發(fā)布時間：2020-04-12 15:46

【摘要】：近年來,隨著機器視覺技術(shù)的快速發(fā)展,它被廣泛應(yīng)用于農(nóng)產(chǎn)品的檢測中。我國是馬鈴薯的生產(chǎn)大國,但是馬鈴薯品質(zhì)檢測主要還是依靠于人工分級,效率低下、成本高,所以如何快速、實時和無損的檢測馬鈴薯具有重要的意義和科學(xué)價值。本文結(jié)合機器視覺技術(shù),對馬鈴薯質(zhì)量檢測、薯形分類、外部缺陷類型算法進(jìn)行研究,并設(shè)計了一套基于嵌入式開發(fā)平臺的馬鈴薯檢測系統(tǒng)。主要研究內(nèi)容如下:1.設(shè)計并搭建了馬鈴薯圖像采集系統(tǒng),通過選擇攝像機、鏡頭、光源,確定了光室的布置,并采用張氏標(biāo)定法對相機進(jìn)行標(biāo)定,盡量消除畸變對于馬鈴薯圖像的影響。2.對圖像灰度化、圖像平滑、圖像分割、圖像邊緣檢測算法進(jìn)行對比,選擇最適合馬鈴薯圖像的預(yù)處理算法。3.在馬鈴薯質(zhì)量檢測中,通過對比面積法、周長法、多因素模型法,最終確定采用三面積法來擬合馬鈴薯質(zhì)量模型,實驗表明該模型具有很高的相關(guān)性,平均檢測準(zhǔn)確率為97.33%。4.在薯形分類檢測中,在傳統(tǒng)Hu不變矩7個特征值的基礎(chǔ)上,引入了新的3個不變矩,用于提取馬鈴薯的特征參數(shù)。為了提高馬鈴薯檢測效率,在形狀不變矩的基礎(chǔ)上提出了基于改進(jìn)的邊緣不變矩。利用混沌粒子群算法對支持向量機的核函數(shù)參數(shù)進(jìn)行優(yōu)化,以馬鈴薯分類準(zhǔn)確率為標(biāo)準(zhǔn),最終確定了7個傳統(tǒng)邊界矩和引入的1個邊界矩作為馬鈴薯分類的特征參數(shù),薯形分類準(zhǔn)確率達(dá)到了96%。5.在馬鈴薯外部缺陷檢測中,通過觀察其表面缺陷特征,利用R、G、B三個分量的取值對馬鈴薯表面綠皮進(jìn)行檢測。利用HSV彩色空間的亮度截取法,限定閾值大小,對馬鈴薯表面機械損傷、出芽、干腐等缺陷進(jìn)行檢測,最終實現(xiàn)馬鈴薯表面缺陷分類。6.結(jié)合嵌入式Zybo Z7開發(fā)平臺,設(shè)計了馬鈴薯檢測系統(tǒng)。利用FPGA的加速器設(shè)計,將馬鈴薯檢測算法封裝成IP核,在ARM處理器中移植了Linux操作系統(tǒng),通過Qt交互式界面設(shè)計,調(diào)用機器視覺庫,實現(xiàn)了對馬鈴薯品質(zhì)的在線檢測。
【圖文】：

工程碩士專業(yè)學(xué)位論文Angel Dacal[20]等人設(shè)計了一套高光譜的成像系統(tǒng)，對采集到的馬鈴薯外部損傷檢測。該系統(tǒng)通過選擇合適的特征波段，結(jié)合支持向量機和隨進(jìn)行建模。經(jīng)過大量實驗表明，分類的準(zhǔn)確率達(dá)到了 97%。伊朗的 Navid Razmjooy[21]等人將馬鈴薯按照工業(yè)標(biāo)準(zhǔn)進(jìn)行分級，然后色缺陷檢測系統(tǒng)，如圖 1-2 所示，該系統(tǒng)顏色分級精度達(dá)到了 96%，尺度達(dá)到了 96.95%。

圖 1-3 雙平面鏡實時機器視覺系統(tǒng)Figure 1-3 Two mirror real-time machine vision system]等人分別從正面、背面、側(cè)面三個方向，通過反射高鈴薯的原始圖像。通過該方法建立的馬鈴薯損傷模型缺陷檢測]等人在檢測鴨梨表面缺陷時，提出了用多臺相機從攝，然后對拍攝到的圖像進(jìn)行切割，并且提取其相關(guān)壞梨的準(zhǔn)確率達(dá)到了 89%。]在檢測蘋果的時候，設(shè)計了一套基于 3 個攝像系統(tǒng) 所示。首先通過 3 個攝像頭獲取蘋果在 3 個不同位像進(jìn)行相關(guān)預(yù)處理，再對采集到的圖像進(jìn)行缺陷檢測圖像包含兩個及以上的可疑區(qū)域時，，該蘋果被判定為達(dá)到了 89.14%，相較于之前的檢測方法，使用該系都有了很大的提高，每秒鐘可以檢測 5-10 個蘋果。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;S532

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付光杰;周昕奇;王磊;牟海維;;基于矩特征傅里葉描述的示功圖故障診斷研究[J];化工自動化及儀表;2015年04期

2 高翔;邢玉娟;;模式識別及其在圖像處理中的應(yīng)用[J];自動化與儀器儀表;2015年03期

3 郭瑞;王璇;林思建;翟雅X;;一種改進(jìn)混沌粒子群優(yōu)化的節(jié)點定位算法[J];計量學(xué)報;2015年02期

4 盧英;王慧琴;佟威;李俊杰;;基于Harris-張正友平面標(biāo)定法的攝像機標(biāo)定算法[J];西安建筑科技大學(xué)學(xué)報(自然科學(xué)版);2014年06期

5 張保華;黃文倩;李江波;趙春江;劉成良;黃丹楓;;基于I-RELIEF和SVM的畸形馬鈴薯在線分選[J];吉林大學(xué)學(xué)報(工學(xué)版);2014年06期

6 高海龍;李小昱;徐森淼;陶海龍;李曉金;孫金風(fēng);;透射和反射高光譜成像的馬鈴薯損傷檢測比較研究[J];光譜學(xué)與光譜分析;2013年12期

7 周平;徐旭艷;楊兵;呂冬;馬德貴;;基于圖像信息的馬鈴薯薯形檢測方法研究[J];安徽農(nóng)業(yè)大學(xué)學(xué)報;2013年05期

8 朱寶偉;;機器視覺中的光源照明設(shè)計[J];電子科技;2013年03期

9 路后兵;;Xilinx FPGA的嵌入式系統(tǒng)開發(fā)過程[J];單片機與嵌入式系統(tǒng)應(yīng)用;2012年11期

10 田東平;;混沌粒子群優(yōu)化算法研究[J];計算機工程與應(yīng)用;2013年17期

本文編號：2624896