隨著工業(yè)自動化的高速發(fā)展,機(jī)器人分揀技術(shù)已應(yīng)用于各類生產(chǎn)加工領(lǐng)域。目前在水果分揀領(lǐng)域,應(yīng)用于實際生產(chǎn)的流水線一般只針對單一指標(biāo)、單一種類水果進(jìn)行分揀,分揀效果不理想,且機(jī)器閑置率高。機(jī)器人分揀能方便地實現(xiàn)多指標(biāo)、多類型的水果分揀,并便于實現(xiàn)產(chǎn)品追溯。論文對其所涉及的識別和定位兩項關(guān)鍵技術(shù)進(jìn)行了研究。首先,根據(jù)分揀系統(tǒng)的功能需求對蘋果分揀系統(tǒng)的總體方案進(jìn)行了設(shè)計。系統(tǒng)主要由視覺檢測模塊、傳送帶模塊、機(jī)器人模塊和通訊模塊組成。并完成了分揀系統(tǒng)的硬件選型,主要包括光源、攝像機(jī)以及機(jī)器人系統(tǒng)等,設(shè)計并搭建了圖像采集箱,并針對蘋果分揀系統(tǒng)提出了可行的系統(tǒng)軟件設(shè)計方案。其次,為實現(xiàn)蘋果的識別與分類,本文以紅富士和紅元帥蘋果作為研究對象,首先提出采用線性核和RBF核組合,自動搜索核權(quán)重的多核最小二乘支持向量機(jī)算法,分別建立了兩種蘋果的分類模型及紅富士蘋果的分級模型。然后對深層卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了研究,提出一種基于LeNet-5改進(jìn)神經(jīng)網(wǎng)絡(luò)模型的深度學(xué)習(xí)算法,該算法針對彩色圖像增加了Flatten層,將三通道數(shù)據(jù)扁平化為單通道,然后在全連接層中加入了Dropout策略以增加模型的泛化能力,并以Lea... 

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 果蔬分揀的研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 視覺分揀關(guān)鍵技術(shù)的研究現(xiàn)狀
        1.3.1 目標(biāo)識別與分類技術(shù)
        1.3.2 目標(biāo)定位技術(shù)
    1.4 研究內(nèi)容
    1.5 研究方案及技術(shù)路線
        1.5.1 研究方案
        1.5.2 技術(shù)路線
第二章 蘋果分揀系統(tǒng)構(gòu)建
    2.1 分揀系統(tǒng)總體設(shè)計
        2.1.1 系統(tǒng)設(shè)計要求
        2.1.2 系統(tǒng)組成
        2.1.3 圖像采集方案
    2.2 分揀系統(tǒng)硬件選型
        2.2.1 視覺檢測模塊
        2.2.2 機(jī)器人模塊
        2.2.3 傳送裝置及控制柜
    2.3 分揀系統(tǒng)軟件設(shè)計方案
        2.3.1 開發(fā)平臺
        2.3.2 模塊及功能劃分
    2.4 蘋果分揀關(guān)鍵技術(shù)
    2.5 本章小結(jié)
第三章 蘋果分揀中的識別與分類技術(shù)研究
    3.1 引言
    3.2 算法原理及編程
        3.2.1 最小二乘支持向量機(jī)
        3.2.2 基于方向梯度直方圖特征的SVM
        3.2.3 深層卷積神經(jīng)網(wǎng)絡(luò)
        3.2.4 改進(jìn)的LeNet-5卷積網(wǎng)絡(luò)模型
        3.2.5 軟件編程
    3.3 蘋果分類方法研究
        3.3.1 實驗樣本
        3.3.2 基于SVM的蘋果分類
        3.3.3 基于CNN的蘋果分類
        3.3.4 結(jié)果與分析
    3.4 蘋果分級方法研究
        3.4.1 實驗樣本
        3.4.2 基于SVM的蘋果分級
        3.4.3 基于CNN的蘋果分級
        3.4.4 總結(jié)與分析
    3.5 本章小結(jié)
第四章 蘋果分揀中的攝像機(jī)標(biāo)定
    4.1 攝像機(jī)成像模型
        4.1.1 四種坐標(biāo)系
        4.1.2 線性攝像機(jī)模型
        4.1.3 非線性攝像機(jī)模型
    4.2 標(biāo)定方法
        4.2.1 Tsai兩步標(biāo)定法
        4.2.2 張正友標(biāo)定法
        4.2.3 攝像機(jī)成像模型的改進(jìn)
    4.3 攝像機(jī)標(biāo)定實驗及結(jié)果分析
        4.3.1 標(biāo)定實驗系統(tǒng)搭建
        4.3.2 標(biāo)定步驟
        4.3.3 結(jié)果及分析
    4.4 本章小結(jié)
第五章 蘋果分揀中的目標(biāo)定位
    5.1 邊緣輪廓提取
        5.1.1 圖像預(yù)處理
        5.1.2 蘋果圖像邊緣檢測
    5.2 蘋果圖像輪廓中心點(diǎn)提取
        5.2.1 Hough變換圓檢測
        5.2.2 基于Hough圓檢測識別蘋果
        5.2.3 定量結(jié)果分析
    5.3 機(jī)器人坐標(biāo)系下位置變換
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
作者簡介
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于決策樹支持向量機(jī)的蘋果表面缺陷識別[J]. 邱光應(yīng),彭桂蘭,陶丹,王崢榮.  食品與機(jī)械. 2017(09)
[2]基于深度卷積網(wǎng)絡(luò)算法的人臉識別方法研究[J]. 龍海強(qiáng),譚臺哲.  計算機(jī)仿真. 2017(01)
[3]基于機(jī)器視覺的食品包裝缺陷檢測研究[J]. 李萌,孫鐵波.  食品研究與開發(fā). 2016(24)
[4]增強(qiáng)層次CNN模型在目標(biāo)識別應(yīng)用中的研究[J]. 史天予,胡玉蘭,孫家民,袁德鵬.  光電技術(shù)應(yīng)用. 2016(04)
[5]基于CNN模型的高分辨率遙感圖像目標(biāo)識別[J]. 曲景影,孫顯,高鑫.  國外電子測量技術(shù). 2016(08)
[6]基于機(jī)器視覺的采后荔枝表皮微損傷實時檢測[J]. 孫寶霞,湯林越,何志良,鄒湘軍,熊俊濤.  農(nóng)業(yè)機(jī)械學(xué)報. 2016(07)
[7]基于機(jī)器視覺的大輸液燈檢機(jī)的設(shè)計[J]. 周鵬,張立華,李坤.  電子技術(shù). 2016(05)
[8]面向機(jī)器人航天員的球形目標(biāo)識別與定位方法研究[J]. 范曉鵬,郝穎明,朱楓,付雙飛.  載人航天. 2016(03)
[9]基于LabVIEW的食品包裝噴碼視覺檢測方法[J]. 楊慧斌,閆娟.  食品與機(jī)械. 2016(04)
[10]基于機(jī)器視覺圖像特征參數(shù)的馬鈴薯質(zhì)量和形狀分級方法[J]. 王紅軍,熊俊濤,黎鄒鄒,鄧建猛,鄒湘軍.  農(nóng)業(yè)工程學(xué)報. 2016(08)



本文編號：3680483