專門操作人員調(diào)試。如果采用更新更快的計(jì)算機(jī)，并且提高算法來(lái)讓圖像的獲取和處理重疊，這個(gè)時(shí)間可減少至低于 50毫秒。指出這點(diǎn)很重要，即這種類型的實(shí)驗(yàn)結(jié)果很大程度上依賴于果實(shí)大小分布及水果上污點(diǎn)的顏色和大小。如果只有其中一個(gè)估計(jì)參數(shù)變化，品質(zhì)變化從一個(gè)傳遞到另外，果實(shí)將被歸類在不同的類別。表 5顯示，該系統(tǒng)在線進(jìn)行外觀缺陷檢測(cè)時(shí)，有 86％重復(fù)性。由于該系統(tǒng)被專家編程和培訓(xùn)，從理論上說(shuō)，它的性能受到了專家們的重復(fù)性 4） 的限制。一個(gè)錯(cuò)誤的來(lái)源是由于大多數(shù)蘋果為7274和 7982毫米，而 74毫米被選為大小之間的臨界尺寸。視覺(jué)系統(tǒng)的可重復(fù)性由最小尺寸水果的 89％變化到極端大的水果的 100％，平均為 93％（見(jiàn)表 3）。因此，一個(gè) 1mm 的誤差課容許，當(dāng)分析系統(tǒng)在線結(jié)果的重復(fù)性時(shí)。但是，考慮到水果正確的
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1