【摘要】：我國柑橘產(chǎn)后處理技術正處于不斷發(fā)展階段,目前對柑橘顏色的分選方法主要停留在人工操作的水平,存在主觀性強、效率低等特點。因此,如何提高柑橘顏色分級的準確率,提高生產(chǎn)效率,是當前需解決的問題。本文運用機器視覺檢測技術和自動控制技術,研究了柑橘表面顏色分級與缺陷識別的方法,設計了基于機器視覺柑橘顏色分級控制系統(tǒng),實現(xiàn)了顏色檢測與柑橘缺陷檢測。本文主要研究工作與結論如下:1)研究了柑橘缺陷與顏色檢測圖像識別的算法,包括圖像預處理、缺陷和顏色特征提取算法。在柑橘圖像預處理方面,比較研究了幾種圖像預處理算法,包括平滑與去噪、圖像分割等,實驗結果表明,平滑與去噪采用中值濾波算法進行處理效果最為理想,圖像分割算法采用OTSU算法處理效果最為理想;在顏色檢測方面,將RGB顏色空間轉換為HSV顏色空間,獲取H分量參數(shù),并采用色調均值法和色調區(qū)間統(tǒng)計法檢測柑橘顏色一致性,實驗表明色調區(qū)間統(tǒng)計法的檢測精度較高;在缺陷檢測方面,采用基于缺陷輪廓圓形度去除柑橘果梗的方法,排除果梗對缺陷檢測的影響,并以缺陷面積與水果面積的比值來實現(xiàn)柑橘缺陷檢測。2)基于柑橘顏色分級要求,設計了基于機器視覺柑橘顏色分級控制系統(tǒng),包括圖像采集系統(tǒng)和運動控制系統(tǒng),并完成了圖像采集系統(tǒng)與控制系統(tǒng)及機械系統(tǒng)的集成,開發(fā)了柑橘圖像采集與圖像識別軟件及基于PLC的分級控制軟件系統(tǒng)。3)基于上述設計的柑橘顏色分級控制系統(tǒng),對柑橘缺陷檢測和顏色分級進行了檢測試驗,實驗結果表明,缺陷檢測采用去除果梗的方法后準確率相比沒有去除果梗時提高了 6%,檢測總體準確率為92%,顏色檢測將柑橘分為橙色果、黃色果、淺綠果、深綠果四個顏色等級,總體分級準確率為93.75%。
【學位授予單位】：中南林業(yè)科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S666;TP391.41;TP273
【圖文】：

由于在自然光下采集的水果圖像不穩(wěn)定，會受光照強度、色溫等影響，為保逡逑證圖像采集環(huán)境不受外界環(huán)境的干擾，使得采集條件保持一致，本文設計光照箱逡逑進行圖像采集，在光照箱內合適位置安裝光源及相機，其裝置簡圖如圖２．１所示。逡逑＇、N逡逑１．相機２．光源３．光照箱４．待測柑橘５．果杯逡逑１．邋ｃａｍｅｒａ邋２．邋Ｌｉｇｈｔ邋ｓｏｕｒｃｅ邋３．邋Ｌｉｇｈｔ邋ｂｏｘ邋４．邋Ｍｅａｓｕｒｅｄ邋ｃｉｔｒｕｓ邋５．邋Ｆｒｕｉｔ邋ｃｕｐ逡逑圖２．１柑橘圖像采集裝置逡逑Ｆｉｇ．邋２．１邋Ｔｈｅ邋ｄｅｖｉｃｅ邋ｏｆ邋ｃｉｔｒｕｓ邋ｉｍａｇｅ邋ａｃｑｕｉｓｉｔｉｏｎ逡逑２．１．１光源的選取逡逑光源是影響圖像質量關鍵因素之一，為避免采集到模糊圖像或丟失圖像的關逡逑鍵信息，光源質量必須足夠好。光源要保證有足夠的光照強度、均勻度及范圍，逡逑能較好地突出待測水果的細節(jié)，還需考慮光源的色溫、顏色及待檢測物體表面的逡逑顏色，能保證物體呈現(xiàn)的顏色與物體真實顏色接近，同時也要考慮光源的穩(wěn)定性逡逑因素，由于亮度決定圖像的灰度值，若光源不穩(wěn)定，則會使圖像的灰度發(fā)生較大逡逑變化，從而影響圖像處理的準確率。幾種常見光源的相關特性如表２．１所示。逡逑表２．１常見光源特性表逡逑Ｔａｂ．邋２．１邋Ｔｈｅ邋ｔａｂｌｅ邋ｏｆ邋ｃｏｍｍｏｎ邋ｌｉｇｈｔ邋ｓｏｕｒｃｅ邋ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ逡逑類型邐成本邐亮度邐色溫邐使用壽命邐穩(wěn)定性逡逑烺素燈邐商邐較亮邐２５００－５０００ｋ邐短邐中逡逑熒光燈邐低邐較暗邐３０００ｋ邐中邐低逡逑正白

由于在自然光下采集的水果圖像不穩(wěn)定，會受光照強度、色溫等影響，為保逡逑證圖像采集環(huán)境不受外界環(huán)境的干擾，使得采集條件保持一致，本文設計光照箱逡逑進行圖像采集，在光照箱內合適位置安裝光源及相機，其裝置簡圖如圖２．１所示。逡逑＇、N逡逑１．相機２．光源３．光照箱４．待測柑橘５．果杯逡逑１．邋ｃａｍｅｒａ邋２．邋Ｌｉｇｈｔ邋ｓｏｕｒｃｅ邋３．邋Ｌｉｇｈｔ邋ｂｏｘ邋４．邋Ｍｅａｓｕｒｅｄ邋ｃｉｔｒｕｓ邋５．邋Ｆｒｕｉｔ邋ｃｕｐ逡逑圖２．１柑橘圖像采集裝置逡逑Ｆｉｇ．邋２．１邋Ｔｈｅ邋ｄｅｖｉｃｅ邋ｏｆ邋ｃｉｔｒｕｓ邋ｉｍａｇｅ邋ａｃｑｕｉｓｉｔｉｏｎ逡逑２．１．１光源的選取逡逑光源是影響圖像質量關鍵因素之一，為避免采集到模糊圖像或丟失圖像的關逡逑鍵信息，光源質量必須足夠好。光源要保證有足夠的光照強度、均勻度及范圍，逡逑能較好地突出待測水果的細節(jié)，還需考慮光源的色溫、顏色及待檢測物體表面的逡逑顏色，能保證物體呈現(xiàn)的顏色與物體真實顏色接近，同時也要考慮光源的穩(wěn)定性逡逑因素，由于亮度決定圖像的灰度值，若光源不穩(wěn)定，則會使圖像的灰度發(fā)生較大逡逑變化，從而影響圖像處理的準確率。幾種常見光源的相關特性如表２．１所示。逡逑表２．１常見光源特性表逡逑Ｔａｂ．邋２．１邋Ｔｈｅ邋ｔａｂｌｅ邋ｏｆ邋ｃｏｍｍｏｎ邋ｌｉｇｈｔ邋ｓｏｕｒｃｅ邋ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ逡逑類型邐成本邐亮度邐色溫邐使用壽命邐穩(wěn)定性逡逑烺素燈邐商邐較亮邐２５００－５０００ｋ邐短邐中逡逑熒光燈邐低邐較暗邐３０００ｋ邐中邐低逡逑正白

因柑橘的顏色主要包含黃色和紅色及綠色，故黃色、紅色、綠色背景對柑橘逡逑顏色易產(chǎn)生千擾，不宜選取，本文研究同一柑橘在藍、白、黑三種顏色背景的影逡逑響，分別作出各個背景下／？、Ｇ、５顏色直方圖，如圖２．２所示。通過各個直方圖逡逑不難發(fā)現(xiàn)，柑橘在白色背景下時，／？、Ｇ、５通道的直方圖均不存在雙峰，背景與逡逑前景不易區(qū)分，在藍色背景下時，在Ａ、Ｇ兩個通道的直方圖存在雙峰，但在Ｂ逡逑通道下不存在雙峰，在黑色背景下時，及、Ｇ、５三通道的直方圖均有雙峰存在，逡逑背景與前景能很好地區(qū)分，因此本實驗采集背景顏色選擇為黑色。逡逑２．１．３圖像的獲取逡逑圖像采集區(qū)域在密封的光照箱內進行，水果拍攝背景布置為黑色，系統(tǒng)選用逡逑的ＬＥＤ燈組共有四個，安裝在光照箱左右兩側及光照箱頂部左右兩側，保證充足、逡逑均勻的光照的同時，實現(xiàn)無燈影的照明效果。逡逑為盡可能采集柑橘表面大多數(shù)信息從而達到分級檢測的目的

【參考文獻】

相關期刊論文 前10條

1 于桓;;基于機器視覺的番茄顏色分級檢測研究[J];機電技術;2015年04期

2 姚季倫;陳守斌;謝淑芳;羅欣;李妙;李青峰;;湖南省柑橘產(chǎn)業(yè)發(fā)展戰(zhàn)略之管見[J];湖南農業(yè)科學;2015年02期

3 何偉卓;;基于可編程控制器的穩(wěn)壓器壓力水位控制探究[J];電子測試;2015年03期

4 羅雪寧;倪明航;彭云發(fā);代希君;胡曉男;羅華平;;淺談計算機視覺技術在果蔬外觀品質檢測中的應用[J];新疆農機化;2014年04期

5 管經(jīng)緯;周虎;楊慧斌;;基于機器視覺的工件自動分揀系統(tǒng)的研究[J];機械工程師;2014年08期

6 劉長青;陳兵旗;;基于機器視覺的玉米果穗?yún)?shù)的圖像測量方法[J];農業(yè)工程學報;2014年06期

7 戴天虹;吳以;;基于OTSU算法與數(shù)學形態(tài)學的木材缺陷圖像分割[J];森林工程;2014年02期

8 任洪娥;白杰云;;Lab顏色空間中基于動態(tài)聚類的顏色分級[J];計算機工程;2013年06期

9 劉宇飛;湯曉華;;基于機器視覺的番茄顏色分級方法的研究[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2013年02期

10 賈淵;李振江;彭增起;;結合LLE流形學習和支持向量機的豬肉顏色分級[J];農業(yè)工程學報;2012年09期

相關博士學位論文 前4條

1 戴天虹;基于計算機視覺的木質板材顏色分類方法的研究[D];東北林業(yè)大學;2008年

2 饒秀勤;基于機器視覺的水果品質實時檢測與分級生產(chǎn)線的關鍵技術研究[D];浙江大學;2007年

3 陳向偉;機械零件計算機視覺檢測關鍵技術的研究[D];吉林大學;2005年

4 馮斌;計算機視覺信息處理方法與水果分級檢測技術研究[D];中國農業(yè)大學;2002年

相關碩士學位論文 前6條

1 李俊;基于PLC的半導體分選機控制系統(tǒng)的設計與實現(xiàn)[D];中國科學技術大學;2016年

2 葛捷;柔性自動化生產(chǎn)線中的輪轂型號自動識別系統(tǒng)的開發(fā)[D];西華大學;2013年

3 朱偉;基于機器視覺的臍橙檢測與分級技術的研究[D];江西理工大學;2013年

4 謝靜;基于計算機視覺的蘋果自動分級方法研究[D];安徽農業(yè)大學;2011年

5 白穎杰;基于機器視覺的圖像處理與特征識別方法的研究[D];重慶大學;2010年

6 白菲;基于機器視覺的柑橘水果外形識別方法研究[D];中國農業(yè)大學;2005年

本文編號：2746092