獼猴桃是一種品質(zhì)鮮嫩,風(fēng)味鮮美的水果,具有很高的營養(yǎng)和食療價(jià)值。國內(nèi)獼猴桃果實(shí)的分選主要以人工為主,費(fèi)時(shí)費(fèi)力,且人工分選后的獼猴桃在國際市場(chǎng)上的競(jìng)爭(zhēng)力也較弱。為實(shí)現(xiàn)獼猴桃果實(shí)的智能化分選,本文對(duì)獼猴桃的外形和體積檢測(cè)方法進(jìn)行了研究,提出了基于RGB-D相機(jī)的獼猴桃外形和體積檢測(cè)方法。主要研究?jī)?nèi)容和結(jié)果如下:(1)基于RGB-D相機(jī)建立圖像采集系統(tǒng)拍攝圖像。RGB-D相機(jī)不僅可以獲取二維圖像信息和彩色信息,還可以直接獲取圖像的三維信息,因此本文選擇Kinect V2作為信息采集相機(jī)。光源對(duì)圖像采集的質(zhì)量和后續(xù)圖像的處理有重要作用,本文光源照射方式采用四周環(huán)繞式并將光源和相機(jī)等高安裝。(2)研究獼猴桃果實(shí)外形和體積的測(cè)定方法和圖像信息的采集方法。利用卡尺多次測(cè)量獼猴桃果實(shí)樣本的長(zhǎng)、最大直徑和最小直徑;采用電子秤測(cè)量所有樣本獼猴桃果實(shí)的重量;采用排水法測(cè)量獼猴桃的體積。對(duì)不同相機(jī)安裝高度獲取的獼猴桃果實(shí)圖片進(jìn)行分析,得出相機(jī)安裝高度的最佳范圍為650~750 mm。所以本文試驗(yàn)相機(jī)的安裝高度設(shè)定為650 mm、700 mm和750 mm,最后通過圖像采集系統(tǒng)分別獲取相機(jī)不同安裝高度時(shí)的獼猴桃果實(shí)的圖像信息。(3)基于RGB圖像的獼猴桃外形測(cè)量方法研究。對(duì)RGB圖像進(jìn)行預(yù)處理,采用YUV顏色空間去除獼猴桃的背景圖像,采用中值濾波的方法消除獼猴桃圖像中細(xì)小的噪聲干擾,運(yùn)用腐蝕、膨脹和開運(yùn)算的方法可以增強(qiáng)圖像,使得獼猴桃的輪廓更為清晰,最后采用Canny算子有效地檢測(cè)出獼猴桃的邊緣。本文基于獼猴桃果實(shí)的彩色圖像檢測(cè)獼猴桃的長(zhǎng)和最大直徑,通過回歸分析的方法得出:當(dāng)相機(jī)的安裝高度為650 mm、700mm和750 mm時(shí),通過彩色圖像檢測(cè)獼猴桃的長(zhǎng)度尺寸的R~2值分別為0.96、0.95和0.94,RMSE分別為4.61 mm、4.72 mm和5.09 mm;檢測(cè)獼猴桃最大直徑的R~2值分別為0.91、0.91、0.87,RMSE分別為5.12 mm、5.09 mm、5.27 mm。(4)基于點(diǎn)云圖像的獼猴桃外形測(cè)量方法研究。當(dāng)相機(jī)安裝高度為650 mm、700mm和750 mm時(shí),通過點(diǎn)云圖像檢測(cè)獼猴桃長(zhǎng)度尺寸的R~2值分別為0.96、0.96、0.95,RMSE分別為4.78 mm、4.38 mm、4.80 mm;檢測(cè)的最大直徑的R~2值分別為0.92、0.92、0.88,RMSE分別為5.00 mm、4.74 mm、5.21 mm;獼猴桃最小直徑的大小檢測(cè)結(jié)果不受果實(shí)圖像邊緣區(qū)域缺失的影響,試驗(yàn)結(jié)果表明,獼猴桃最小直徑的檢測(cè)的平均絕對(duì)誤差分別是4.05 mm、3.99 mm和4.14 mm。(5)基于線性回歸方法的獼猴桃體積預(yù)測(cè)及其與質(zhì)量的相關(guān)性研究。采用點(diǎn)云圖像和彩色圖像分別對(duì)不同品種獼猴桃在不同高度下的體積進(jìn)行預(yù)測(cè)。試驗(yàn)結(jié)果表明:相機(jī)不同安裝高度下,基于點(diǎn)云圖像檢測(cè)的體積比基于彩色圖像檢測(cè)的體積精度高;同一安裝高度,海沃德的體積預(yù)測(cè)精度比徐香的體積預(yù)測(cè)精度高。當(dāng)相機(jī)的安裝高度分別為650 mm、700 mm、750 mm時(shí),基于點(diǎn)云圖像檢測(cè)的獼猴桃體積的R~2值分別為0.92、0.93、0.93,基于彩色圖像檢測(cè)的獼猴桃體積的R~2值分別為0.90、0.90、0.91。將基于點(diǎn)云圖像檢測(cè)的獼猴桃體積與獼猴桃質(zhì)量進(jìn)行線性回歸,得出R~2值分別為:0.96、0.96和0.95,表明獼猴桃果實(shí)的預(yù)測(cè)體積與質(zhì)量有很高的相關(guān)性,因此該方法可應(yīng)用于獼猴桃體積和重量預(yù)測(cè)。
【學(xué)位單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;S663.4
【部分圖文】：

對(duì)保持身體健康具有重要的作用（Duetal.2006）。獼猴桃不僅具有超高的營養(yǎng)價(jià)值，還具有一具有悠久的歷史，但長(zhǎng)期以來處于野生狀態(tài)，其商15; 張楊等 2017）。獼猴桃有 59 個(gè)品種原產(chǎn)于中國種具有較大的經(jīng)濟(jì)效益和栽培價(jià)值（Ferguson and 和章文才 1995）。上個(gè)世紀(jì) 60 年代，美味獼猴桃品且建立了第一個(gè)商品化的獼猴桃種植園（Ferguson2新西蘭利用從中國帶回的獼猴桃種子資源進(jìn)行大規(guī)獼猴桃是第一個(gè)被選育出的國際化產(chǎn)品，并且于 1選育出了風(fēng)味甜美的軟棗獼猴桃品種，以及正在進(jìn)根據(jù)聯(lián)合國糧食與安全農(nóng)業(yè)發(fā)展組織（FAO）近年來逐年不斷增加，2000 年全球獼猴桃的產(chǎn)量為 187 萬 326 萬噸，而 2014 年獼猴桃的產(chǎn)量為 334 萬噸份獼猴桃產(chǎn)量統(tǒng)計(jì)如圖 1-1 所示。

圖 1-2 獼猴桃全球產(chǎn)區(qū)分布Fig. 1-2 Kiwifruit global production area distribution、意大利、智利和中國等是世界上大面積種植獼猴全球獼猴桃總份額的 52.7%，而歐洲獼猴桃的產(chǎn)區(qū)洲的獼猴桃產(chǎn)區(qū)分布如圖 1-2 所示。自獼猴桃商品逐年增加。球獼猴桃的發(fā)源地，還是全球獼猴桃的主要生產(chǎn)業(yè)的發(fā)展依然處于初級(jí)成長(zhǎng)階段，獼猴桃產(chǎn)業(yè)具國獼猴桃果樹的總種植面積超過了 225 萬畝，并。近幾年來，隨著獼猴桃種植面積的不斷增加，獼我國獼猴桃的產(chǎn)量達(dá)到了 119.5 萬噸（李春梅等 猴桃行業(yè)的消費(fèi)量也在逐年增長(zhǎng)，截至到 2014 年 萬噸，行業(yè)市場(chǎng)規(guī)模達(dá)到了 79.5 億元；2014 年我，出口金額為 464 萬美元，然而同年我國新鮮獼為 19547 萬美元（智研咨詢集團(tuán)，2016）。從獼猴

第一章 緒論 等 2014）。我國獼猴桃的分選標(biāo)準(zhǔn)主要是以重量來進(jìn)行的，該分選方式選出的的獼猴桃滿足重量要求。然而在外觀方面，獼猴桃果實(shí)的形態(tài)各異（如圖 1-3 所示些獼猴桃中，畸形的、扁平的獼猴桃等是很難被消費(fèi)者認(rèn)可的，因而也就降低的整體市場(chǎng)價(jià)值。我國獼猴桃的分選方式大多是人工分選或者是采用重力傳感機(jī)械進(jìn)行分選。采用人工分選的方法分選獼猴桃時(shí)需要雇傭許多勞動(dòng)力進(jìn)行，強(qiáng)度大，勞動(dòng)成本高，而且分選時(shí)還容易受分選者的主觀影響，因而分選的結(jié)理想；機(jī)械分選常用的是利用傳感器根據(jù)獼猴桃的重量來進(jìn)行分選，雖然提高效率和精度，對(duì)獼猴桃的外形沒有分選，因此分選的結(jié)果也不是很理想。因此種全新的分選方式能夠達(dá)到獼猴桃的國際分選標(biāo)準(zhǔn)，且滿足不同消費(fèi)者的喜好力。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何若濤;陳龍新;廖亞軍;陳十力;;基于RGB-D圖像的三維物體檢測(cè)與抓取[J];機(jī)械工程與自動(dòng)化;2017年05期

2 余霆嵩;文元美;凌永權(quán);;基于張量分解融合RGB-D圖像的物體識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;年期

3 劉三毛;朱文球;孫文靜;王業(yè)祥;;基于RGB-D單目視覺的室內(nèi)場(chǎng)景三維重建[J];微型機(jī)與應(yīng)用;2017年01期

4 林財(cái)?shù)?吳黃懿;余羅兼;;基于RGB-D系統(tǒng)的清掃機(jī)器人與傳統(tǒng)清掃機(jī)的路徑對(duì)比研究[J];數(shù)字技術(shù)與應(yīng)用;2015年04期

5 姚遠(yuǎn);張林劍;喬文豹;;RGB-D圖像中手部樣本標(biāo)記與手勢(shì)識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年12期

6 張恒;徐剛;劉艷麗;溫珍強(qiáng);;基于結(jié)構(gòu)森林的RGB-D圖像輪廓提取[J];計(jì)算機(jī)應(yīng)用研究;2017年02期

7 白樹斌;張維忠;袁翠梅;王國棟;宋明玉;;基于RGB-D圖像的深度圖空洞修復(fù)[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

8 邵潔;董楠;;RGB-D動(dòng)態(tài)序列的人臉自然表情識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年05期

9 盧良鋒;何加銘;謝志軍;孫德超;;基于深度學(xué)習(xí)的RGB-D物體識(shí)別算法[J];移動(dòng)通信;2015年10期

10 劉海豐;陳鵬;;基于RGB-D圖像的機(jī)械臂關(guān)節(jié)角度檢測(cè)的研究[J];湖北工程學(xué)院學(xué)報(bào);2016年06期

相關(guān)會(huì)議論文 前1條

1 王石榮;徐昌;于寧波;;面向移動(dòng)機(jī)器人SLAM的雙RGB-D傳感器數(shù)據(jù)融合方法與應(yīng)用[A];第36屆中國控制會(huì)議論文集（E）[C];2017年

相關(guān)博士學(xué)位論文 前5條

1 宋希彬;基于RGB-D信息的深度圖像增強(qiáng)關(guān)鍵技術(shù)研究[D];山東大學(xué);2017年

2 李成龍;基于RGB-D數(shù)據(jù)的頭部姿態(tài)估計(jì)研究[D];山東大學(xué);2017年

3 趙強(qiáng);基于RGB-D相機(jī)的運(yùn)動(dòng)平臺(tái)實(shí)時(shí)導(dǎo)航定位模型與方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

4 湯圣君;多視圖像增強(qiáng)的RGB-D室內(nèi)高精度三維測(cè)圖方法[D];武漢大學(xué);2017年

5 李佳寧;基于RGB-D攝像機(jī)的增強(qiáng)現(xiàn)實(shí)系統(tǒng)關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 楊斯;基于RGB-D溫室苗期作物生長(zhǎng)參數(shù)提取方法的研究[D];西北農(nóng)林科技大學(xué);2018年

2 謝洪起;基于RGB-D相機(jī)的獼猴桃外形和體積檢測(cè)方法研究[D];西北農(nóng)林科技大學(xué);2018年

3 項(xiàng)攀霄;基于RGB-D的移動(dòng)機(jī)器人目標(biāo)檢測(cè)與定位[D];西南交通大學(xué);2016年

4 卞紫陽;RGB-D視頻人體異常行為檢測(cè)方法研究[D];北京理工大學(xué);2016年

5 鄧廣暉;基于卷積神經(jīng)網(wǎng)絡(luò)的RGB-D圖像物體檢測(cè)和語義分割[D];北京工業(yè)大學(xué);2017年

6 潘宜飛;基于RGB-D圖像的顯示適配技術(shù)研究[D];合肥工業(yè)大學(xué);2015年

7 蘭曉東;基于RGB-D視覺信息的物體識(shí)別算法研究[D];中北大學(xué);2018年

8 李實(shí)秋;RGB-D圖像分析關(guān)鍵技術(shù)研究[D];天津大學(xué);2014年

9 劉海豐;基于RGB-D的機(jī)械臂三維物理模型重建技術(shù)的研究[D];武漢工程大學(xué);2016年

10 陳之杰;基于RGB-D感知的移動(dòng)機(jī)器人三維地圖構(gòu)建與導(dǎo)航研究及應(yīng)用[D];東南大學(xué);2016年

本文編號(hào)：2827522