發(fā)布時間：2020-04-18 23:11

【摘要】：蠶繭種類極大程度決定了繅絲的絲質(zhì),最終影響生絲在市場上的經(jīng)濟(jì)效益。目前蠶繭分揀基本依靠選繭工識別完成手工分揀,但人工分揀費時費力,且識別質(zhì)量嚴(yán)重依賴于選繭工的主觀意識。為穩(wěn)定客觀地對蠶繭進(jìn)行識別分類且降低勞動強度,因此研究基于機器視覺的蠶繭圖像識別勢在必行,而現(xiàn)有的蠶繭圖像處理研究還停留在單蠶繭識別,難以達(dá)到分繭機器人在視覺部分的需求。為克服這些問題,本文研究了基于機器視覺的蠶繭圖像識別,針對現(xiàn)有的蠶繭輪廓提取算法難以準(zhǔn)確提取斑點繭輪廓的問題,提出采用基于最小二乘法的DRLSE(Distance rule level set evolution)模型進(jìn)行蠶繭輪廓提取,緊接著根據(jù)提取到的蠶繭輪廓信息對蠶繭進(jìn)行定位,實現(xiàn)多蠶繭識別。構(gòu)建深度學(xué)習(xí)模型完成對蠶繭的識別,以自動選取能反應(yīng)蠶繭種類本質(zhì)的特征。論文主要完成如下工作:(1)蠶繭輪廓作為蠶繭識別的重要特征之一,提取精度將極大影響后續(xù)識別的正確率。為便于后續(xù)輪廓提取,提出基于雙邊濾波的反銳化掩膜的圖像增強算法,其在提高蠶繭邊緣對比度的同時,使蠶繭邊緣相對而言更加平滑。(2)由于本文為多蠶繭識別,且相機為低分辨率黑白相機,采用Canny算子難以準(zhǔn)確提取斑點位于邊緣的斑點繭輪廓,因此將醫(yī)學(xué)圖像分割中常用到的DRLSE模型引入到蠶繭圖像分割領(lǐng)域,并針對DRLSE模型在演化蠶繭輪廓時出現(xiàn)的過擬合與欠擬合問題,提出基于最小二乘法的DRLSE模型。采用DRLSE模型改進(jìn)后提取的特征訓(xùn)練出的GA-SVM在測試集上的識別正確率為93.8479%,相比于采用DRLSE模型提取的特征訓(xùn)練出的GA-SVM在測試集上的識別正確率提高了2.3334%,驗證了算法的有效性。(3)針對人工選取特征較為繁瑣且可能會忽略能反應(yīng)對象本質(zhì)的特征。本文使用GoogLeNet與SE-GoogLeNet兩種深度學(xué)習(xí)模型,并對其識別率進(jìn)行對比,SE-GoogLeNet在測試集上的識別正確率為98.27%,在測試集上的識別正確率分別比GA-SVM與GoogLeNet提高了4.4221%、0.65%。
【圖文】：

手工分揀蠶繭Figure1-1Manualsortingofcocoons

圖 2-1 蠶繭種類圖Figure 2-1 Image of the cocoon species機器視覺系統(tǒng)搭建于蠶繭顏色相對而言較單一，而灰度圖數(shù)據(jù)量較小，采用黑白相機處理和特征提取的運算量，從成本角度而言黑白相機相對于彩色相故而采用黑白相機。根據(jù)蠶繭識別面積和需要提取的蠶繭特征，最OGNEX 公司型號為 IN-SIGHT8400 的黑白相機，其分辨率為 640別場景仿照工廠流水線構(gòu)建，其中傳送帶寬度為 200mm。根據(jù)已分辨率和識別場景的寬度，通過式 2-1 計算出鏡頭的焦距，選擇合WwLf×= ，HhLf×= 2-1 中，f 表示鏡頭的焦距，，h 表示成像高度，L 表示鏡頭到蠶繭的成像寬度，H 表示檢測場景的高度，W 表示檢測場景的寬度。
【學(xué)位授予單位】：廣西科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TS141.9;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;機器視覺對線纜市場的影響及趨勢[J];功能材料信息;2018年04期

2 鄭植;席先鵬;王楠;蔣欣燎;夏山淋;;機器視覺在網(wǎng)球撿球機器人中的應(yīng)用研究[J];科技創(chuàng)新與應(yīng)用;2019年16期

3 宋春華;彭泫知;;機器視覺研究與發(fā)展綜述[J];裝備制造技術(shù);2019年06期

4 朱陽芬;銀冬平;鄒舜章;王海文;周為;;機器視覺在汽車行業(yè)中的發(fā)展與應(yīng)用[J];汽車實用技術(shù);2017年22期

5 吳東明;王麗娟;;基于GPS和機器視覺的自主導(dǎo)航定位農(nóng)機設(shè)備研究[J];農(nóng)機化研究;2018年02期

6 ;機器視覺時代,最好的時代![J];智能機器人;2018年02期

7 宗衛(wèi)紅;;臺達(dá)機器視覺系統(tǒng)助力制造業(yè)邁向智造新時代——訪臺達(dá)集團(tuán)-中達(dá)電通機器視覺產(chǎn)品項目經(jīng)理王風(fēng)路[J];國內(nèi)外機電一體化技術(shù);2016年06期

8 何遙;;宇視揭秘安防機器視覺[J];中國公共安全;2016年19期

9 阮晉蒙;;機器視覺:讓中國制造2025“看”得更遠(yuǎn)[J];新經(jīng)濟(jì)導(dǎo)刊;2017年Z1期

10 ;凌華科技推出三款高性能機器視覺產(chǎn)品[J];自動化應(yīng)用;2017年02期

相關(guān)會議論文 前10條

1 何愛龍;陳美娟;;基于智能運動體和機器視覺的火災(zāi)檢測與偵查系統(tǒng)[A];物聯(lián)網(wǎng)與無線通信-2018年全國物聯(lián)網(wǎng)技術(shù)與應(yīng)用大會論文集[C];2018年

2 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進(jìn)制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

3 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應(yīng)用研究[A];中國糧油學(xué)會第三屆學(xué)術(shù)年會論文選集（下冊）[C];2004年

4 張超;徐建瑜;王文靜;;基于機器視覺的梭子蟹質(zhì)量估計方法研究[A];浙江省信號處理學(xué)會2013學(xué)術(shù)年會論文集——信號處理在海洋[C];2013年

5 劉炎艷;;基于機器視覺的卷煙32位碼識別系統(tǒng)研究[A];中國煙草學(xué)會2014年學(xué)術(shù)年會入選論文摘要匯編[C];2014年

6 王海寬;張銳;周志境;費敏銳;;基于機器視覺的智能醫(yī)療吊塔系統(tǒng)的設(shè)計與實現(xiàn)[A];2015全國嵌入式儀表及系統(tǒng)技術(shù)會議程序冊[C];2015年

7 王穩(wěn);郭文成;葉宇翔;;基于機器視覺的激光光斑位置測量[A];2015年工業(yè)設(shè)計與協(xié)同創(chuàng)新學(xué)術(shù)會議暨第20屆全國工業(yè)設(shè)計學(xué)術(shù)年會論文集[C];2015年

8 吳遠(yuǎn)峰;金翠娥;劉穎卓;;基于機器視覺的智能檢測方法研究[A];第十一屆全國磁粉滲透檢測技術(shù)年會論文集[C];2017年

9 胡慶新;王偉;顧愛華;;基于機器視覺的農(nóng)產(chǎn)品物料分級檢測系統(tǒng)關(guān)鍵技術(shù)研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

10 楊戰(zhàn)紅;何占方;李旦;徐銳;;基于機器視覺的五坐標(biāo)機床旋轉(zhuǎn)軸誤差檢測方法[A];探索科學(xué)2016年5月學(xué)術(shù)研討[C];2016年

相關(guān)重要報紙文章 前10條

1 本報記者 李佳師;人工智能市場逼近2700億元 三大難題待突破[N];中國電子報;2016年

2 本報記者 曹衛(wèi)新;掘金機器視覺百億元市場 天準(zhǔn)科技65天過會[N];證券日報;2019年

3 宜賓 李定川;機器視覺光源基礎(chǔ)及選型指導(dǎo)(一)[N];電子報;2018年

4 本報記者 駱軼琪;機器視覺的產(chǎn)業(yè)化演進(jìn)：半導(dǎo)體打開想象空間[N];21世紀(jì)經(jīng)濟(jì)報道;2018年

5 中國電子信息產(chǎn)業(yè)發(fā)展研究院信息化研究中心智慧城市研究室主任 劉鵬宇;智能技術(shù)：呈現(xiàn)八大趨勢[N];中國電子報;2017年

6 賽迪智庫信息化中心助理研究員 劉鵬宇;2017年智能技術(shù)發(fā)展趨勢[N];中國計算機報;2017年

7 經(jīng)濟(jì)日報·中國經(jīng)濟(jì)網(wǎng)記者 周明陽;給機器一雙“慧眼”[N];經(jīng)濟(jì)日報;2017年

8 本報記者 胡心媛;機器視覺展推動智能制造落地[N];中國貿(mào)易報;2017年

9 本報記者 蔡煒;書寫“東方工匠”傳奇的黑牡丹集團(tuán)技術(shù)總監(jiān)鄧建軍：“創(chuàng)新，只有起點沒有終點”[N];新華日報;2017年

10 本報研究員 費天元;機器視覺成爭奪焦點 應(yīng)用場景將加速拓展[N];上海證券報;2016年

相關(guān)博士學(xué)位論文 前10條

1 侯杰;飛行器機器視覺框架設(shè)計及算法研究[D];西安電子科技大學(xué);2017年

2 郭依正;基于機器視覺的俯視群養(yǎng)豬個體識別與飲水行為分析研究[D];江蘇大學(xué);2018年

3 李晨;基于機器視覺的不同屬性表面中微弱缺陷的檢測技術(shù)研究[D];浙江大學(xué);2018年

4 胡志新;基于機器視覺的鋼軌踏面磨耗剝落檢測技術(shù)研究[D];南昌大學(xué);2018年

5 吳衡;機器視覺鬼成像理論與實驗研究[D];華南理工大學(xué);2017年

6 項森偉;高溫單晶硅液位和直徑視覺檢測關(guān)鍵技術(shù)及應(yīng)用研究[D];浙江大學(xué);2018年

7 胡越黎;目的機器視覺研究及其在皮膚癥狀識別中的應(yīng)用[D];上海大學(xué);2005年

8 韓彥芳;機器視覺中的聚類檢測新方法[D];上海交通大學(xué);2006年

9 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

10 周平;基于機器視覺的自然目標(biāo)特征學(xué)習(xí)與即時檢測[D];浙江大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 楊圣利;基于機器視覺儲氣罐密封性檢測方法研究[D];中北大學(xué);2019年

2 郭智杰;基于機器視覺的輪轂型號在線識別技術(shù)與系統(tǒng)[D];中北大學(xué);2019年

3 張帥;基于機器視覺的簡支梁撓度檢測方法研究[D];中北大學(xué);2019年

4 賈楠;基于傳統(tǒng)機器視覺方法的骨骼X光片診斷方法研究[D];內(nèi)蒙古大學(xué);2019年

5 張松松;數(shù)字化表貼產(chǎn)品質(zhì)量在線檢測研究[D];貴州大學(xué);2019年

6 陳治杉;基于機器視覺的晶圓缺陷檢測系統(tǒng)分析與設(shè)計[D];貴州大學(xué);2019年

7 趙楊;基于機器視覺的西瓜花體識別研究[D];山東建筑大學(xué);2019年

8 劉丹丹;基于機器視覺的二維圖像增強與三維實體重建方法的研究[D];山東大學(xué);2019年

9 岳昊;基于機器視覺的醫(yī)藥瓶蓋質(zhì)檢系統(tǒng)設(shè)計與研究[D];煙臺大學(xué);2019年

10 胡安翔;基于機器視覺的缺陷藥片檢測關(guān)鍵技術(shù)研究[D];山東大學(xué);2019年

本文編號：2632647