基于圖像的多指標融合的蘋果分級技術研究
發(fā)布時間：2021-06-16 03:48
隨著農業(yè)自動化程度的提高和人們對高生活質量的追求,蘋果自動分級技術已成為蘋果生產過程中提高效率和穩(wěn)定質量的一種必要手段。紅富士蘋果作為國際和國內的主流品種之一,其自動分級技術具有重要的應用價值。目前,已有的紅富士蘋果自動分級技術主要針對其某一單項特征進行處理。然而,單項特征并不能準確的反映蘋果的綜合品質。因此,本文采用計算機視覺、模式識別等技術,針對業(yè)界實際使用的主要指標,進行了多指標融合的無接觸式紅富士蘋果自動分級技術研究和實踐。本文設計并實現(xiàn)了基于圖像的多指標融合的蘋果分級軟件系統(tǒng)。該系統(tǒng)處理流程按順序包括圖像采集、圖像預處理、表面多特征提取以及基于SVM的多特征融合的蘋果分級共4個步驟。圖像采集階段對每個蘋果拍攝得到一幅頂視圖像和三幅不同部位的側視圖像,作為系統(tǒng)輸入。在圖像預處理階段,首先使用同態(tài)濾波消除圖像光照不均問題,并對灰度范圍進行調整;然后提出一種改進的開運算算法,實現(xiàn)圖像前景的蘋果部分的精確分割。在表面多特征提取階段,參考實際生產中常用的顏色、紋理和圓度指標,分別采用相應算法提取對應特征,包括:顏色方面通過對分割前景的H通道進行統(tǒng)計分析計算蘋果的紅色程度,紋理方面將共生...
【文章來源】：南京郵電大學江蘇省
【文章頁數(shù)】：62 頁
【學位級別】：碩士
【部分圖文】：
三層人工神經(jīng)網(wǎng)絡圖
士研究生學位論文 第二章 支持向們一直是假定訓練樣本在樣本空間或者特征空間都是線性到這樣一個超平面模型它能完全劃分不同類別的樣本。實練樣本在特征空間中能找到一個超平面實現(xiàn)線性可分的困找到了某個核函數(shù)使訓練集在特征空間中線性可分，也可的結果。因此為了優(yōu)化這個問題，我們要引入“軟間隔”（許支持向量機在一些樣本上可以出錯，軟間隔示意圖如 2WTX+b=1
表示為：C=r[R]+r[G]+r[B]。該彩色空間可以用一個三維的單位正方）。故而任何一種顏色在 RGB 彩色空間中都可以從正方體中找到一圖 3.1 所示的單位立方體，其中三原色分別位于 3 個角上；二次色當三原色的分量均為 0 時最弱，對應立方體即為原點處 P（0,0,0），色的分量均為最大時，其中最大值由存儲空間決定，相加混合為白點最遠的點 P（1,1,1）。方便起見對顏色值進行歸一化操作，即 R、根據(jù)該彩色空間，任何一副彩色圖像都可以被分解到這三個獨立的任意一副彩色圖像由這三個獨立的基本色平面組成。因此使用 RGB Magenta WhiteCyanBlue(0,0,1)B
【參考文獻】：
期刊論文
[1]基于計算機視覺信息處理技術的蘋果自動分級研究[J]. 蘇欣. 農機化研究. 2017(06)
[2]基于計算機視覺的蘋果自動分級技術[J]. 黃葉星,吳榮騰. 福建電腦. 2017(05)
[3]計算機視覺信息處理技術在蘋果自動分級中的應用[J]. 闕玲麗. 農機化研究. 2017(05)
[4]基于計算機視覺對蘋果脆片外觀品質分級[J]. 魏康麗,王振杰,孫柯,殷旭,趙保民,屠康,陳飛,朱金星,潘磊慶. 南京農業(yè)大學學報. 2017(03)
[5]基于改進二進制粒子群算法的蘋果多特征提取分級研究[J]. 張健,張莉華. 浙江農業(yè)學報. 2016(09)
[6]基于RGB顏色模型的紅富士蘋果表皮紅色區(qū)域檢測[J]. 黃兆良,朱啟兵. 激光與光電子學進展. 2016(04)
[7]柑橘產業(yè)自動分揀次品技術的應用現(xiàn)狀[J]. 鄭岳智. 農業(yè)與技術. 2015(24)
[8]基于Android智能手機圖像分析判定香蕉成熟階段[J]. 劉陽泰,董慶利,秦智軒,劉洋,樊欣熠,胡孟晗,劉寶林. 食品與發(fā)酵工業(yè). 2016(01)
[9]基于視覺技術的蘋果分揀系統(tǒng)設計[J]. 王鑫,趙瑩,楊簡. 中國農機化學報. 2014(05)
[10]基于顏色和重量特征的蘋果在線分級系統(tǒng)設計[J]. 談英,顧寶興,姬長英,田光兆,金麗麗,李珈慧. 計算機工程與應用. 2016(02)
碩士論文
[1]基于機器視覺的蘋果果梗/花萼與缺陷識別[D]. 邱光應.西南大學 2017
[2]基于計算機視覺的血橙無損檢測與分級技術研究[D]. 伍光緒.西南大學 2016
[3]圖像分類中圖像表達與分類器關鍵技術研究[D]. 曾輝.大連理工大學 2016
[4]基于機器視覺的球形果蔬自動化分級技術研究[D]. 朱黎輝.四川師范大學 2015
[5]基于計算機視覺的果蔬自動分類技術中的特征分析的研究[D]. 虞玲.東南大學 2015
[6]基于機器視覺的蘋果檢測與識別關鍵技術研究[D]. 付鵬.西北農林科技大學 2012
[7]基于高光譜散射圖像的蘋果粉質化特征提取與分類[D]. 汪泊錦.江南大學 2012
[8]基于數(shù)字圖像處理的水果表面品質檢測方法研究[D]. 馬秀麗.東北大學 2011
[9]基于機器視覺的蘋果特征選擇和分類識別系統(tǒng)[D]. 侯大軍.江蘇大學 2010
[10]圖像特征提取與分割算法在蘋果圖像中的應用[D]. 武鵬.重慶大學 2010
本文編號：3232297
【文章來源】：南京郵電大學江蘇省
【文章頁數(shù)】：62 頁
【學位級別】：碩士
【部分圖文】：
三層人工神經(jīng)網(wǎng)絡圖
士研究生學位論文 第二章 支持向們一直是假定訓練樣本在樣本空間或者特征空間都是線性到這樣一個超平面模型它能完全劃分不同類別的樣本。實練樣本在特征空間中能找到一個超平面實現(xiàn)線性可分的困找到了某個核函數(shù)使訓練集在特征空間中線性可分，也可的結果。因此為了優(yōu)化這個問題，我們要引入“軟間隔”（許支持向量機在一些樣本上可以出錯，軟間隔示意圖如 2WTX+b=1
表示為：C=r[R]+r[G]+r[B]。該彩色空間可以用一個三維的單位正方）。故而任何一種顏色在 RGB 彩色空間中都可以從正方體中找到一圖 3.1 所示的單位立方體，其中三原色分別位于 3 個角上；二次色當三原色的分量均為 0 時最弱，對應立方體即為原點處 P（0,0,0），色的分量均為最大時，其中最大值由存儲空間決定，相加混合為白點最遠的點 P（1,1,1）。方便起見對顏色值進行歸一化操作，即 R、根據(jù)該彩色空間，任何一副彩色圖像都可以被分解到這三個獨立的任意一副彩色圖像由這三個獨立的基本色平面組成。因此使用 RGB Magenta WhiteCyanBlue(0,0,1)B
【參考文獻】：
期刊論文
[1]基于計算機視覺信息處理技術的蘋果自動分級研究[J]. 蘇欣. 農機化研究. 2017(06)
[2]基于計算機視覺的蘋果自動分級技術[J]. 黃葉星,吳榮騰. 福建電腦. 2017(05)
[3]計算機視覺信息處理技術在蘋果自動分級中的應用[J]. 闕玲麗. 農機化研究. 2017(05)
[4]基于計算機視覺對蘋果脆片外觀品質分級[J]. 魏康麗,王振杰,孫柯,殷旭,趙保民,屠康,陳飛,朱金星,潘磊慶. 南京農業(yè)大學學報. 2017(03)
[5]基于改進二進制粒子群算法的蘋果多特征提取分級研究[J]. 張健,張莉華. 浙江農業(yè)學報. 2016(09)
[6]基于RGB顏色模型的紅富士蘋果表皮紅色區(qū)域檢測[J]. 黃兆良,朱啟兵. 激光與光電子學進展. 2016(04)
[7]柑橘產業(yè)自動分揀次品技術的應用現(xiàn)狀[J]. 鄭岳智. 農業(yè)與技術. 2015(24)
[8]基于Android智能手機圖像分析判定香蕉成熟階段[J]. 劉陽泰,董慶利,秦智軒,劉洋,樊欣熠,胡孟晗,劉寶林. 食品與發(fā)酵工業(yè). 2016(01)
[9]基于視覺技術的蘋果分揀系統(tǒng)設計[J]. 王鑫,趙瑩,楊簡. 中國農機化學報. 2014(05)
[10]基于顏色和重量特征的蘋果在線分級系統(tǒng)設計[J]. 談英,顧寶興,姬長英,田光兆,金麗麗,李珈慧. 計算機工程與應用. 2016(02)
碩士論文
[1]基于機器視覺的蘋果果梗/花萼與缺陷識別[D]. 邱光應.西南大學 2017
[2]基于計算機視覺的血橙無損檢測與分級技術研究[D]. 伍光緒.西南大學 2016
[3]圖像分類中圖像表達與分類器關鍵技術研究[D]. 曾輝.大連理工大學 2016
[4]基于機器視覺的球形果蔬自動化分級技術研究[D]. 朱黎輝.四川師范大學 2015
[5]基于計算機視覺的果蔬自動分類技術中的特征分析的研究[D]. 虞玲.東南大學 2015
[6]基于機器視覺的蘋果檢測與識別關鍵技術研究[D]. 付鵬.西北農林科技大學 2012
[7]基于高光譜散射圖像的蘋果粉質化特征提取與分類[D]. 汪泊錦.江南大學 2012
[8]基于數(shù)字圖像處理的水果表面品質檢測方法研究[D]. 馬秀麗.東北大學 2011
[9]基于機器視覺的蘋果特征選擇和分類識別系統(tǒng)[D]. 侯大軍.江蘇大學 2010
[10]圖像特征提取與分割算法在蘋果圖像中的應用[D]. 武鵬.重慶大學 2010
本文編號：3232297
本文鏈接：http://sikaile.net/nykjlw/nygclw/3232297.html
教材專著
