發(fā)布時(shí)間：2021-05-26 18:54

　　蘋果在我國水果的生產(chǎn)中占有重要地位,我國蘋果產(chǎn)量和種植面積均占全球一半以上。但是我國蘋果的商品化分級(jí)技術(shù)仍以人工分級(jí)和機(jī)械分級(jí)為主,分級(jí)標(biāo)準(zhǔn)不統(tǒng)一,難以保證分級(jí)質(zhì)量,在國際市場上缺乏競爭力。因此,提高蘋果的分級(jí)質(zhì)量是增強(qiáng)我國蘋果國際市場競爭力的關(guān)鍵。本文以紅富士蘋果為對(duì)象,研究了蘋果的外部品質(zhì)檢測方法,主要研究內(nèi)容如下:（1）針對(duì)采集的蘋果圖像,選用了RGB和HSI顏色模型對(duì)蘋果圖像進(jìn)行處理,并針對(duì)樣本圖像的背景特點(diǎn),采用了雙峰閾值分割法,以R分量與B分量的差值直方圖來進(jìn)行背景分割。此外,分別計(jì)算了均值濾波、高斯濾波以及中值濾波的峰值信噪比（PSNR）和結(jié)構(gòu)相似性（SSIM）,結(jié)果顯示中值濾波的效果優(yōu)于其余兩種濾波算法,結(jié)合人眼主觀判斷,選擇了中值濾波算法對(duì)圖像進(jìn)行去噪處理。（2）在提取蘋果外部品質(zhì)特征時(shí),分別提取了顏色、果形、果徑、缺陷等外部特征。在提取顏色特征部分,分別計(jì)算了色澤和顏色分布兩種參數(shù),通過計(jì)算紅色和近紅色的H值在蘋果圖像中的比值來代表色澤指數(shù),通過Fisher系數(shù)法篩選出了R、G、B三個(gè)分量的方差作為蘋果的顏色分布參數(shù)。在提取果形特征部分,通過Canny算法得到了蘋果... 

【文章來源】：濟(jì)南大學(xué)山東省

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 論文研究背景
    1.2 論文研究目的與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 論文研究內(nèi)容
    1.5 論文組織結(jié)構(gòu)
第二章 圖像預(yù)處理
    2.1 顏色空間模型
        2.1.1 RGB顏色模型
        2.1.2 HSI顏色模型
        2.1.3 顏色模型的轉(zhuǎn)化
    2.2 圖像背景分割
    2.3 圖像濾波去噪
        2.3.1 均值濾波
        2.3.2 高斯濾波
        2.3.3 中值濾波
        2.3.4 濾波結(jié)果分析
    2.4 本章小結(jié)
第三章 外部品質(zhì)特征提取
    3.1 顏色特征提取
    3.2 果形特征提取
        3.2.1 邊緣檢測
        3.2.2 邊緣檢測效果分析
        3.2.3 最小外接矩形
    3.3 果徑特征提取
    3.4 缺陷特征提取
    3.5 本章小結(jié)
第四章 遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)分級(jí)研究
    4.1 樣本數(shù)據(jù)庫
    4.2 BP神經(jīng)網(wǎng)絡(luò)
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)原理
        4.2.2 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)計(jì)
    4.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)
        4.3.1 遺傳算法簡介
        4.3.2 優(yōu)化實(shí)現(xiàn)過程
    4.4 分級(jí)結(jié)果分析
    4.5 本章小結(jié)
第五章 粒子群算法優(yōu)化的支持向量機(jī)分級(jí)研究
    5.1 支持向量機(jī)
        5.1.1 支持向量機(jī)原理
        5.1.2 核函數(shù)
        5.1.3 支持向量機(jī)參數(shù)優(yōu)化方法
        5.1.4 支持向量機(jī)多分類方法
    5.2 粒子群優(yōu)化支持向量機(jī)的實(shí)現(xiàn)
        5.2.1 粒子群算法原理
        5.2.2 優(yōu)化實(shí)現(xiàn)過程
    5.3 分級(jí)結(jié)果分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于圖像閾值分割的滸苔圖像提取[J]. 張日升,原明亭,丁軍航,官晟,孟憲法.  自動(dòng)化技術(shù)與應(yīng)用. 2020(02)
[2]一種新型Canny邊緣檢測算法研究[J]. 段志達(dá),魏利勝,丁坤.  牡丹江大學(xué)學(xué)報(bào). 2020(01)
[3]基于形態(tài)學(xué)和高斯濾波的圖像快速去霧算法[J]. 陳明,譚濤.  計(jì)算機(jī)應(yīng)用與軟件. 2019(12)
[4]淺談粒子群算法的應(yīng)用[J]. 周佳莉.  計(jì)算機(jī)產(chǎn)品與流通. 2019(11)
[5]計(jì)算機(jī)視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用[J]. 陳濤.  安徽農(nóng)學(xué)通報(bào). 2019(20)
[6]基于局部閾值的Canny邊緣檢測算法[J]. 何育欣,楊澤靜,鄭伯川.  西華師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的紅提葡萄分級(jí)技術(shù)研究[J]. 查志華,柴林杰,劉寶.  南方農(nóng)機(jī). 2019(17)
[8]基于圖像識(shí)別的蘋果等級(jí)分級(jí)研究[J]. 于蒙,李雄,楊海潮.  自動(dòng)化與儀表. 2019(07)
[9]遺傳算法優(yōu)化前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)重矢量研究[J]. 梁智琿.  信息與電腦(理論版). 2019(14)
[10]基于中值濾波的圖像邊緣去噪算法研究[J]. 郝波,盧小平.  現(xiàn)代計(jì)算機(jī). 2019(20)

博士論文
[1]基于機(jī)器視覺的水果品質(zhì)實(shí)時(shí)檢測與分級(jí)生產(chǎn)線的關(guān)鍵技術(shù)研究[D]. 饒秀勤.浙江大學(xué) 2007

碩士論文
[1]基于機(jī)器視覺的蘋果品質(zhì)分級(jí)技術(shù)的研發(fā)[D]. 凌強(qiáng).黑龍江大學(xué) 2019
[2]GA-BP神經(jīng)網(wǎng)絡(luò)在玉米種子質(zhì)量檢測分級(jí)中的應(yīng)用[D]. 袁霏.浙江海洋大學(xué) 2019
[3]基于圖像的多指標(biāo)融合的蘋果分級(jí)技術(shù)研究[D]. 湯天杰.南京郵電大學(xué) 2018
[4]基于機(jī)器視覺的蘋果分級(jí)檢測算法研究[D]. 孫斐.鄭州大學(xué) 2018
[5]基于計(jì)算機(jī)視覺的臍橙表面常見缺陷種類識(shí)別的研究[D]. 龐江偉.浙江大學(xué) 2006
[6]計(jì)算機(jī)視覺在蘋果外部品質(zhì)檢測與分級(jí)方面的應(yīng)用研究[D]. 袁金麗.中國農(nóng)業(yè)大學(xué) 2005



本文編號(hào)：3206887