我國是蘋果生產(chǎn)大國,但不是貿(mào)易強(qiáng)國。蘋果出口量僅占總產(chǎn)量的3%,其主要原因是蘋果采后品質(zhì)檢測及分級水平較低�，F(xiàn)階段蘋果大多依靠人工進(jìn)行分級,工作效率較低,并且在自動分級中主要依據(jù)蘋果單一特征進(jìn)行分級,分級精度不高。因此,本文以紅富士蘋果為研究對象,提出了基于圖像處理的多特征和多分類器下的蘋果分級,完成缺陷果的識別和完好果的分級,提高了分級效率和精度。本文首先獲取蘋果圖像,并進(jìn)行RGB和HSI模型介紹,提取這兩種模型下的蘋果分量圖。經(jīng)過對比發(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。通過開操作平滑目標(biāo)邊緣,利用Canny算子檢測目標(biāo)輪廓,同時(shí)完成果梗和缺陷區(qū)域彩色圖像的提取,為特征檢測奠定基礎(chǔ)。其次,對于缺陷區(qū)域和果梗區(qū)域,提取其紋理和幾何特征。對于完好果的特征提取而言,通過計(jì)算蘋果圖像的最小最大半徑比和圓形度來描述蘋果形狀;利用顏色定量分析和紅色著色率來獲得蘋果顏色特征;并根據(jù)GB/T 10651-2008《鮮蘋果》中最大橫截面直徑作為果徑,提出了一種蘋果大小檢測的方法,即先計(jì)算每個(gè)蘋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果... 

【文章來源】：河北科技大學(xué)河北省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

016和2017年我國蘋果出口數(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，并且分級時(shí)會受到勞動者精神狀況，視力，顏色鑒別等的影響，導(dǎo)致分級準(zhǔn)確率不高，速度慢，并且在這過程中，蘋果容易發(fā)生磕碰等現(xiàn)象，造成二次損傷。對此，機(jī)械分級逐漸代替人工分級，機(jī)械式分級主要是對蘋果的單一特征進(jìn)行分級，如顏色，大小，重量等。其中顏色分級主要依據(jù)光電檢測原理，通過比較表皮對于不同波長光線的反應(yīng)得到顏色的等級劃分。而機(jī)械分級應(yīng)用最多的還是對水果進(jìn)行大小分級，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，主要通過分級部件上孔穴大小的不同或者傳輸鏈之間間距的不同，使得蘋果按照大小或本身的重力依次掉入不同分級區(qū)域。與人工分級相比，機(jī)械式分級結(jié)構(gòu)簡單，分級速度快，并且不受主觀因素的影響，但蘋果在機(jī)器運(yùn)行中，容易造成磕碰，擦傷等現(xiàn)象，使得蘋果表面或內(nèi)部果實(shí)受到傷害。而且機(jī)械式分級最大的缺點(diǎn)是只針對蘋果的單一指標(biāo)進(jìn)行分級，難以綜合所有指標(biāo)進(jìn)行質(zhì)量區(qū)分，使得分級準(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，對于傳統(tǒng)蘋果分級的缺點(diǎn)，人們研究出了即能實(shí)現(xiàn)自動化，對蘋果無損傷又能綜合所有特征的蘋果分級方法，其主要原理是通過對攝取到蘋果圖像進(jìn)行圖像處理，在進(jìn)行特征后，利用模式識別算法進(jìn)行分級。這一方法逐步取代了人工分級和機(jī)械分級，通過圖像處理進(jìn)行分級不會使蘋果受到二次傷害，并且工作效率高，現(xiàn)階段我國基于圖像處理的蘋果分級有單一特征分級和多特征融合下的分級，

體現(xiàn)在分級過程中人工需不斷保持一種行為進(jìn)行工作，勞動強(qiáng)度大，身體逐漸疲勞，并且分級時(shí)會受到勞動者精神狀況，視力，顏色鑒別等的影響，導(dǎo)致分級準(zhǔn)確率不高，速度慢，并且在這過程中，蘋果容易發(fā)生磕碰等現(xiàn)象，造成二次損傷。對此，機(jī)械分級逐漸代替人工分級，機(jī)械式分級主要是對蘋果的單一特征進(jìn)行分級，如顏色，大小，重量等。其中顏色分級主要依據(jù)光電檢測原理，通過比較表皮對于不同波長光線的反應(yīng)得到顏色的等級劃分。而機(jī)械分級應(yīng)用最多的還是對水果進(jìn)行大小分級，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，主要通過分級部件上孔穴大小的不同或者傳輸鏈之間間距的不同，使得蘋果按照大小或本身的重力依次掉入不同分級區(qū)域。與人工分級相比，機(jī)械式分級結(jié)構(gòu)簡單，分級速度快，并且不受主觀因素的影響，但蘋果在機(jī)器運(yùn)行中，容易造成磕碰，擦傷等現(xiàn)象，使得蘋果表面或內(nèi)部果實(shí)受到傷害。而且機(jī)械式分級最大的缺點(diǎn)是只針對蘋果的單一指標(biāo)進(jìn)行分級，難以綜合所有指標(biāo)進(jìn)行質(zhì)量區(qū)分，使得分級準(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，對于傳統(tǒng)蘋果分級的缺點(diǎn)，人們研究出了即能實(shí)現(xiàn)自動化，對蘋果無損傷又能綜合所有特征的蘋果分級方法，其主要原理是通過對攝取到蘋果圖像進(jìn)行圖像處理，在進(jìn)行特征后，利用模式識別算法進(jìn)行分級。這一方法逐步取代了人工分級和機(jī)械分級，通過圖像處理進(jìn)行分級不會使蘋果受到二次傷害，并且工作效率高，現(xiàn)階段我國基于圖像處理的蘋果分級有單一特征分級和多特征融合下的分級，

【參考文獻(xiàn)】：
期刊論文
[1]多分類器融合提取土壤養(yǎng)分特征波長[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器的水電機(jī)組故障診斷[J]. 程曉宜,陳啟卷,王衛(wèi)玉,鄭陽,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)無損分級方法研究[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器融合的人體行為識別方法[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]基于決策樹支持向量機(jī)的蘋果表面缺陷識別[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果在線分級方法[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,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果分級方法研究[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,王永濱.  中國傳媒大學(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)融合的蘋果分級技術(shù)研究[D]. 湯天杰.南京郵電大學(xué) 2018
[2]基于機(jī)器視覺的蘋果在線分級系統(tǒng)平臺的研究[D]. 石瑞瑤.沈陽農(nóng)業(yè)大學(xué) 2018
[3]基于機(jī)器視覺的蘋果定向和分級方法研究[D]. 馬垚.江南大學(xué) 2017
[4]蘋果分級檢測算法的研究[D]. 田麗娜.陜西科技大學(xué) 2013
[5]基于多類特征融合的步態(tài)識別算法[D]. 紀(jì)陽陽.山東大學(xué) 2010
[6]基于差異性度量的多分類器融合研究[D]. 王鵬.江蘇大學(xué) 2007



本文編號：3317682