胡蘿卜在生長與收獲運輸過程中,不可避免會出現(xiàn)一些外觀缺陷,缺陷胡蘿卜的剔除是胡蘿卜上市銷售前的重要環(huán)節(jié)。目前缺陷胡蘿卜主要依靠人工分選,具有分選標(biāo)準(zhǔn)不穩(wěn)定、勞動強度大、成本高等缺點。為了快速、準(zhǔn)確、無損地檢測缺陷胡蘿卜,將機器視覺技術(shù)引入到胡蘿卜分選過程中,以提高分選準(zhǔn)確率和效率。胡蘿卜表面缺陷包括青頭、彎曲、斷裂、分叉和開裂等,缺陷特征互不相同,所以不同缺陷需要不同的檢測算法。青頭檢測利用胡蘿卜正常區(qū)域與青頭區(qū)域的顏色差異實現(xiàn),胡蘿卜圖像在HSV顏色空間下,利用統(tǒng)計方法確定青頭區(qū)域H、S和V的判別閾值;彎曲、斷裂和分叉識別是根據(jù)正常胡蘿卜與缺陷胡蘿卜之間的形狀差異實現(xiàn),凸殼算法、Hu不變矩和Harris角點檢測算法分別用來檢測胡蘿卜彎曲、斷裂和分叉缺陷;開裂檢測則是利用胡蘿卜正常與開裂區(qū)域的紋理差異實現(xiàn),Sobel水平邊緣檢測算子、Canny邊緣檢測算子結(jié)合形態(tài)學(xué)操作實現(xiàn)胡蘿卜開裂區(qū)域提取。結(jié)果表明青頭、彎曲、斷裂、分叉和開裂的識別準(zhǔn)確率分別為100%、91.14%、90.57%、94.57%和95.45%,總體識別準(zhǔn)確率達94.91%,滿足胡蘿卜在線分選精度要求。 

【文章來源】：農(nóng)業(yè)機械學(xué)報. 2020,51(S1)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

胡蘿卜形態(tài)圖

圖像預(yù)處理是圖像處理過程中必不可少的一個環(huán)節(jié)，經(jīng)過預(yù)處理后圖像質(zhì)量會得到提高，缺陷特征會更加明顯。圖像預(yù)處理將胡蘿卜區(qū)域圖像提取出來，刪除其他無關(guān)區(qū)域。首先根據(jù)胡蘿卜的灰度直方圖(圖3b)將胡蘿卜從背景中分割，分割閾值為式中t———分割閾值

如果圖像某點像素值大于閾值t，則將其像素值設(shè)為255，否則設(shè)為0。為了使胡蘿卜的形態(tài)表達不受影響，在胡蘿卜邊緣處保留10個像素，最后得到去除無關(guān)區(qū)域的二值圖(圖3c)。然后將二值圖轉(zhuǎn)換為三通道彩色圖，二值圖作為掩膜與原圖進行形態(tài)學(xué)“與”操作得到了去除背景的胡蘿卜彩色圖像(圖3d)。經(jīng)過圖像預(yù)處理后，胡蘿卜圖像既去除背景，同時保證胡蘿卜無變形，保留原始圖像的拓?fù)浣Y(jié)構(gòu)，避免識別結(jié)果受胡蘿卜變形的影響。1.3 缺陷識別算法

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的油茶籽完整性識別方法[J]. 謝為俊,丁冶春,王鳳賀,魏碩,楊德勇.  農(nóng)業(yè)機械學(xué)報. 2020(07)
[2]基于otsu算法和Hu不變矩的交通信號燈識別[J]. 余澤東.  武漢大學(xué)學(xué)報(工學(xué)版). 2020(04)
[3]基于機器視覺的蕎麥剝殼性能參數(shù)在線檢測方法[J]. 呂少中,杜文亮,陳震,陳偉,蘇日嘎拉圖.  農(nóng)業(yè)機械學(xué)報. 2019(10)
[4]單粒玉米種子成熟度快速判別方法[J]. 高彤,吳靜珠,毛文華,劉翠玲,孫曉榮,余樂.  農(nóng)業(yè)機械學(xué)報. 2019(S1)
[5]大豆植株分杈數(shù)自動提取算法研究[J]. 姚遠(yuǎn),孟金慧,李向陽.  現(xiàn)代農(nóng)業(yè)科技. 2019(11)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的柑橘目標(biāo)識別方法[J]. 畢松,高峰,陳俊文,張潞.  農(nóng)業(yè)機械學(xué)報. 2019(05)
[7]蘇葉在線分選系統(tǒng)設(shè)計與試驗[J]. 趙博,王燁,董鑫,李亞碩,姜含露,呂程序.  農(nóng)業(yè)機械學(xué)報. 2019(06)
[8]基于圖像處理的胡蘿卜青頭、須根與開裂的檢測方法[J]. 韓仲志,鄧立苗,徐艷,馮永蓮,耿琪超,熊凱.  農(nóng)業(yè)工程學(xué)報. 2013(09)



本文編號：3439122