基于机器视觉的农药残留速测卡结果判读方法

doi:10.3778/j.issn.1002-8331.1509-0265

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (7): 231-234.DOI: 10.3778/j.issn.1002-8331.1509-0265

基于机器视觉的农药残留速测卡结果判读方法

贾冰慧，张沛强，罗宇强，陈龙

广州市光机电技术研究院广东省现代控制与光机电技术公共实验室，广州 510663

出版日期:2017-04-01 发布日期:2017-04-01

Rapid determination of pesticide residues based on machine vision

JIA Binghui, ZHANG Peiqiang, LUO Yuqiang, CHEN Long

Guangdong Public Laboratory of Modern Control and Optical-Mechanical-Electrical Technology, Guangzhou Research Institute of Optical-Mechanical-Electrical Technology, Guangzhou 510663, China

Online:2017-04-01 Published:2017-04-01

摘要/Abstract

摘要： 针对人工判读大批量农药残留速测卡结果存在的误判率高、效率低等问题，提出基于机器视觉的农药残留速测卡结果准确快速判读方法，根据判读原理设计图像采集系统，利用边缘检测技术结合特征提取对速测卡图像处理分析。实验结果表明，该方法在保证准确性的前提下，判读效率达到约500次判读每分钟，能够满足蔬菜采摘前和销售前大批量农药残留检测需求，有助于绿色蔬菜溯源系统的建设和管理。

关键词: 机器视觉, 农药残留, 快速判读

Abstract: To solve high misjudgment rate and inefficient for detection pesticide residues of a large quantity of vegetables, a fast and accuracy method based on machine vision is proposed to judge rapid test card result. Firstly, image acquisition system is designed to acquire rapid test card image. Then, the rapid card image is processed using edge detection technique and characteristics extraction. Experimental results show that the method can judge about 500 samples in one minute. The present method is to meet the requirements of large quantities of vegetable pesticide resresidues and is helpful for the construction and management of green vegetables traceability system.

Key words: machine vision, pesticide residues, rapid detection

贾冰慧，张沛强，罗宇强，陈龙. 基于机器视觉的农药残留速测卡结果判读方法[J]. 计算机工程与应用, 2017, 53(7): 231-234.

JIA Binghui, ZHANG Peiqiang, LUO Yuqiang, CHEN Long. Rapid determination of pesticide residues based on machine vision[J]. Computer Engineering and Applications, 2017, 53(7): 231-234.

[1]	彭昭勇，伍权，陈华伟，郑跃，王书祥. 基于文献计量的机器视觉缺陷检测研究述评[J]. 计算机工程与应用, 2021, 57(4): 28-34.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[4]	李忠海，白秋阳，王富明，刘海荣. 基于语义分割的钢轨表面缺陷实时检测系统[J]. 计算机工程与应用, 2021, 57(12): 248-256.
[5]	赵艳，左保齐. 机器视觉在织物疵点检测上的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 11-17.
[6]	何文斌，魏爱云，明五一，贾豪杰. 基于机器视觉的水果品质检测综述[J]. 计算机工程与应用, 2020, 56(11): 10-16.
[7]	马冬梅，贺三三，杨彩锋，严春满. 特征融合型卷积神经网络的语义分割[J]. 计算机工程与应用, 2020, 56(10): 193-198.
[8]	郭倩，张福杨，孙农亮. 融合多特征表示和超像素优化的双目立体匹配[J]. 计算机工程与应用, 2020, 56(1): 216-223.
[9]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[10]	孙卫红1，李乾坤1，邵铁锋1，吴慧明2. 基于机器视觉的桩护壁裂缝检测方法[J]. 计算机工程与应用, 2019, 55(14): 260-265.
[11]	姚明海1，齐妙2. 基于模糊聚类规则的图像去雾方法研究[J]. 计算机工程与应用, 2018, 54(6): 26-29.
[12]	李超，孙俊. 基于机器视觉方法的焊缝缺陷检测及分类算法[J]. 计算机工程与应用, 2018, 54(6): 264-270.
[13]	孙钊，许增朴，王永强，周聪玲. 机器视觉测量中透视投影误差分析控制与补偿[J]. 计算机工程与应用, 2018, 54(2): 266-270.
[14]	郭瑞峰，袁超峰，杨柳，彭光宇. 基于OpenCV的机器视觉尺寸测量研究[J]. 计算机工程与应用, 2017, 53(9): 253-257.
[15]	刘俊利，王立锋，孔秀平. 煤岩界面识别和定位测量方法研究[J]. 计算机工程与应用, 2017, 53(8): 246-249.

基于机器视觉的农药残留速测卡结果判读方法

Rapid determination of pesticide residues based on machine vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics