【摘要】：冬蟲夏草作為我國傳統(tǒng)名貴中草藥的一種,以其極高藥用價(jià)值和醫(yī)療效果受到人們的青睞,但因其生長環(huán)境惡劣導(dǎo)致采摘難度大,致使蟲草在收購時(shí)價(jià)格居高不下。近年來,隨著人們生活水平的提高,蟲草的需求量呈上升趨勢(shì),進(jìn)而導(dǎo)致市場上蟲草的偽品層出不窮,不僅損害收購商與消費(fèi)者的經(jīng)濟(jì)利益,同時(shí)存在用藥安全的潛在危險(xiǎn)。針對(duì)現(xiàn)今市面上蟲草分揀設(shè)備匱乏、人工分揀效率低下、錯(cuò)誤率高等問題,本文圍繞基于深度學(xué)習(xí)的蟲草智能化分揀系統(tǒng)展開研究工作。系統(tǒng)結(jié)合圖像處理技術(shù)和嵌入式技術(shù),通過深度學(xué)習(xí)算法識(shí)別蟲草及其偽品圖像并完成分揀工作,尤其是在蟲草識(shí)別算法上,將SURF算法提取的多點(diǎn)特征圖像作為卷積神經(jīng)網(wǎng)絡(luò)輸入,通過人工蜂群算法替代傳統(tǒng)梯度下降法優(yōu)化權(quán)值更新速度,相比于傳統(tǒng)算法,系統(tǒng)的識(shí)別精度得到較大提高,識(shí)別速度加快。論文的主要工作總結(jié)如下:(1)蟲草分揀系統(tǒng)關(guān)鍵技術(shù)分析及方案構(gòu)建。首先,通過從深度學(xué)習(xí)的發(fā)展、主流模型的比對(duì)和其在不同領(lǐng)域的應(yīng)用三個(gè)方面進(jìn)行研究,對(duì)深度學(xué)習(xí)框架進(jìn)行選型。其次聯(lián)系系統(tǒng)自身功能需求以及系統(tǒng)設(shè)計(jì)原則,構(gòu)建由圖像采集識(shí)別模塊以及分揀控制模塊構(gòu)成的系統(tǒng)整體工作方案,其中圖像采集識(shí)別模塊設(shè)計(jì)包含圖像采集模塊和圖像識(shí)別模塊。(2)系統(tǒng)硬件分析與設(shè)計(jì)。根據(jù)系統(tǒng)的需求分析,構(gòu)建了系統(tǒng)的整體硬件結(jié)構(gòu)框架。首先,通過對(duì)工業(yè)相機(jī)、鏡頭、光源、圖像采集卡和紅外檢測模塊的選型與設(shè)計(jì)完成對(duì)圖像采集模塊的搭建。其次,對(duì)微處理器及最小系統(tǒng)、舵機(jī)以及顯示屏的選型與設(shè)計(jì)搭建分揀控制模塊,用以實(shí)現(xiàn)控制分揀的功能。(3)系統(tǒng)軟件分析與設(shè)計(jì)。通過對(duì)圖像采集模塊中圖像采集卡以及工業(yè)相機(jī)硬件外觸發(fā)功能進(jìn)行參數(shù)配置,以保證物體在進(jìn)入圖像識(shí)別區(qū)域,紅外檢測模塊能夠完成觸發(fā)拍照。進(jìn)而,在上位機(jī)Anaconda平臺(tái)上鏈接OpenCV視覺庫,運(yùn)用Python語言和Keras框架搭建卷積神經(jīng)網(wǎng)絡(luò),對(duì)基本的圖像識(shí)別流程進(jìn)行設(shè)計(jì),為下一步的深度學(xué)習(xí)算法做鋪墊,并設(shè)計(jì)上位機(jī)軟件調(diào)節(jié)功能。最后,通過對(duì)紅外檢測傳感器、舵機(jī)以及顯示屏進(jìn)行軟件設(shè)計(jì),實(shí)現(xiàn)蟲草真?zhèn)纹贩謷?4)圖像預(yù)處理及深度學(xué)習(xí)算法研究。在預(yù)處理階段,通過對(duì)圖像進(jìn)行灰度化,高斯濾波和中值濾波進(jìn)行圖像噪聲處理,直方圖均衡化進(jìn)行圖像增強(qiáng),Canny算法進(jìn)行圖像邊緣檢測這四步,確保圖像輸入質(zhì)量趨近于理想效果。最后,針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率低、識(shí)別速度慢、訓(xùn)練樣本量大等不足,提出一種卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法S-CNN,通過SURF算法提取特征點(diǎn)圖像作為神經(jīng)網(wǎng)絡(luò)的輸入層,并采用人工蜂群算法替代傳統(tǒng)梯度下降法進(jìn)行權(quán)值更新,完成蟲草及偽品的圖像識(shí)別。通過實(shí)驗(yàn)驗(yàn)證,改進(jìn)后的算法識(shí)別準(zhǔn)確度達(dá)到95.58%,識(shí)別速度提高了0.23s/個(gè)。本系統(tǒng)通過搭建工業(yè)相機(jī)、鏡頭、光源以及圖像采集卡,并配置軟件參數(shù),實(shí)現(xiàn)硬件外觸發(fā)功能,使得圖像進(jìn)入采集區(qū)域后通過紅外檢測模塊觸發(fā)拍照,并上傳至上位機(jī)。在上位機(jī)搭建Anaconda軟件平臺(tái)鏈接OpenCV視覺庫,通過Python語言搭建Keras框架,通過卷積神經(jīng)網(wǎng)絡(luò)算法完成蟲草圖像真?zhèn)纹纷R(shí)別,并傳輸至下位機(jī)分揀控制模塊。下位機(jī)選擇STM32微處理器接收上位機(jī)信息,并根據(jù)紅外檢測傳感器判斷傳送位置并控制舵機(jī)分揀,進(jìn)而顯示分揀信息。同時(shí),論文主要提出了一種S-CNN的卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)算法,通過實(shí)驗(yàn)驗(yàn)證發(fā)現(xiàn),該算法能夠識(shí)別蟲草真?zhèn)纹?并且識(shí)別速度快,識(shí)別效率高。
【學(xué)位授予單位】：陜西科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R282.5;TP18;TP391.41
【圖文】：

圖 3-4 X64-CL 圖像采 卡Fig. 3-4 X64-CL image capture card設(shè)計(jì)運(yùn)用光反射原理，擁有一個(gè)紅外發(fā)光二極管和5 所示，一定頻率的紅外線通過紅外發(fā)光管發(fā)射射回來，由光感受器接收。此時(shí)，紅外檢測傳為電信號(hào)，發(fā)送給脈沖電磁閥，脈沖電磁閥接器，以完成后續(xù)的動(dòng)作。紅外發(fā)光二極管光敏接收管距離x

基于深度學(xué)習(xí)的蟲草智能化分揀系統(tǒng)研究TM32F103VET6 類比于其它類型的 STM32 芯片，屬于功能增強(qiáng)型產(chǎn)品，其到 72MHz，其內(nèi)核構(gòu)架基于 ARM Cortex-M3 設(shè)計(jì)，擁有 100 個(gè)引腳，采對(duì)比性能方面，STM32F103VET6 是一個(gè) 32 位的寬處理器，其性能要高的微處理器。分析其產(chǎn)品特點(diǎn)，無論是性能上還是成本上都是符合本系統(tǒng)擇。 最小系統(tǒng)設(shè)計(jì)處理器最小系統(tǒng)與紅外檢測傳感器、舵機(jī)以及顯示屏整合后構(gòu)成功能完整塊。在電路設(shè)計(jì)過程中，微處理器最小系統(tǒng)主要由電源電路、調(diào)試下載接和復(fù)位電路等組成，其電路設(shè)計(jì)圖如圖 3-7 所示。

舵機(jī)臂上的擋板能夠?qū)⑵渫迫敕謷隹凇?shí)物圖與電路圖如圖圖 3-10 舵機(jī) 物圖與電路圖Fig. 3-10 Circuit diagram of steering gear屏模塊設(shè)計(jì)人機(jī)交互模塊主要用于在道口分揀時(shí)，顯示分揀進(jìn)度以及當(dāng)前真?zhèn)纹贩謷鳂I(yè)結(jié)束時(shí)，顯示屏能夠根據(jù)當(dāng)前分揀情況實(shí)時(shí)統(tǒng)計(jì)更新蟲草真員直觀了解當(dāng)前進(jìn)度。本文使用的是由淘晶馳公司生產(chǎn)的HMI串口觸的人機(jī)交互模塊。在具體的實(shí)際應(yīng)用中，企業(yè)可根據(jù)需求選取2.4寸，等不同規(guī)格的尺寸。在此用于模擬選擇型號(hào)為TJC3224T024_011R的物圖如圖3-11所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測法[J];金融經(jīng)濟(jì);2017年18期

2 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究[J];電工技術(shù);2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2753489