蘋果分級銷售可以提高它的商品價值屬性。根據蘋果分級標準,外部品質特征是重要內容。利用機器視覺可以進行蘋果的外部特征進行無損檢測,為了提高分級準確性,對紅富士蘋果的果徑大小、顏色和紋理這三個蘋果分級的重要特征的提取方法進行優(yōu)化,結合缺陷和果形特征進行綜合分級。主要研究內容如下:（1）提出了圓形鄰域LBP算子與部分灰度壓縮擴階共生矩陣融合的的蘋果紋理提取方法�；叶裙采仃嚳梢宰R別圖像中的變化幅度、相鄰間隔、灰度方向,但是受光照影響較大。結合圓形鄰域LBP算子的光照不變性以及可以獲得任意數目的鄰域像素點和任意半徑的圓形模式這樣的優(yōu)勢進行方法融合,對部分灰度信息作灰度級壓縮和灰度矩陣擴階處理,對剩余灰度級部分保持原灰度級不變,并選取優(yōu)勢方向上的特征均值作為最終結果,獲得更加準確地蘋果圖像紋理特征。（2）提出了基于閾值分割的實際果徑大小計算方法。通過距離與像素點表示的實際大小關系方程,獲得所需的分割閾值。接著采用閾值分割法對像素直徑進行線性函數擬合,得到實際的果徑大小,與整體線性擬合相比提高了準確性。（3）提出了預分析閾值區(qū)域的紅色分量提取算法。不同環(huán)境影響顏色分量提取,HSV顏色模型中的H分量... 

【文章來源】：浙江理工大學浙江省

【文章頁數】：69 頁

【學位級別】：碩士

【部分圖文】：

圖２．５標定模板??表２．丨相機內參標定結果??

浙江理工大學碩士學位論文?基于多特征的紅富士蘋果分級研究??（２）運用公式２－（６）和２－（７）求取畸變后像素點在像素坐標系下的位置。??（３）重新轉換到圖像像素坐標系中，有關系２－（１１）：??ｗ’?「乂?０叫卜ｗ??Ｖ?＝?〇?／ｖ?ｖ０?ｙｃｌｄ?２－（１１）??１?［０?０?１?１?１??（４）利用步驟（２）獲得的坐標和Ｊ的像素灰度值獲取新圖像。校正前后如圖２．６所示：??１?ｍ??（ａ）采集原圖?（ｂ）畸變校正圖??圖２．６蘋果圖像去畸變前后對比??對以上兩幅圖求最小外接矩形的四個角點坐標，結果見表２．２。??表２．２原圖與畸變校正圖最小外接矩形角點坐標??左上?左下?右上?右下??（ａ）?（５１，２８２）?（５１，?７３８）?（５６３，?２８２）?（５６３，７３８）??（ｂ）?（５３，?２８４）?（５３，７３９）?（５６１，?２８４）?（５６１，７３９）??由上表可見，圖中蘋果出現輕微畸變。??２．３圖像分割??圖像采集獲得的紅富士蘋果圖像包括蘋果和背景兩個部分。為了對蘋果的大孝果形、??顏色、紋理等進行檢測，需要去除背景影響。所以我們需要對采集蘋果圖像進行去背景的??分割處理。閾值分割技術是一個簡單、經典的圖像分割方法，有利于區(qū)分目標區(qū)域和背景??區(qū)域。由于采集圖像中包含正常果和缺陷果，所以先采用雙閾值最大類間法進行圖像分割??提取完好果面。??２．３．１最大類間方差法??最大類間方差法（ＯＳＴＵ）是在判決分析或最小二乘法原理上推導出來的，適合雙峰圖像??的閾值分割［２４］。方法原理為：設灰度級為Ｌ的原始灰度圖像，有個灰度級為／的像素。??１０??

浙江理工大學碩士學位論文?基于多特征的紅富士蘋果分級研究??２．３．２雙閾值分割原理??雙閾值分割適合分割有背景、區(qū)域１，區(qū)域２三部分的圖像，設置兩個閾值７；、ｒ２，??即為：??＇０，?ｆ｛Ｕｊ）＜Ｔｘ??ｇ（ｉＪ）?＝?＼ｌＴｉ＜ｆ（ｉ，ｊ）＜Ｔ２?２－（１９）??２，?ｆ（ｉ，ｊ）＞Ｔ２??其中，／（／，＿／）表示輸入圖像該點的灰度值，以／，ｙ）表示輸出圖像該點的灰度值。??部分采集紅富士蘋果圖像是由背景、缺陷和正常果面組成的。圖像直方圖中缺陷組織??的灰度峰值介于正常組織和黑色背景１２５］。所以本文選擇兩個閾值７；、ｒ２先來提取正常果面??部分，即為：當／（／，刀＜７；時，／（／，＿／）為背景，則／（〇＿）?＝?０。當?時，／（／，＿／）為??缺陷組織，則／（／，刀二２５５。當／（７？，刀＞７；時，／（／，＿／）為正常組織，／（／，＿／）?＝?０。??運用雙閾值最大類間方法進行閾值分割結果如圖２．７所示。??□□□□??ｎａａｎ??圖２．７基于雙閾值ＯＳＴＵ方法的紅富士蘋果分割圖??通過結果圖可以看出利用雙閾值ＯＳＴＵ法不是十分的理想，主要是圖像的邊緣部分不??能跟背景完全分割。??２．３．３彩色圖像分割算法??相比于一維亮度空間的灰度圖而言，三維色彩通道的彩色圖像能夠反映更多信息１￥。??１２??

【參考文獻】：
期刊論文
[1]基于方差加權的LBP特征提取算法[J]. 尹玉梅,彭藝,祁俊輝.  數據通信. 2019(04)
[2]SAR圖像多目標邊緣檢測性能對比研究[J]. 李楠.  艦船電子工程. 2019(08)
[3]基于最小外接矩形的集料顆粒形狀特征快速評價方法研究[J]. 曹源文,楊國林,張瑩瑩,王若俊,程志豪.  重慶交通大學學報(自然科學版). 2019(06)
[4]機器視覺中相機標定方法的研究[J]. 王運哲,鄭凱.  機械管理開發(fā). 2019(05)
[5]“十三五”頭兩年全國經濟林產品產量完成情況分析[J]. 呂永來.  中國林業(yè)產業(yè). 2019(05)
[6]基于改進粒子群算法的云計算產業(yè)聯盟知識搜索算法研究[J]. 高長元,于建萍,何曉燕.  數據分析與知識發(fā)現. 2017(03)
[7]基于機器視覺技術的機械制造自動化技術應用研究[J]. 成文.  科技展望. 2017(04)
[8]基于圖像特征融合的蘋果在線分級方法[J]. 黃辰,費繼友.  農業(yè)工程學報. 2017(01)
[9]基于OSTU算法利用新型水體指數進行Landsat數據自適應閾值水體自動提取研究[J]. 趙紫薇.  測繪與空間地理信息. 2016(09)
[10]基于隱馬爾科夫模型的蘋果分級方法研究[J]. 謝鋒云,周建民,江煒文,張慧慧,唐宏兵.  食品與機械. 2016(07)

博士論文
[1]不同色澤類型蘋果著色期糖酸變化及花青苷合成特性研究[D]. 劉玉蓮.西北農林科技大學 2013
[2]運動水果的形狀描述方法與在線檢測技術[D]. 王福杰.浙江大學 2013

碩士論文
[1]基于機器視覺的蘋果分級檢測算法研究[D]. 孫斐.鄭州大學 2018
[2]基于機器視覺的蟲蝕葵花籽識別技術研究[D]. 王衛(wèi)翼.江南大學 2014



本文編號：3253116