本文關(guān)鍵詞：基于機器視覺的紅棗外觀品質(zhì)分級方法研究

  更多相關(guān)文章： 紅棗 分級 機器視覺 褶皺 缺陷

【摘要】：棗是營養(yǎng)與醫(yī)療保健集于一體的優(yōu)質(zhì)滋補品。近年來紅棗產(chǎn)業(yè)發(fā)展迅猛,但棗采后商品化過程中的分級手段絕大數(shù)還處在初級的機械式分級階段。為進(jìn)一步提高紅棗產(chǎn)品質(zhì)量和附加值,應(yīng)進(jìn)一步對其黑頭、霉變、裂紋等表面缺陷,以及非正常果形、顏色紅棗進(jìn)行分級鑒定,目前主要依靠人工分級,生產(chǎn)效率不高且增大了分級成本。因此,迫切需要尋找高效、快速的紅棗缺陷檢測手段。本文以新疆駿棗為研究對象,利用機器視覺技術(shù)對紅棗的大小、表面褶皺、表面病害、裂紋等主要外部品質(zhì)進(jìn)行分級方法的研究。本研究主要研究內(nèi)容和結(jié)論如下:(1)紅棗外觀品質(zhì)的分級標(biāo)準(zhǔn)研究。通過查閱資料和調(diào)研,了解紅棗的種植和采后加工現(xiàn)狀,針對現(xiàn)有分級標(biāo)準(zhǔn)的不足,結(jié)合基于機器視覺在紅棗分級的優(yōu)勢,進(jìn)一步確定了紅棗采后加工過程中的分級標(biāo)準(zhǔn)。(2)基于機器視覺的紅棗大小及褶皺分級方法的研究。測得正常棗樣本真實橫徑值,然后對分割后圖像利用四線掃描法測到棗短軸的像素值;用最小二乘法直線擬合短軸的真實值與檢測的像素值的函數(shù)關(guān)系,建立紅棗大小分級模型,分級正確率為95.65%。以灰度共生矩陣描述紅棗表面褶皺紋理,確定了描述紅棗表面紋理的灰度共生矩陣的三個構(gòu)造因子,即生成方向取0°、45°、90°、135°下灰度矩陣特征參數(shù)的均值、生成步長取12個像素值、圖像灰度級取64級,然后以此灰度矩陣的對比度、相關(guān)性、能量、一致性、熵和灰度圖標(biāo)準(zhǔn)差共6個參數(shù)作為紅棗紋理特征,基于BP神經(jīng)網(wǎng)絡(luò)和SVM建立了紅棗褶皺的分級模型,分級正確率分別為94.29%和95.23%。(3)基于機器視覺的紅棗表面病害及裂紋識別方法研究。在H分量圖中,依據(jù)半干棗在病害和非病害區(qū)域色調(diào)值差異提取病害區(qū)域,以提取的病害區(qū)域與棗表面積的比作為閾值確定較高的病害面積識別精度,可正確識別的感興趣病害面積為16.87mm2;為進(jìn)一步提高在該病害面積識別精度的正確率,結(jié)合紅棗區(qū)域顏色特征值H的均值和均方差,用SVM方法建立棗病害的識別模型,訓(xùn)練集和測試集的識別正確率分別為95.77%和95.79%。在I分量圖中,對紅棗區(qū)域進(jìn)行Otsu’s閾值分割、圖像局部屬性統(tǒng)計和形態(tài)學(xué)處理,提取裂紋二值圖像,依據(jù)裂紋圖像不變距方法建立裂紋識別模型,訓(xùn)練集和測試集的識別正確率分別為94.90%和94.55%。(4)紅棗外觀品質(zhì)自動分級軟件系統(tǒng)設(shè)計。設(shè)計了具有友好界面的基于機器視覺的紅棗外觀品質(zhì)自動分級系統(tǒng),實現(xiàn)了紅棗的圖像讀取,對紅棗的大小、病害、褶皺、裂紋進(jìn)行分級,顯示最后的分級結(jié)果,并可以對分級結(jié)果進(jìn)行統(tǒng)計。
【關(guān)鍵詞】：紅棗 分級 機器視覺 褶皺 缺陷
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;S665.1
【目錄】：

• 摘要6-7
• ABSTRACT7-12
• 第一章 緒論12-19
• 1.1 研究背景及意義12
• 1.2 紅棗種植現(xiàn)狀及采后加工12-14
• 1.2.1 種植現(xiàn)狀12-13
• 1.2.2 采后加工13-14
• 1.3 研究現(xiàn)狀14-17
• 1.3.1 大小形狀檢測研究現(xiàn)狀14-15
• 1.3.2 紋理檢測研究現(xiàn)狀15-16
• 1.3.3 表面缺陷檢測研究現(xiàn)狀16-17
• 1.4 研究目標(biāo)、內(nèi)容及技術(shù)路線17-19
• 1.4.1 研究目標(biāo)17
• 1.4.2 主要研究內(nèi)容17-18
• 1.4.3 技術(shù)路線18-19
• 第二章 紅棗外觀品質(zhì)的分級標(biāo)準(zhǔn)研究19-24
• 2.1 紅棗現(xiàn)有分級標(biāo)準(zhǔn)的不足19-21
• 2.1.1 分級標(biāo)準(zhǔn)可操作性差19-20
• 2.1.2 以紅棗干制后的分級標(biāo)準(zhǔn)的局限性20-21
• 2.2 基于紅棗采后加工過程中的分級標(biāo)準(zhǔn)21-22
• 2.3 本章小結(jié)22-24
• 第三章 基于機器視覺的紅棗大小及褶皺分級方法研究24-45
• 3.1 材料及方法24-29
• 3.1.1 試驗樣本24
• 3.1.2 紅棗機器視覺采集系統(tǒng)搭建24-26
• 3.1.2.1 圖像采集硬件24-26
• 3.1.2.2 圖像處理軟件26
• 3.1.3 圖像去噪及閾值分割26-28
• 3.1.3.1 圖像去噪26-27
• 3.1.3.2 閾值分割27-28
• 3.1.4 方法步驟28-29
• 3.1.4.1 大小分級方法步驟28
• 3.1.4.2 褶皺分級方法步驟28-29
• 3.2 紅棗大小的圖像處理及分級研究29-32
• 3.2.1 紅棗輪廓圖像獲取29
• 3.2.2 紅棗大小分級數(shù)學(xué)模型建立29-31
• 3.2.2.1 四線掃描法提取紅棗橫徑像素值29-30
• 3.2.2.2 四線掃描法與最小外接矩形法處理速度比較30
• 3.2.2.3 棗橫徑的真實值與檢測的像素值的函數(shù)關(guān)系擬合30-31
• 3.2.3 結(jié)果分析31-32
• 3.3 紅棗外觀褶皺的圖像處理及分級研究32-44
• 3.3.1 紅棗表面褶皺紋理特征參數(shù)獲取32-39
• 3.3.1.1 灰度共生矩陣及其特征參數(shù)32-33
• 3.3.1.2 構(gòu)造因子對紅棗表面褶皺紋理特征參數(shù)的影響33-38
• 3.3.1.3 紅棗表面褶皺紋理特征參數(shù)獲取38-39
• 3.3.2 紅棗褶皺分級數(shù)學(xué)模型建立39-43
• 3.3.2.1 BP神經(jīng)網(wǎng)絡(luò)模型39-41
• 3.3.2.2 SVM模型41-43
• 3.3.3 結(jié)果分析43-44
• 3.4 本章小結(jié)44-45
• 第四章 基于機器視覺的紅棗表面病害及裂紋識別方法研究45-57
• 4.1 材料及方法45-47
• 4.1.1 試驗樣本45
• 4.1.2 方法步驟45-47
• 4.1.2.1 紅棗表面病害識別方法步驟45-46
• 4.1.2.2 紅棗表面裂紋識別方法步驟46-47
• 4.2 紅棗表面病害的圖像處理及識別分析47-52
• 4.2.1 紅棗病害區(qū)域圖像提取47-49
• 4.2.1.1 圖像預(yù)處理47
• 4.2.1.2 非病害紅棗色度范圍確定及病害區(qū)域提取47-49
• 4.2.2 病害識別數(shù)學(xué)模型建立49-51
• 4.2.2.1 病害面積閾值確定49-51
• 4.2.2.2 基于SVM的病害識別模型建立51
• 4.2.3 結(jié)果分析51-52
• 4.3 紅棗表面裂紋的圖像處理及識別分析52-56
• 4.3.1 紅棗裂紋區(qū)域圖像提取52-53
• 4.3.2 裂紋識別數(shù)學(xué)模型建立53-55
• 4.3.2.1 裂紋區(qū)域的不變矩組53-55
• 4.3.2.2 基于SVM的裂紋識別模型建立55
• 4.3.3 結(jié)果分析55-56
• 4.4 本章小結(jié)56-57
• 第五章 紅棗外觀品質(zhì)自動分級軟件系統(tǒng)設(shè)計及試驗測試57-66
• 5.1 系統(tǒng)總體設(shè)計方案57-60
• 5.1.1 系統(tǒng)運行環(huán)境57
• 5.1.2 設(shè)計的總體方案57-58
• 5.1.3 系統(tǒng)設(shè)計關(guān)鍵點58-60
• 5.1.3.1 句柄的獲取58-59
• 5.1.3.2 回調(diào)函數(shù)59-60
• 5.2 系統(tǒng)功能模塊設(shè)計60-64
• 5.2.1 主界面60
• 5.2.2 文件載入模塊60-62
• 5.2.3 參數(shù)配置模塊62
• 5.2.4 加工運行模塊62-63
• 5.2.5 分級結(jié)果統(tǒng)計模塊63-64
• 5.3 在線試驗測試64-65
• 5.3.1 在線檢測試驗裝置64-65
• 5.3.2 在線測試結(jié)果及分析65
• 5.4 本章小結(jié)65-66
• 第六章 結(jié)論與展望66-68
• 6.1 結(jié)論66
• 6.2 創(chuàng)新點66-67
• 6.3 展望67-68
• 參考文獻(xiàn)68-73
• 附錄73-80
• 致謝80-81
• 作者簡介81

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫海霞;張淑娟;薛建新;周靖博;;基于機器視覺和光譜技術(shù)水果分級的研究進(jìn)展[J];農(nóng)機化研究;2014年01期

2 陳麗君;趙鳳芹;;基于機器視覺的變量機械系統(tǒng)的關(guān)鍵技術(shù)[J];農(nóng)機化研究;2005年06期

3 郭海針;馬俊龍;徐海剛;;基于機器視覺的農(nóng)業(yè)機械無人駕駛系統(tǒng)[J];農(nóng)機化研究;2009年06期

4 毛璐;趙春江;王開義;張水發(fā);;機器視覺在農(nóng)產(chǎn)品物流分級檢測中的應(yīng)用[J];農(nóng)機化研究;2011年07期

5 馮世杰;王艷平;;基于機器視覺的溫室作物行間雜草的識別[J];信陽農(nóng)業(yè)高等�？茖W(xué)校學(xué)報;2012年02期

6 李謙;蔡曉華;;機器視覺在除草機器人中的應(yīng)用[J];農(nóng)機化研究;2014年07期

7 黎萍,朱軍燕,劉燕德,嚴(yán)霖元;機器視覺在農(nóng)產(chǎn)品檢測與分級中的應(yīng)用與展望[J];江西農(nóng)業(yè)大學(xué)學(xué)報;2005年05期

8 王靜娜;賀園園;陳雄飛;馮春貴;祝詩平;;機器視覺在農(nóng)產(chǎn)品品質(zhì)檢測和采收包裝中的應(yīng)用[J];農(nóng)機化研究;2011年07期

9 王潤濤;張長利;房俊龍;王樹文;楊方;田磊;;基于機器視覺的大豆籽粒精選技術(shù)[J];農(nóng)業(yè)工程學(xué)報;2011年08期

10 黃星奕;錢媚;徐富斌;;基于機器視覺和近紅外光譜技術(shù)的杏干品質(zhì)無損檢測[J];農(nóng)業(yè)工程學(xué)報;2012年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 趙磊;董吉文;李金屏;;拓?fù)淅碚撛跈C器視覺中的研究進(jìn)展[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術(shù)[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學(xué)會、河北省計算機學(xué)會、河北省自動化學(xué)會、河北省人工智能學(xué)會、河北省計算機輔助設(shè)計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學(xué)術(shù)年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術(shù)研究[A];第十一屆全國包裝工程學(xué)術(shù)會議論文集（二）[C];2007年

7 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

8 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

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應(yīng)用綜述[A];2007年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學(xué)技術(shù)轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學(xué);2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導(dǎo)航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學(xué);2014年

3 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學(xué);2013年

4 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

5 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學(xué);2013年

6 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學(xué);2009年

7 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學(xué);2006年

8 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學(xué);2004年

9 程洪;面向園藝應(yīng)用的機器視覺目標(biāo)辨識方法創(chuàng)新[D];中國農(nóng)業(yè)大學(xué);2015年

10 許海霞;機器視覺標(biāo)定與目標(biāo)檢測跟蹤方法及其應(yīng)用研究[D];湖南大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術(shù)研究[D];華南理工大學(xué);2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學(xué);2015年

3 許哲;基于機器視覺的快速測溫?zé)犭娕己附蛹夹g(shù)研究[D];河北聯(lián)合大學(xué);2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學(xué);2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關(guān)系研究[D];華南理工大學(xué);2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學(xué);2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學(xué);2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學(xué);2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學(xué);2015年

10 馮康;基于機器視覺的棉花識別與定位技術(shù)的研究[D];石河子大學(xué);2015年

，

本文編號：729784