【摘要】：近年來(lái)對(duì)于顆粒狀農(nóng)產(chǎn)品的分選已經(jīng)由機(jī)器篩選逐漸代替了傳統(tǒng)的人工分選,機(jī)器篩選以其速度快、信息量大、功能多等優(yōu)點(diǎn)得到廣泛應(yīng)用,摒棄了傳統(tǒng)人工分選會(huì)導(dǎo)致分選周期長(zhǎng)、錯(cuò)誤率高和效率低等缺陷。本文是面向顆粒狀農(nóng)產(chǎn)品的分選方法的研究。利用彩色線陣CCD視覺(jué)系統(tǒng)對(duì)顆粒狀農(nóng)產(chǎn)品進(jìn)行成像,然后將得到的圖像在PC上保存,并對(duì)圖像進(jìn)行特征提取和篩選,最后根據(jù)篩選出的最優(yōu)特征值在FPGA上實(shí)現(xiàn)KNN分類算法,從而實(shí)現(xiàn)顆粒狀農(nóng)產(chǎn)品的分選。論文主要研究的內(nèi)容有：(1)連通域標(biāo)記算法的研究。為了對(duì)實(shí)時(shí)運(yùn)動(dòng)的物體進(jìn)行跟蹤與標(biāo)記,需要對(duì)圖像中的物體進(jìn)行連通域標(biāo)記,討論了基于線陣CCD的連通域標(biāo)記算法,并在PC上對(duì)算法進(jìn)行驗(yàn)證,并給出FPGA實(shí)現(xiàn)連通域標(biāo)記算法的思路。(2)基于KNN算法的特征篩選。以RGB顏色空間為主進(jìn)行特征提取,主要以一維和二維的直方圖為主,對(duì)于提取的特征用KNN篩選算法進(jìn)行特征篩選,得到的最優(yōu)特征值用KNN算法進(jìn)行驗(yàn)證,結(jié)果表明在選擇合理特征個(gè)數(shù)和K值情況下對(duì)花生和開(kāi)心果的分選正確率達(dá)到了95%以上。實(shí)驗(yàn)表明特征個(gè)數(shù)在3-5個(gè)能達(dá)到最高的正確率,3-5個(gè)特征表明了KNN算法適合FPGA實(shí)現(xiàn)。(3)基于FPGA的KNN算法實(shí)現(xiàn)。利用HDL(硬件描述語(yǔ)言)進(jìn)行KNN算法在FPGA上的實(shí)現(xiàn)并仿真進(jìn)行驗(yàn)證,在基于線陣CCD的視覺(jué)系統(tǒng)上給出算法的思路和算法驗(yàn)證。
【圖文】：

圖３．邋５大\的連通域標(biāo)記結(jié)果逡逑Ｆｉｇ３．５邋Ｒｅｓｕｈｓ邋ｏｆ邋Ｊｕｊｕｂｅ邋ｃｏｎｎｅｃ化ｄ邋ｃｏｍｐｏｎｅｎｔ邋ｌａｂｅｌｉｎｇ逡逑ＦＰＧＡ的連通域算法實(shí)現(xiàn)思路逡逑標(biāo)記算法可Ｗ用兵馬操作來(lái)實(shí)現(xiàn)，這樣可Ｗ提高算法運(yùn)行１＾＾分為下幾步：逡逑２０逡逑

高維直方圖的意思是對(duì)每個(gè)維度的灰度值進(jìn)行統(tǒng)計(jì)。逡逑本章用ＫＮＮ算法對(duì)花生和開(kāi)屯、果進(jìn)行分類，特征篩選的方法用的是ＫＮＮ算逡逑法，，分類也用的ＫＮＮ算法。Ｈ種需要分選的花生的樣本如圖４．７所示：逡逑Ｉ

本文編號(hào)：2622399