豌豆、菜豆、青刀豆和菜用大豆等豆科蔬菜廣受消費者的青睞,然而豆莢內(nèi)部害蟲的存在是影響豆科蔬菜質(zhì)量安全的一個重要因素。目前國內(nèi)主要依靠人工肉眼進行判別,剔除含有害蟲的豆莢,這種方式耗時耗力,容易漏檢,嚴重制約豆類蔬菜加工的效率。近年來機器視覺技術以其快捷、低成本的優(yōu)勢,在農(nóng)產(chǎn)品外觀品質(zhì)檢測方面已得到大量應用。因此,本文嘗試采用機器視覺成像技術,以菜用大豆、豌豆等為主要研究對象,開展圖像識別方法研究,并建立豆莢內(nèi)部害蟲無損檢測方法,具體研究結論如下:(1)本文通過預實驗對比分析了基于近紅外透射技術、基于軟X射線透射技術和基于機器視覺技術的三種檢測方案的優(yōu)缺點與可行性,最終選擇基于機器視覺的技術方案,并分析了國內(nèi)外發(fā)展現(xiàn)狀與研究動態(tài)。(2)搭建了基于CMOS相機和鹵鎢燈光源的圖像采集平臺,包括透射、漫反射兩種采集方式,通過對比分析不同光源透射角度、不同載物介質(zhì)材料、不同光源透射距離和不同采集環(huán)境對豆莢圖像的影響,優(yōu)化系統(tǒng)軟硬件采集參數(shù),完成了豆莢樣本漫反射圖像和透射圖像的采集。(3)針對含有蟲孔的豆莢樣本,重點對其漫反射圖像進行分析,采用G分量指示值為閾值進行圖像分割,以灰度值范圍69~230為目標區(qū)域,結合連通域分析和面積差異分析方法獲得感興趣區(qū)域,并建立以動態(tài)閾值分割為基礎的豆莢完整性輔助判斷算法,保證感興趣區(qū)域的完整性。然后以灰度值范圍0~40為目標區(qū)域,結合特征直方圖分析等方法,建立豆莢表面蟲孔的標識與識別模型,模型識別準確率為91%。(4)針對含有內(nèi)部害蟲蟲體的豆莢樣本,重點對其透射圖像進行分析,采用S分量的指示值為分割閾值,并深入研究了圖像分割、去噪濾波和形態(tài)學處理等圖像處理方法,通過連通域分析、特征直方圖比較分析,完成豆莢區(qū)域的提取。根據(jù)豆莢內(nèi)部不同種類害蟲蟲體透射圖像區(qū)域向量特征,通過疊加面積差異、最小外接矩形差異等識別算法,建立內(nèi)部害蟲標識、識別模型,模型識別準確率為72%。(5)應用Visual Studio 2013集成開發(fā)環(huán)境開發(fā)了菜用大豆內(nèi)部害蟲無損檢測軟件系統(tǒng),該系統(tǒng)內(nèi)嵌豆莢內(nèi)部害蟲綜合識別模型,通過對豆莢表面蟲孔和內(nèi)部所含蟲體兩種情況的識別結果進行綜合判別,最終確定整個豆莢是否受害蟲侵害,整體準確率達84%。根據(jù)實驗結果,本文搭建的豆莢內(nèi)部害蟲識別平臺對菜用大豆有較強檢測能力,識別準確度較高。初步建立了基于機器視覺技術的豆莢內(nèi)部害蟲識別方法與模型,為后續(xù)開發(fā)豆莢內(nèi)部害蟲快速檢測裝置提供了參考。
【學位單位】：黑龍江八一農(nóng)墾大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：S436.43;TP391.41
【部分圖文】：

圖 1-2 樹莓果實洞中的昆蟲圖像Figure 1-2Insect image in raspberry ho覺技術針對害蟲本身做了研究對象害蟲的研究提供了寶貴的三種識別模型，分別為基于仿Yao 等將光流角度作為權重函理疊在一起的飛蛾圖像[55]。作并利用該方法測試檢測，分割，很少結合圖像處理之外的知。該模型結合了果蛾本身的生供相關數(shù)據(jù)，不需要太多手動蹤和數(shù)量統(tǒng)計模型，模型漏檢

基于機器視覺的豆莢內(nèi)部害蟲檢測技術研究為增強識別系統(tǒng)對豆莢內(nèi)部害蟲的檢測能力，建立基于閾值分割的豆莢表面蟲孔識別模型進行輔助判別。本研究所采用的技術路線圖如圖 1-3。

元根據(jù)反饋信息指導執(zhí)行機構進行相對應的操作，完成整中，圖像采集單元不僅限于可見光感光元件，近紅外、X器都可以作為圖像采集單元的信號采集器。因此，盡管機統(tǒng)相似，但其可以采集人眼所不能感知的可見光波段范圍
【參考文獻】

相關期刊論文 前10條

1 張凱;董菲;趙吉文;董思興;;基于圖像熵的直線電機動子位置精密測量方法[J];儀器儀表學報;2015年12期

2 周俊玲;張蕙杰;;世界豌豆生產(chǎn)及貿(mào)易形勢分析[J];世界農(nóng)業(yè);2015年09期

3 張秋英;李彥生;劉長鍇;田博文;涂冰潔;毛健偉;;菜用大豆食用品質(zhì)關鍵組分及其積累動態(tài)研究[J];作物學報;2015年11期

4 朱改芝;;大豆豆莢螟發(fā)生消長動態(tài)與防治技術研究[J];現(xiàn)代農(nóng)村科技;2015年13期

5 王哲;劉建福;;豌豆全粉添加量對曲奇餅干面團及產(chǎn)品質(zhì)構的影響[J];食品科技;2015年01期

6 袁璟亞;謝正偉;付亮;;達州市豌豆高產(chǎn)高效栽培技術[J];四川農(nóng)業(yè)科技;2015年01期

7 郭慶勝;馮代鵬;劉遠剛;陳勇;;一種解算空間幾何對象的最小外接矩形算法[J];武漢大學學報(信息科學版);2014年02期

8 馬亞楠;黃敏;李艷華;張慜;步培銀;;基于能量信息的毛豆豆莢螟高光譜圖像檢測[J];食品工業(yè)科技;2014年14期

9 吳一全;宋昱;周懷春;;基于灰度熵多閾值分割和SVM的火焰圖像狀態(tài)識別[J];中國電機工程學報;2013年20期

10 馮志新;安浩平;吳順麗;;基于RGB顏色模型棉花雜質(zhì)檢測算法[J];計算機與現(xiàn)代化;2013年04期

相關博士學位論文 前1條

1 張航;基于高光譜成像技術的皮棉中地膜識別方法研究[D];中國農(nóng)業(yè)大學;2016年

相關碩士學位論文 前2條

1 李寧;城市主干路交通溢流協(xié)調(diào)控制及其仿真研究[D];山東大學;2014年

2 陳培俊;基于圖像處理和模式分類的茶葉雜質(zhì)識別研究[D];南京航空航天大學;2014年

本文編號：2859896