發(fā)布時(shí)間：2019-11-07 23:35

【摘要】：隨著我國2015年馬鈴薯主糧化戰(zhàn)略的啟動(dòng),相關(guān)產(chǎn)業(yè)得到快速發(fā)展。馬鈴薯品質(zhì)直接影響到深加工產(chǎn)業(yè)的經(jīng)濟(jì)效益,對(duì)其分級(jí)是進(jìn)行工業(yè)化生產(chǎn)的重要前提。目前機(jī)械分級(jí)的方式易對(duì)馬鈴薯造成二次損傷,且只能檢測單一特征;而人工檢測效率低、成本高。因此進(jìn)行快速無損馬鈴薯品質(zhì)分級(jí)算法研究具有重要意義。本文對(duì)馬鈴薯形狀分類與外部缺陷檢測算法進(jìn)行研究,并在硬件上實(shí)現(xiàn)算法的驗(yàn)證。主要研究內(nèi)容及成果如下:1.設(shè)計(jì)了基于機(jī)器視覺的馬鈴薯圖像采集系統(tǒng)。主要包括確定光室的內(nèi)部布置;對(duì)CCD相機(jī)進(jìn)行標(biāo)定,消除畸變對(duì)采集圖像的影響。2.對(duì)比圖像預(yù)處理環(huán)節(jié)中多個(gè)算法的實(shí)現(xiàn)效果,確定處理效果最優(yōu)的算法。3.研究圖像的不變矩在馬鈴薯形狀檢測中的應(yīng)用,利用粒子群算法優(yōu)化支持向量機(jī)的相關(guān)參數(shù),提高薯形分類準(zhǔn)確率。在區(qū)域的不變矩基礎(chǔ)上利用改進(jìn)的基于邊緣的不變矩進(jìn)行薯形判斷,并引入新的不變矩構(gòu)成合適的特征向量。實(shí)驗(yàn)表明提取的邊界矩具有良好的不變性,計(jì)算時(shí)間相對(duì)區(qū)域的不變矩有所減少。最終利用7個(gè)邊界矩以及2個(gè)引入的邊界矩,并對(duì)部分邊界矩取絕對(duì)值構(gòu)成特征向量,提高了分類準(zhǔn)確率。本文將馬鈴薯分為非畸形與畸形兩類,平均分類準(zhǔn)確率為95%。4.結(jié)合馬鈴薯外部缺陷的顏色特征,提出基于HSI顏色模型的亮度截取法對(duì)干腐、孔洞、出芽、機(jī)械損傷等外部缺陷進(jìn)行檢測;利用RGB顏色模型對(duì)馬鈴薯進(jìn)行青斑檢測。最終綜合兩種算法實(shí)現(xiàn)對(duì)多種缺陷的檢測,并輔以矩形框進(jìn)行標(biāo)記。5.研究基于機(jī)器視覺的馬鈴薯薯形與外部缺陷檢測算法在Zedboard平臺(tái)上的實(shí)現(xiàn)。搭建了PS與PL構(gòu)架的SoC芯片內(nèi)軟硬件環(huán)境,結(jié)合Linux系統(tǒng)、Qt框架以及OpenCV視覺庫實(shí)現(xiàn)馬鈴薯品質(zhì)檢測。實(shí)驗(yàn)表明檢測一張640×480像素的圖片平均用時(shí)4s。
【圖文】：

圖 1-2 Gamal ElMasry 的實(shí)時(shí)機(jī)器視覺系統(tǒng)Figure 1-2Areal-time machine vision system by Gamal ElMasry內(nèi)研究現(xiàn)狀[22]將參考形狀分析法用于果形判別，提出利用半徑、曲率及其參數(shù)等特征，并結(jié)合 BP 神經(jīng)網(wǎng)絡(luò)算法對(duì)果實(shí)形狀進(jìn)行判斷。，準(zhǔn)確率達(dá)到 93%。煜、應(yīng)義斌[23]等人成功開發(fā)水果品質(zhì)智能化實(shí)時(shí)監(jiān)測與分級(jí)。利用計(jì)算機(jī)視覺系統(tǒng)、水果輸送系統(tǒng)、分級(jí)機(jī)構(gòu)以及自動(dòng)控單列化，并將水果均勻翻轉(zhuǎn)、輸送，將其以恰當(dāng)?shù)淖藨B(tài)位置呈，全方面掃描水果表面。將這些信息輸入至計(jì)算機(jī)，實(shí)現(xiàn)如大小等多個(gè)指標(biāo)的檢測。檢測速度達(dá)每小時(shí) 3~6 噸，適用于蘋果、豆等多種水果及農(nóng)產(chǎn)品。

1.水果輸送翻送系統(tǒng) 2.計(jì)算機(jī)視覺識(shí)別系統(tǒng) 3.分級(jí)系統(tǒng) 4.光照箱動(dòng)態(tài)5.圖像采集系統(tǒng) 6.微機(jī) 7.控制模塊 8.分級(jí)執(zhí)行機(jī)構(gòu) 9.位置傳感圖 1-3 水果品質(zhì)智能化實(shí)時(shí)檢測和分級(jí)系統(tǒng)簡圖Figure 1-3 Real-time intelligent inspecting and grading line of fruit quality袁佐云[24]等人拍攝稻米的照片，根據(jù)稻米最小外接矩形的長寬參數(shù)，為長粒、中粒以及短粒。平均相對(duì)誤差為 3.21%郁志宏[25]等人結(jié)合種蛋圖像的各階矩?cái)?shù)據(jù)得到長徑、短徑以及短徑方直徑，，并利用遺傳神經(jīng)網(wǎng)絡(luò)檢測蛋形。檢測準(zhǔn)確率達(dá)到 95%以上。郝敏[26]建立了馬鈴薯外部品質(zhì)檢測系統(tǒng)，實(shí)現(xiàn)了基于機(jī)器視覺的重量外部缺陷三個(gè)指標(biāo)的馬鈴薯品質(zhì)檢測。其利用計(jì)算改進(jìn)的 Zernike 矩合支持向量機(jī)實(shí)現(xiàn)對(duì)畸形和良好馬鈴薯屬性分類，準(zhǔn)確率分別為 10。李錦衛(wèi)[27]等人利用快速灰度截留分割法以及在九色模型里將原先的黑展為黑白灰三色的方法分離馬鈴薯的表面缺陷。對(duì)于出芽圖像識(shí)別%，馬鈴薯表面缺陷檢測準(zhǔn)確率為 95.7%。鄧立苗[28]等人采用近似橢圓法檢測馬鈴薯形狀，采用逐點(diǎn)檢測法檢測
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S532;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫亞偉;胡新燕;馮營;趙明明;李衛(wèi)華;;江蘇省馬鈴薯產(chǎn)業(yè)現(xiàn)狀·問題及研發(fā)對(duì)策[J];安徽農(nóng)業(yè)科學(xué);2016年25期

2 李璐伊;;馬鈴薯主糧化背景下的內(nèi)蒙古馬鈴薯產(chǎn)業(yè)發(fā)展現(xiàn)狀與對(duì)策[J];安徽農(nóng)業(yè)科學(xué);2016年18期

3 王紅軍;熊俊濤;黎鄒鄒;鄧建猛;鄒湘軍;;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(jí)方法[J];農(nóng)業(yè)工程學(xué)報(bào);2016年08期

4 陳印軍;易小燕;方琳娜;楊瑞珍;;中國耕地資源與糧食增產(chǎn)潛力分析[J];中國農(nóng)業(yè)科學(xué);2016年06期

5 鄧立苗;杜宏偉;徐艷;韓仲志;;基于機(jī)器視覺的馬鈴薯智能分選方法與實(shí)現(xiàn)[J];中國農(nóng)機(jī)化學(xué)報(bào);2015年05期

6 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(bào)(工學(xué)版);2014年06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(bào);2013年05期

8 董曉茹;沈敏;劉偉;;龍葵素中毒及檢測的研究進(jìn)展[J];中國司法鑒定;2013年02期

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

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

相關(guān)博士學(xué)位論文 前1條

1 郝敏;基于機(jī)器視覺的馬鈴薯外部品質(zhì)檢測技術(shù)研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2009年

本文編號(hào)：2557536