【CN109978822A】一种基于机器视觉的香蕉成熟度评判建模方法和评判方法【专利】

专利名称：一种基于机器视觉的脐橙识别方法
专利类型：发明专利
发明人：刘燕德,王观田,王均刚,孙旭东,胡军,卢晋夫申请号：CN201611037524.3
申请日：20161123
公开号：CN107341491A
公开日：
20171110
专利内容由知识产权出版社提供
摘要：一种基于机器视觉的脐橙识别方法，采摘机器人（3）行走到果树前后停止前进，由位于采摘机器人前端的相机（1）拍摄果树整体照片，采集图像并载入图像处理系统，本发明用于我国南方脐橙果园的地理环境，解决了双目立体视觉技术在南方地区稳定性和使用寿命都较低问题，采用实时锁定目标和目标匹配的方式定位脐橙，定位方法简单、快速、实用性强。

申请人：华东交通大学
地址：330000 江西省南昌市昌北经济开发区双港路
国籍：CN
代理机构：南昌华成联合知识产权代理事务所(普通合伙)
代理人：黄晶
更多信息请下载全文后查看。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010649988.X(22)申请日 2020.07.08(71)申请人 北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人 王维　张琪　刘慧超　(74)专利代理机构 北京盛凡智荣知识产权代理有限公司 11616代理人 商祥淑(51)Int.Cl.G06Q 10/06(2012.01)G06F 17/11(2006.01)(54)发明名称一种技术成熟度评价方法及装置(57)摘要本发明涉及一种技术成熟度评价方法及装置，所述方法包括：根据产品的工作分解结构，分析产品的主要功能构成及组成单元，确定实现产品各组成单元的技术，并得到技术分解结构层次；根据基本特性和紧要性对所述技术分解结构层次中的各技术单元进行评分，确定所述技术单元的关键性评分；根据所述关键性评分判断所述技术单元是否为关键技术，得到判断结果；当所述判断结果表示所述技术单元为关键技术时，根据关键技术等级判定标准确定所述技术单元的成熟度等级。

本发明在传统技术成熟度评价方法的基础上，考虑了通用质量特性的影响，形成了考虑通用质量特性影响的技术成熟度评价方法，提高了产品研制中CTE确定结果及各项CTE等级判定结果的准确性。

权利要求书2页 说明书17页 附图5页CN 111798141 A 2020.10.20C N 111798141A1.一种技术成熟度评价方法，其特征在于，包括：根据产品的工作分解结构，分析产品的主要功能构成及组成单元，确定实现产品各组成单元的技术，并得到技术分解结构层次；根据基本特性和紧要性对所述技术分解结构层次中的各技术单元进行评分，确定所述技术单元的关键性评分；其中，所述紧要性包括重要性和高风险性；根据所述关键性评分判断所述技术单元是否为关键技术，得到判断结果；当所述判断结果表示所述技术单元为关键技术时，根据关键技术等级判定标准确定所述技术单元的成熟度等级。

基于机器视觉的番茄成熟度检测装置
李丽鑫;李朔;李银银;高宁;张弘扬
【期刊名称】《科技创新与生产力》
【年(卷),期】2024(45)1
【摘要】番茄果实成熟度的检测是智慧农业研究的一个新方向,目前主要采用化学、生物或者较为简单的颜色识别方式,存在效率低、成本高的问题。

基于此,本文提出
一种基于机器视觉进行的番茄成熟度检测装置,通过OpenMV摄像头获取番茄果
实的图像数据,综合所有数据进行考量,将测试番茄与成熟的番茄进行数据比对,并进行成熟度分级管理,导入电脑数据库保存。

该装置可应用于工厂流水线场景,可计算
出每一批番茄的整体成熟度,应用价值高。

【总页数】3页(P116-118)
【作者】李丽鑫;李朔;李银银;高宁;张弘扬
【作者单位】辽宁科技大学电子与信息工程学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于机器视觉技术的烤烟鲜烟叶成熟度检测
2.基于机器视觉的番茄成熟度颜色判别
3.机器视觉和电子鼻融合的番茄成熟度检测方法
4.基于改进YOLOv4模型的番
茄成熟度检测方法5.基于改进YOLO v7的轻量化樱桃番茄成熟度检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：一种基于视觉显著图的树上果实成熟度检测方法专利类型：发明专利
发明人：熊俊涛,陈淑绵,焦镜棉,谢志明,霍钊威,胡文馨,韩咏林,熊春源
申请号：CN202210003452.X
申请日：20220104
公开号：CN114549668A
公开日：
20220527
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于视觉显著图的树上果实成熟度检测方法，先通过摄像机获取果树图像并使用YOLOv5目标检测算法识别树上的果实；利用YOLOv5输出的boundingbox坐标，裁剪果实图像块并使用改进MSSS视觉显著性检测算法获取视觉显著性图像；将果实图像块和对应的视觉显著性图像串联为4维RGBS图像，利用图像分类网络ResNet34结合果实局部图像的RGB和显著性信息判定果实的成熟度类别。

本发明的检测方法准确率和鲁棒性俱佳，适用于自然环境下存在场景复杂和光照多变的情况。

申请人：华南农业大学
地址：510642 广东省广州市天河区五山路483号
国籍：CN
代理机构：广州市华学知识产权代理有限公司
代理人：伍宏达
更多信息请下载全文后查看。

基于机器视觉的水果分级方法研究综述摘要：传统水果分级方法主要采用人工分级、机械分级的方法完成，存在效率低、成本高等缺陷。

随着计算机和人工智能技术的发展，基于机器视觉的智能水果分级方法成为新的发展趋势。

本文对近年来水果分级方法的研究工作进行了分析和总结，对比了不同研究方法的性能和适用性，最后对未来的发展方向做了展望。

关键词：机器视觉；水果分级；人工智能中图分类号：TP394.1；文献标识码：A1 引言随着健康生活理念的普及，人们对水果的需求与日俱增。

水果作为除粮食和蔬菜之外的第三大种植产业，是提高农民收入的重要来源。

虽然我国是水果生产大国，但是我国水果的出口量并不高，在国内的销售价格也不具备市场竞争力。

究其原因在于我国水果的质量参差不齐，水果的颜色、形状等外观形态是制约我国出口的质量问题之一。

因此，对水果进行外观检测并分级具有现实研究意义。

传统的水果分级主要依靠人工进行，该方法具有劳动力成本高、效率低以及分级标准不一等缺点；机械分级虽然可以节约劳动力，但是不能从水果的外观以及缺陷等方面进行等级划分；光电分级可对水果的颜色进行识别分类，但不能满足大小、缺陷等其他质量标准的要求。

人工智能和机器视觉的发展吸引了国内外大量学者开展农产品自动化分级方面的研究。

然而，目前的文献综述大多集中在基于机器视觉的水果目标识别与定位，在基于机器视觉的水果分级系统方面综述较少，本文在阅读参考近年来国内外水果分级方法的基础上，对现有的基于机器视觉的水果分级方法进行性能对比和分析，最后提出了几点展望。

2 水果分级方法1.机器视觉技术机器视觉技术是智能农业领域中的一个关键技术，以图像处理技术为基础。

该技术通过照相机代替人眼获取目标水果信息，然后利用图像处理技术提取对应的图像特征，最后根据分级标准对水果进行自动分级。

基于机器视觉的水果分级技术由于处理速度快、精度高、创伤小、成本低、自动化程度高等优点，具有逐步取代人工分级和机械分级的趋势。

基于SVM分类器识别的香蕉成熟度检测系统设计说明书作品内容简介本文根据Von Loesecke H W的香蕉表皮颜色分级法以及《中华人民共和国农业标准香蕉包装、贮存与运输技术规程》（NY/T 1395-2007）设计出一套香蕉成熟度检测系统。

通过视频识别的方法获得香蕉的外观信息，并经由Python语言编写的、采用SVM分类器进行分类的检测程序进行分析，对香蕉的成熟度进行分级。

1 作品研究背景与意义香蕉是目前世界上贸易量最大的水果之一，采收后容易发生后熟和腐烂。

为了能够销往世界各地，往往在其未成熟时采摘，在运到目的地后再进行催熟，销往市场。

香蕉的成熟度能直接反映香蕉的品质，也影响到其销量，因此在运输过程中检测其成熟度至关重要。

然而，据统计，每一年，香蕉在运输的过程中由于处置不当造成的损失率达20%，极大地影响香蕉的经济效益[1]。

香蕉的腐烂将导致资源的浪费，这并不符合节能减排的理念。

因此，对香蕉成熟度快速分级，及时上市，对提高香蕉的经济效益具有重要意义。

国内外，在应用数字图像处理技术在水果和蔬菜的果实品质检测与分级方面已经开展了大量研究。

早在1992年，G. Van De Vooren 等利用机器视觉技术检测了蘑菇的形态学特征参数，计算了在人工筛选过程中难以准确分类的圆度、弯曲能量、球形度和偏心距等蘑菇的形状特征。

N. Ozer 等于1995 年研制了一种适应水果自动分级的机器视觉系统，利用水果的颜色、尺寸、形状和重量参数构建了待分级水果的检测特征向量，基于BP 神经网络进行等级判别。

然而，图像处理技术在香蕉成熟度检测方面的应用寥寥无几。

因此，如果能将数字图像处理技术用于检测香蕉的成熟度并制作出一个相对简易但又不失精确度的检测系统，将极大地提高香蕉在成熟度方面的分级速度与分级质量。

2 节能分析以2015年3月份我国香蕉市场的相关数据进行分析。

2015年3月份，全国香蕉主产区总产量达66万吨，产地综合平均价格在2.93元/公斤左右（数据来源：农业部农垦局、中国农垦经济发展中心）。

专利名称：基于深度卷积神经网络的香蕉成熟期识别方法和装置
专利类型：发明专利
发明人：张明禛,连剑,郑元杰,林建伟
申请号：CN201710741008.7
申请日：20170825
公开号：CN107590799A
公开日：
20180116
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于深度卷积神经网络的香蕉成熟期识别方法和装置，所述方法包括采集农业生产和食品质量检测过程中上需要检测的处于不同成熟期的香蕉图像；对采集到的香蕉图像按照对应的成熟期进行数据清洗以及数据扩充预处理；结合待识别香蕉成熟期图像的特点，针对性地设计相应的深度卷积神经网络结构；将所述预处理后的香蕉图像作为训练数据，利用所述深度卷积神经网络结构，训练香蕉成熟期识别模型；利用训练好的香蕉成熟期识别模型对待识别的香蕉图像进行精度测试，若测试精度未达到应用标准，则重新训练香蕉成熟期识别模型，直至达到应用标准。

本发明能够避免人为因素带来的误差，为香蕉质量检测提供保障，节省了大量的人力物力。

申请人：山东师范大学
地址：250014 山东省济南市文化东路88号
国籍：CN
代理机构：济南圣达知识产权代理有限公司
代理人：张勇
更多信息请下载全文后查看。