核桃外觀品質(zhì)分級(jí)作為連接核桃采收和深加工的中間環(huán)節(jié),對(duì)提高生產(chǎn)效率和增加產(chǎn)品附加值具有重要意義。本文以新疆地區(qū)的核桃為研究對(duì)象,以其外部品質(zhì)為基礎(chǔ),研究了基于機(jī)器視覺(jué)的核桃大小分級(jí)和裂紋剔除的在線分級(jí)系統(tǒng)。主要研究?jī)?nèi)容及結(jié)論有:1)綜述了國(guó)內(nèi)外基于機(jī)器視覺(jué)進(jìn)行農(nóng)產(chǎn)品加工的發(fā)展現(xiàn)狀研究。通過(guò)閱讀文獻(xiàn)和調(diào)研,了解機(jī)器視覺(jué)發(fā)展現(xiàn)狀,及其應(yīng)用于農(nóng)產(chǎn)品分級(jí)處理的實(shí)例分析,針對(duì)存在的一些不足,結(jié)合機(jī)器視覺(jué)在核桃分級(jí)中的優(yōu)勢(shì),確立了研究技術(shù)路線。2)針對(duì)核桃外部品質(zhì)特點(diǎn)及分級(jí)需要,確立了圖像預(yù)處理方法。包括圖像數(shù)據(jù)量縮減、圖像降噪及顏色通道選取等,并初步實(shí)現(xiàn)了核桃在圖像中的邊緣提取,為實(shí)現(xiàn)目標(biāo)分割和圖像理解創(chuàng)造條件。3)基于機(jī)器視覺(jué)下核桃大小和裂紋分級(jí)方法研究。在取顯著性水平α=0.01的前提下,動(dòng)態(tài)標(biāo)定法與人工精確測(cè)量無(wú)顯著性差異。以低像素級(jí)直方圖特征法和灰度共生矩陣法來(lái)描述核桃裂紋特征,提取熵、一致性、對(duì)比度、同質(zhì)性作為特征向量,以此來(lái)訓(xùn)練支持向量機(jī)(SVM)分類(lèi)器,分類(lèi)器模型(XML)靜態(tài)識(shí)別裂紋正確率分別達(dá)到98.3%和88.0%。4)基于機(jī)器視覺(jué)的核桃大小分級(jí)和裂紋剔除的硬件系統(tǒng)搭建。(1... 

【文章來(lái)源】：新疆農(nóng)業(yè)大學(xué)新疆維吾爾自治區(qū)

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

對(duì)輥式核桃分級(jí)機(jī)結(jié)構(gòu)示意圖

新疆農(nóng)業(yè)大學(xué)碩士學(xué)位論文韓仲志和鄧立苗等人[24]（2013）研究了計(jì)算機(jī)視覺(jué)胡蘿卜外觀品質(zhì)自動(dòng)分級(jí)系統(tǒng)，提出胡蘿卜外觀等級(jí)的須根、青頭、開(kāi)裂提取算法。須根通過(guò)檢測(cè)骨架端點(diǎn)數(shù)來(lái)實(shí)現(xiàn)，在 R 分量上通過(guò)二值化得到青頭區(qū)域，在 S 分量上進(jìn)行開(kāi)裂檢測(cè)，以此建立量化標(biāo)準(zhǔn)，檢測(cè)正確率均在 81.8%以上。肖愛(ài)玲和黃新成[25]（2014）提出了一種基于彩色分量和圖像形態(tài)學(xué)的駿棗病蟲(chóng)害檢測(cè)方法，采用自適應(yīng)閾值法和圖像形態(tài)學(xué)方法，分割出病蟲(chóng)害區(qū)域，識(shí)別率達(dá)到 98%。杜宏偉、鄧立苗[26]（2015）等人開(kāi)發(fā)了基于機(jī)器視覺(jué)的胡蘿卜外觀品質(zhì)分級(jí)系統(tǒng)和裝備。在前期青頭、須根和開(kāi)裂檢測(cè)的基礎(chǔ)上，添加了彎曲和斷折等缺陷的檢測(cè)，開(kāi)發(fā)的生產(chǎn)線由下位機(jī)控制系統(tǒng)、上位機(jī)軟件系統(tǒng)和機(jī)械分級(jí)系統(tǒng)構(gòu)成，可實(shí)現(xiàn)每秒 20 個(gè)胡蘿卜的等級(jí)檢測(cè)，分級(jí)正確率達(dá)到 93.5%。

小在線分級(jí)及缺陷剔除系統(tǒng)設(shè)計(jì)研究第 2 章 機(jī)器視覺(jué)下核桃圖像預(yù)處處于運(yùn)動(dòng)狀態(tài)，在傳感器觸發(fā)下相機(jī)拍照獲運(yùn)動(dòng)速度均會(huì)影響原始圖片質(zhì)量，為了將其數(shù)據(jù)量縮減、降噪和增強(qiáng)處理，這是目標(biāo)分態(tài)下果品圖像分析類(lèi)似，因此研究核桃靜態(tài)法。圖 2-1 為前期圖像采集實(shí)驗(yàn)平臺(tái)示意圖工業(yè)相機(jī)圖像采集


本文編號(hào)：2925042