發(fā)布時(shí)間：2020-05-11 19:53

【摘要】：鴨梨作為我省的特產(chǎn)水果,同時(shí)也是我國(guó)主要出口水果之一。鴨梨的品質(zhì)檢測(cè)是其銷(xiāo)售前重要的一個(gè)環(huán)節(jié)。在我國(guó),鴨梨品質(zhì)檢測(cè)工作主要是依靠人工完成的。這樣往往因?yàn)闄z測(cè)效率低下、結(jié)果不準(zhǔn)確等問(wèn)題而不能保證鴨梨的出售品質(zhì)。因此本文設(shè)計(jì)開(kāi)發(fā)了一套基于圖像特征和BP神經(jīng)網(wǎng)絡(luò)的鴨梨品質(zhì)檢測(cè)系統(tǒng),此系統(tǒng)主要是通過(guò)鴨梨的大小、形狀、顏色、表面缺陷4個(gè)圖像特征對(duì)鴨梨進(jìn)行等級(jí)劃分。本文主要工作如下:(1)鴨梨圖像的預(yù)處理。本文對(duì)圖像進(jìn)行灰度化處理、中值濾波去噪、頻域法圖像增強(qiáng)、Ostu分割法目標(biāo)分割、Canny邊緣檢測(cè)提取輪廓等操作。(2)圖像特征參數(shù)提取。對(duì)于已處理好的圖像,首先通過(guò)提取鴨梨的橫徑來(lái)計(jì)算出鴨梨的體積大小;其次利用傅里葉描述子來(lái)數(shù)值化描述鴨梨的形狀;然后通過(guò)計(jì)算鴨梨圖像HSI顏色模型中各色通道的均值來(lái)估算鴨梨的成熟程度;最后采用區(qū)域生長(zhǎng)法和Canny邊緣檢測(cè)法對(duì)鴨梨表面缺陷進(jìn)行輪廓提取,并根據(jù)缺陷區(qū)域的顏色和像素點(diǎn)的數(shù)量來(lái)判斷缺陷的種類(lèi)和面積大小。(3)研究BP神經(jīng)網(wǎng)絡(luò)在鴨梨品質(zhì)檢測(cè)系統(tǒng)中的應(yīng)用。通過(guò)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法參數(shù),設(shè)計(jì)了一個(gè)3-8-3結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型。該模型隱含層的轉(zhuǎn)移函數(shù)選用Sigmoid函數(shù),隱含層與輸出層之間選用線性函數(shù)。選取鴨梨的體積,鴨梨的形狀,鴨梨的表皮顏色3個(gè)特征值作為輸入,缺陷作為等外品的判定標(biāo)準(zhǔn)故不作為網(wǎng)絡(luò)輸入,將鴨梨的三個(gè)等級(jí)作為輸出。本文采用Microsoft Visual Studio平臺(tái)結(jié)合MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行實(shí)驗(yàn)。經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練后,將該檢測(cè)方法所得到的檢測(cè)結(jié)果與人為檢測(cè)結(jié)果進(jìn)行對(duì)比,匹配率達(dá)到90%。實(shí)驗(yàn)結(jié)果表明,使用圖像特征和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行鴨梨品質(zhì)檢測(cè)的方法行之有效,系統(tǒng)具有較高的實(shí)用性。
【圖文】：

圖 2-1 RGB 彩色圖像 圖 2-2 H 分量灰度圖像2.3 圖像去噪在獲取圖像的過(guò)程中，圖像的畫(huà)質(zhì)也會(huì)受到噪聲的干擾，而這種噪聲并日常所說(shuō)的噪聲，它是在圖像生成或圖像相互傳播的過(guò)程中受到的各種因素噪聲的出現(xiàn)可能會(huì)使圖像中的信息出現(xiàn)錯(cuò)誤，無(wú)法保證圖像信息的準(zhǔn)確性，會(huì)對(duì)后來(lái)的圖像處理工作和特征提取工作產(chǎn)生不利的影響。影響圖像畫(huà)質(zhì)的類(lèi)有很多，比如：光、電、聲等自然物質(zhì)作用對(duì)圖像所產(chǎn)生的噪聲，采集圖器使用不當(dāng)所產(chǎn)生的噪聲，信道噪音或其他噪聲等。因此，為了避免圖片失須抑制噪聲對(duì)圖像的干擾，對(duì)圖像進(jìn)行圖像去噪工作。圖片的噪音特征如下：圖像中的噪聲位置和面積大小沒(méi)有一定的規(guī)律，都是隨機(jī)產(chǎn)生的。這樣圖像的去噪工作造成一定的困難。圖像的生成過(guò)程也會(huì)導(dǎo)致噪聲的出現(xiàn)。例如：利用照相機(jī)拍照時(shí)，圖像亮度暗的部分噪聲相對(duì)較大，反之亮度亮的部分噪聲相對(duì)較小。又比如對(duì)于

圖 2-1 RGB 彩色圖像 圖 2-2 H 分量灰度圖像2.3 圖像去噪在獲取圖像的過(guò)程中，圖像的畫(huà)質(zhì)也會(huì)受到噪聲的干擾，，而這種噪聲并日常所說(shuō)的噪聲，它是在圖像生成或圖像相互傳播的過(guò)程中受到的各種因素噪聲的出現(xiàn)可能會(huì)使圖像中的信息出現(xiàn)錯(cuò)誤，無(wú)法保證圖像信息的準(zhǔn)確性，會(huì)對(duì)后來(lái)的圖像處理工作和特征提取工作產(chǎn)生不利的影響。影響圖像畫(huà)質(zhì)的類(lèi)有很多，比如：光、電、聲等自然物質(zhì)作用對(duì)圖像所產(chǎn)生的噪聲，采集圖器使用不當(dāng)所產(chǎn)生的噪聲，信道噪音或其他噪聲等。因此，為了避免圖片失須抑制噪聲對(duì)圖像的干擾，對(duì)圖像進(jìn)行圖像去噪工作。圖片的噪音特征如下：圖像中的噪聲位置和面積大小沒(méi)有一定的規(guī)律，都是隨機(jī)產(chǎn)生的。這樣圖像的去噪工作造成一定的困難。圖像的生成過(guò)程也會(huì)導(dǎo)致噪聲的出現(xiàn)。例如：利用照相機(jī)拍照時(shí)，圖像亮度暗的部分噪聲相對(duì)較大，反之亮度亮的部分噪聲相對(duì)較小。又比如對(duì)于
【學(xué)位授予單位】：河北科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：S661.2;TP391.41;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

3 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

4 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車(chē)的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

5 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

6 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué));2016年03期

7 朱n

本文編號(hào)：2658972