我國(guó)是蘋(píng)果生產(chǎn)大國(guó),但不是貿(mào)易強(qiáng)國(guó)。蘋(píng)果出口量?jī)H占總產(chǎn)量的3%,其主要原因是蘋(píng)果采后品質(zhì)檢測(cè)及分級(jí)水平較低�，F(xiàn)階段蘋(píng)果大多依靠人工進(jìn)行分級(jí),工作效率較低,并且在自動(dòng)分級(jí)中主要依據(jù)蘋(píng)果單一特征進(jìn)行分級(jí),分級(jí)精度不高。因此,本文以紅富士蘋(píng)果為研究對(duì)象,提出了基于圖像處理的多特征和多分類(lèi)器下的蘋(píng)果分級(jí),完成缺陷果的識(shí)別和完好果的分級(jí),提高了分級(jí)效率和精度。本文首先獲取蘋(píng)果圖像,并進(jìn)行RGB和HSI模型介紹,提取這兩種模型下的蘋(píng)果分量圖。經(jīng)過(guò)對(duì)比發(fā)現(xiàn),在R分量圖下利用Otsu法進(jìn)行圖像分割時(shí)效果最好。通過(guò)開(kāi)操作平滑目標(biāo)邊緣,利用Canny算子檢測(cè)目標(biāo)輪廓,同時(shí)完成果梗和缺陷區(qū)域彩色圖像的提取,為特征檢測(cè)奠定基礎(chǔ)。其次,對(duì)于缺陷區(qū)域和果梗區(qū)域,提取其紋理和幾何特征。對(duì)于完好果的特征提取而言,通過(guò)計(jì)算蘋(píng)果圖像的最小最大半徑比和圓形度來(lái)描述蘋(píng)果形狀;利用顏色定量分析和紅色著色率來(lái)獲得蘋(píng)果顏色特征;并根據(jù)GB/T 10651-2008《鮮蘋(píng)果》中最大橫截面直徑作為果徑,提出了一種蘋(píng)果大小檢測(cè)的方法,即先計(jì)算每個(gè)蘋(píng)果表面的最小最大半徑比,將比值最大的那一面作為果徑面,然后將果徑面的最小外接圓直徑作為蘋(píng)果... 

【文章來(lái)源】：河北科技大學(xué)河北省

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

016和2017年我國(guó)蘋(píng)果出口數(shù)據(jù)

鄭?饕?逑衷詵旨豆?討腥斯ば璨歡媳３忠恢中形??泄ぷ鰨?投?慷卻螅??體逐漸疲勞，并且分級(jí)時(shí)會(huì)受到勞動(dòng)者精神狀況，視力，顏色鑒別等的影響，導(dǎo)致分級(jí)準(zhǔn)確率不高，速度慢，并且在這過(guò)程中，蘋(píng)果容易發(fā)生磕碰等現(xiàn)象，造成二次損傷。對(duì)此，機(jī)械分級(jí)逐漸代替人工分級(jí)，機(jī)械式分級(jí)主要是對(duì)蘋(píng)果的單一特征進(jìn)行分級(jí)，如顏色，大小，重量等。其中顏色分級(jí)主要依據(jù)光電檢測(cè)原理，通過(guò)比較表皮對(duì)于不同波長(zhǎng)光線的反應(yīng)得到顏色的等級(jí)劃分。而機(jī)械分級(jí)應(yīng)用最多的還是對(duì)水果進(jìn)行大小分級(jí)，主要結(jié)構(gòu)有滾桿式和滾筒式兩種[1]，結(jié)構(gòu)如圖1-2和圖1-3所示。雖然這兩結(jié)構(gòu)不同，但原理都大致一樣，主要通過(guò)分級(jí)部件上孔穴大小的不同或者傳輸鏈之間間距的不同，使得蘋(píng)果按照大小或本身的重力依次掉入不同分級(jí)區(qū)域。與人工分級(jí)相比，機(jī)械式分級(jí)結(jié)構(gòu)簡(jiǎn)單，分級(jí)速度快，并且不受主觀因素的影響，但蘋(píng)果在機(jī)器運(yùn)行中，容易造成磕碰，擦傷等現(xiàn)象，使得蘋(píng)果表面或內(nèi)部果實(shí)受到傷害。而且機(jī)械式分級(jí)最大的缺點(diǎn)是只針對(duì)蘋(píng)果的單一指標(biāo)進(jìn)行分級(jí)，難以綜合所有指標(biāo)進(jìn)行質(zhì)量區(qū)分，使得分級(jí)準(zhǔn)確率不高。圖1-2滾桿式水果分選機(jī)圖1-3滾筒式水果分選機(jī)近些年來(lái)，對(duì)于傳統(tǒng)蘋(píng)果分級(jí)的缺點(diǎn)，人們研究出了即能實(shí)現(xiàn)自動(dòng)化，對(duì)蘋(píng)果無(wú)損傷又能綜合所有特征的蘋(píng)果分級(jí)方法，其主要原理是通過(guò)對(duì)攝取到蘋(píng)果圖像進(jìn)行圖像處理，在進(jìn)行特征后，利用模式識(shí)別算法進(jìn)行分級(jí)。這一方法逐步取代了人工分級(jí)和機(jī)械分級(jí)，通過(guò)圖像處理進(jìn)行分級(jí)不會(huì)使蘋(píng)果受到二次傷害，并且工作效率高，現(xiàn)階段我國(guó)基于圖像處理的蘋(píng)果分級(jí)有單一特征分級(jí)和多特征融合下的分級(jí)，

體現(xiàn)在分級(jí)過(guò)程中人工需不斷保持一種行為進(jìn)行工作，勞動(dòng)強(qiáng)度大，身體逐漸疲勞，并且分級(jí)時(shí)會(huì)受到勞動(dòng)者精神狀況，視力，顏色鑒別等的影響，導(dǎo)致分級(jí)準(zhǔn)確率不高，速度慢，并且在這過(guò)程中，蘋(píng)果容易發(fā)生磕碰等現(xiàn)象，造成二次損傷。對(duì)此，機(jī)械分級(jí)逐漸代替人工分級(jí)，機(jī)械式分級(jí)主要是對(duì)蘋(píng)果的單一特征進(jìn)行分級(jí)，如顏色，大小，重量等。其中顏色分級(jí)主要依據(jù)光電檢測(cè)原理，通過(guò)比較表皮對(duì)于不同波長(zhǎng)光線的反應(yīng)得到顏色的等級(jí)劃分。而機(jī)械分級(jí)應(yīng)用最多的還是對(duì)水果進(jìn)行大小分級(jí)，主要結(jié)構(gòu)有滾桿式和滾筒式兩種[1]，結(jié)構(gòu)如圖1-2和圖1-3所示。雖然這兩結(jié)構(gòu)不同，但原理都大致一樣，主要通過(guò)分級(jí)部件上孔穴大小的不同或者傳輸鏈之間間距的不同，使得蘋(píng)果按照大小或本身的重力依次掉入不同分級(jí)區(qū)域。與人工分級(jí)相比，機(jī)械式分級(jí)結(jié)構(gòu)簡(jiǎn)單，分級(jí)速度快，并且不受主觀因素的影響，但蘋(píng)果在機(jī)器運(yùn)行中，容易造成磕碰，擦傷等現(xiàn)象，使得蘋(píng)果表面或內(nèi)部果實(shí)受到傷害。而且機(jī)械式分級(jí)最大的缺點(diǎn)是只針對(duì)蘋(píng)果的單一指標(biāo)進(jìn)行分級(jí)，難以綜合所有指標(biāo)進(jìn)行質(zhì)量區(qū)分，使得分級(jí)準(zhǔn)確率不高。圖1-2滾桿式水果分選機(jī)圖1-3滾筒式水果分選機(jī)近些年來(lái)，對(duì)于傳統(tǒng)蘋(píng)果分級(jí)的缺點(diǎn)，人們研究出了即能實(shí)現(xiàn)自動(dòng)化，對(duì)蘋(píng)果無(wú)損傷又能綜合所有特征的蘋(píng)果分級(jí)方法，其主要原理是通過(guò)對(duì)攝取到蘋(píng)果圖像進(jìn)行圖像處理，在進(jìn)行特征后，利用模式識(shí)別算法進(jìn)行分級(jí)。這一方法逐步取代了人工分級(jí)和機(jī)械分級(jí)，通過(guò)圖像處理進(jìn)行分級(jí)不會(huì)使蘋(píng)果受到二次傷害，并且工作效率高，現(xiàn)階段我國(guó)基于圖像處理的蘋(píng)果分級(jí)有單一特征分級(jí)和多特征融合下的分級(jí)，

【參考文獻(xiàn)】：
期刊論文
[1]多分類(lèi)器融合提取土壤養(yǎng)分特征波長(zhǎng)[J]. 李雪瑩,范萍萍,劉巖,王茜,呂美蓉.  光譜學(xué)與光譜分析. 2019(09)
[2]基于多分類(lèi)器融合的近紅外光譜技術(shù)鑒別蜂蜜品種[J]. 張林,韓美林,楊琳,王洋.  化學(xué)分析計(jì)量. 2019(03)
[3]基于多維特征和多分類(lèi)器的水電機(jī)組故障診斷[J]. 程曉宜,陳啟卷,王衛(wèi)玉,鄭陽(yáng),郭定宇,婁強(qiáng).  水力發(fā)電學(xué)報(bào). 2019(04)
[4]基于圖像處理的大蒜蒜種品質(zhì)無(wú)損分級(jí)方法研究[J]. 杜云,曹世佳,賈科進(jìn),王熙煚.  河北工業(yè)科技. 2018(05)
[5]一種基于多特征多分類(lèi)器融合的人體行為識(shí)別方法[J]. 陳慶峰,馮仕民,丁恩杰.  河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[6]基于決策樹(shù)支持向量機(jī)的蘋(píng)果表面缺陷識(shí)別[J]. 邱光應(yīng),彭桂蘭,陶丹,王崢榮.  食品與機(jī)械. 2017(09)
[7]基于圖像特征融合的蘋(píng)果在線分級(jí)方法[J]. 黃辰,費(fèi)繼友.  農(nóng)業(yè)工程學(xué)報(bào). 2017(01)
[8]近紅外光譜和多分類(lèi)器融合的葡萄酒品種判別研究[J]. 李凱,李雪瑩,欒麗麗,胡文雁,王宇恒,李景明,李軍會(huì),勞彩蓮,趙龍蓮.  光譜學(xué)與光譜分析. 2016(11)
[9]基于隱馬爾科夫模型的蘋(píng)果分級(jí)方法研究[J]. 謝鋒云,周建民,江煒文,張慧慧,唐宏兵.  食品與機(jī)械. 2016(07)
[10]機(jī)器學(xué)習(xí)及其算法和發(fā)展研究[J]. 張潤(rùn),王永濱.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)

博士論文
[1]基于特征優(yōu)化和多特征融合的雜草識(shí)別方法研究[D]. 李先鋒.江蘇大學(xué) 2010

碩士論文
[1]基于圖像的多指標(biāo)融合的蘋(píng)果分級(jí)技術(shù)研究[D]. 湯天杰.南京郵電大學(xué) 2018
[2]基于機(jī)器視覺(jué)的蘋(píng)果在線分級(jí)系統(tǒng)平臺(tái)的研究[D]. 石瑞瑤.沈陽(yáng)農(nóng)業(yè)大學(xué) 2018
[3]基于機(jī)器視覺(jué)的蘋(píng)果定向和分級(jí)方法研究[D]. 馬垚.江南大學(xué) 2017
[4]蘋(píng)果分級(jí)檢測(cè)算法的研究[D]. 田麗娜.陜西科技大學(xué) 2013
[5]基于多類(lèi)特征融合的步態(tài)識(shí)別算法[D]. 紀(jì)陽(yáng)陽(yáng).山東大學(xué) 2010
[6]基于差異性度量的多分類(lèi)器融合研究[D]. 王鵬.江蘇大學(xué) 2007



本文編號(hào)：3317682