自动测量头盔显示器的视差时, 用CCD相机取代人眼的主观读取, 由于机器视觉不如人眼灵活, CCD相机在人眼观察点才能确保移动时采集的图像是完整的, 从而保证全视场的视差测量。该文提出采用模式搜索法在头盔显示器光学平面内实现CCD相机自动对准人眼观察点(眼位点), 从而实现头盔显示器全视场视差的自动测量。对该自动测量系统的测量原理, 以及CCD相机自动对准眼位点的实现过程进行了详细论述与说明, 对测量精度与效率, 对准精度与重复定位精度进行了实验分析。实验结果表明, 该方法能够快速、准确、自动地对准眼位点, 定位精度为±0.071°, 与摆头法测量视差系统进行对比实验, 全视场视差测量效率高, 重复精度高。

苹果在采摘、 分拣、 储存和运输过程中容易受到挤压、 振动和碰撞而损伤, 轻微损伤早期肉眼很难识别, 轻微损伤部位易被病原微生物入侵而导致自身和周围水果腐烂, 因此, 苹果轻微损伤的早期快速准确地判别能有效地降低经济损失, 对苹果的采后处理和储存具有重要意义。 本研究应用拉曼光谱结合化学计量学方法对苹果早期轻微损伤进行快速识别。 采用Savitzky-Golay(SG)卷积对原始拉曼光谱进行平滑去噪, 用自适应迭代重加权惩罚最小二乘(airPLS)算法进行基线校正, 用非线性的支持向量机(SVM)回归算法建立分类判别模型, 采用KS法划分训练集和验证集后, 基于线性和多项式核函数建立SVM分类模型的分类准确率可达到978%。 结果表明, 拉曼光谱技术结合化学计量学方法可快速识别苹果的早期轻微损伤, 展示了拉曼光谱技术用于判别苹果早期轻微损伤的应用前景。