食品流通狀況關系到國計民生,是我國經濟的一個關鍵組成部分,但是作為其重要組成部分的蔬菜流通,它的分揀還存在人工多、效率低和自動化程度低的問題。將基于機器視覺的自動分揀方法應用到蔬菜物流分揀中,可以很好地解決上述問題,其中最關鍵的技術就是基于機器視覺的蔬菜分類識別算法。本文的主要工作是在采集圖像構建蔬菜圖像集基礎上,研究蔬菜自動分揀中的識別算法,并從圖像預處理、特征提取和分類識別三個方面展開深入研究。（1）采集圖像樣本。采用微單相機采集蔬菜圖像并構建了兩個圖像集,分別命名為圖像集1和圖像集2。圖像集1是在國內消費最多的蔬菜,分別是黃瓜、馬鈴薯、番茄、白蘿卜以及小白菜;另一類圖像集基于馬鈴薯的品質將其分為發(fā)芽、青皮、破損和完好等四種類型。（2）在對圖像進行尺寸變化、平滑濾波的基礎上,針對所采集的圖像存在深色背景以及劃痕等前景和背景具有明顯對比度的情況,提出采取一種基于HSV的彩色圖像分割方法,主要方法是顏色通道分離、閾值分割和圖像相加等。（3）針對完整局部二值模式提取的紋理特征的光照不變性、噪聲魯棒性差的問題,提出了基于自適應閾值的帶方向的完整局部二值模式（adaptation thres... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數】：87 頁

【學位級別】：碩士

【部分圖文】：

人工分揀另一種方法是機械和人工配合的半自動化分揀

11第2章圖像獲取及分類方法設計2.1圖像數據集的建立本論文是基于機器視覺的蔬菜分類研究，根據1.2節(jié)對于基于機器視覺的蔬菜分揀系統(tǒng)的論述，針對兩種不同的應用場景分別建立了蔬菜圖像集。首先針對生鮮輸送中，不同種類蔬菜的分揀，建立了第一個圖像集，將其命名為圖像集1，建立方式是：根據查閱的資料，市面上常見的蔬菜主要可以分為4類，分別是：葉類蔬菜、莖類蔬菜、根類蔬菜和果類蔬菜，而果類蔬菜根據形狀又可以分為條狀果類和球狀果類。本研究就是在此基礎上建立圖像集，將圖像集中的目標蔬菜分為葉類、莖類、根類、條狀果類和球狀果類�？紤]到蔬菜種類龐大，難以全面采集所有的蔬菜圖像，因此出于經濟性的考慮，選取了這5類蔬菜中銷量最大的蔬菜分別作為它們的代表：葉類蔬菜的代表是小白菜，莖類蔬菜的代表是馬鈴薯，根類蔬菜的代表是白蘿卜，條狀果類蔬菜的代表是黃瓜，球狀果類的代表是西紅柿。根據以上內容，最終建立了蔬菜種類為5，每類圖像90張（65張為訓練樣本，25張為測試樣本）的圖像集1，圖2-1是圖像集1中的圖像經過圖像預處理后的樣本。圖2-1圖像集1

砹迨硭淙輝諼夜?魍ǔ潭?比較廣泛，產業(yè)規(guī)模比較大，但是由于其價格不高，其品質問題并不受人關注。不過，因為變質會產生一種能夠使人中毒和致癌的毒素龍葵素，所以關于如何采用機器視覺的方式區(qū)分出變質馬鈴薯的研究也具有十分重大的意義�；谏鲜稣撌�，建立了一個馬鈴薯圖像集，將其命名為圖像集2，建立方式是：將圖像集2分為4類：破損、青皮、發(fā)芽和完好（破損是指馬鈴薯表面存在機械損傷，青皮是指馬鈴薯表皮發(fā)青，發(fā)芽是指馬鈴薯表面已經出現(xiàn)了芽狀突起）每類采集60張，隨機選擇其中45張作為訓練集，15張作為測試集，圖2-2是圖像集2中的圖像經過預處理后所得的樣本。圖2-2圖像集22.2圖像預處理圖像預處理是特征提取前的一個重要流程，其操作目的是消除圖像中與目標特征無關的信息，突出圖像中真實有用的信息，同時簡化數據。圖像預處理可以囊括一切輸入和輸出都是圖像的信息處理方法，在實際應用中需要結合圖像特點和研究目的來選取合適的預處理方法，到達簡化數據突出有用信息的目的�；谏鲜稣撌觯撐拇_定了以下預處理步驟：（1）針對采集的圖像樣本的原始尺寸（2560×1920）過大而造成內存溢出的問題，對圖像進行了尺度調整，減少了冗余數據。（2）針對采集的圖像樣本受到周圍環(huán)境、光照還有機器固有條件的影響，產生噪聲信號，破壞了圖像信息的完整性和真實性的情況，通過平滑濾波在保留圖像細節(jié)的前提下來去除了圖像噪聲[31]。（3）針對原始圖像具有藍色背景和白色劃痕污染特征信息的問題，對圖像進行了彩色圖像分割，將目標從背景中分離。（4）針對紋理特征提取算法的操作對象是灰度圖像的問題，對圖像進行了


本文編號：3376323