基于机器视觉的害虫种类及数量检测 一、研究目的 研究的目的在于建立一套远程病虫害自动识别系统，有助于缓解农业植保人员和病虫害鉴定专家的人力资源紧张，有助于病虫害知识有限的农业人员进行及时的病虫害检测，并且，通过害虫种类数目的监测和信息收集，定期对昆虫数据进行整理和分析，建立病虫害爆发的规律模型，进而预测判断病虫害爆发的时间，及时通知农业植物保护人员和农户进行合理地科学地预防。提高农作物产量和质量。 二、研究内容及结论 (1) 设计实现了一套可适用于野外的害虫捕获和图像采集装置。该装置放置在农业种植区域，24 小时进行害虫的诱杀和图像采集，同时，装置可以通过无线网络将害虫图像上传至农业监控中心虫类鉴别服务器，并进行害虫种类的识别，进行产区内害虫种类数目的信息收集。 (2) 开发了一套基于机器视觉的昆虫计数工作方法。开发了一套的适用于苍蝇粘板等包含多数昆虫设备的图像的基于机器视觉的昆虫计数工作方法。该方法首先对包含多数昆虫的图片进行二值化预处理，然后进行轮廓的查找，并进行轮廓的计数，得到的数目反映了图片中的昆虫数目的数量级。该方法适用于苍蝇粘板图像等包含多数昆虫虫体的图像上。 (3)

项目介绍： 要求： 数目检测和昆虫种类识别 项目进度 2017/4/8---------二值化 2017/4/9---------图片中昆虫虫体计数 2017/4/22-------PyQt 和 OpenCV_VideoFrame 结合做出基本界面 摄像头 Frame 中检测虫体数目，并在界面中显示标出 学习昆虫图像特征的提取，参考论文中提出的几个特征量 提取特征量并进行保存 按照神经网络方法搭建训练模型 搭建了线性 SVM 分类训练器 将特征提取和 UI 界面建立连接，实现拍照和预测判断一体 机器学习训练算法（参考 Python 机器学习） LogisticRegression SGDClassfier 还没有尝试 LinearSVM 朴素贝叶斯(文本分类，不用) K 邻近（分类） 决策树，不用 集成模型，不用 文件介绍 用户界面 MainWindow.ui-----------------------PyQtDesigner 设计的主界面文件 MainWindow.py----------------------PyUIC 转换而成的主界面程序 运行逻辑 VideoMainWin

计数器应用举例：产品数量检测 （每24个产品 机械手动作1次）  机械手动作后，延时2秒，将机械手电磁铁切断，同时将C20复位。C20复位后，Q0.1和T37也复位 产品通过检测器 PH 机械手 KM1 KM2 传送带电机 PLC的I/O分配： I0.0— 传送带停机按钮 I0.1—传送带起动按钮 I0.2— 产品通过检测器PH Q0.0—传送带电机KM1 Q0.1—机械手KM2 T37—定时器,定时2秒 C10—计数器，初始值24

基于PLC的产品数量检测设计.doc

【毕业设计/课程设计】基于机器视觉的害虫种类及数量检测（源码+论文） 详细项目介绍：https://blog.csdn.net/Seniors_DC/article/details/125236084 可用作毕业设计或者课程设计

代码解析参见：https://handsome-man.blog.csdn.net/article/details/102546634

纸张计数显示装置:grinning_face_with_smiling_eyes: 1、简介:pencil: 纸张计数显示装置基于RT-Thread实时操作系统，硬件平台采用STM32F407单片机为主控制器，以具有抗电磁干扰（EMI）架构的FDC2214模块作为电容采集传感器，通过屏蔽双绞线连接至两铜极板，读取采集的数据并进行相应判断，应用触摸屏和语音模块进行状态显示与播报。FDC2214模块将采集到的数据通过IIC协议传输给主控制器，主控制器对原始数据进行卡尔曼滤波，抑制噪声对数据采集的影响。校准模式下，本系统利用最大隶属度法，确定电容模拟值及纸张数的论域，定义模糊子集和隶属函数，建立模糊规则控制表，求得模糊控制查询表。其根据采集到的两极板的数据，做出短路判断并读取多组实时数据，将其与模拟区间进行归类，选取最大可能性区间作为期望值，减小最终判断的差错率。 成果：在校准好后，50张以下100%正确 配置参数 主控制器 配置参数 主传感器 芯片型号 STM32F

基于图像的火柴和钢筋数量统计，基本算法为hough变换，其中有两个文档分别实现火柴数量的检测和钢筋数量的检测，有示例图片，程序为普通win32控制工程，使用opencv2.4.9,运行时可能需要自行配置。