应用自适应滤波与阈值迭代的原棉杂质视觉检测方法

发布时间：2020-12-09 10:59

　　针对Canny算子滤波模板参数与高低阈值人为设定而导致的杂质弱边缘丢失问题,提出一种基于改进Canny算子的原棉杂质检测方法,该方法采用自适应平滑滤波代替高斯滤波对原棉图像进行平滑,以小尺寸平均加权滤波模板与原图像迭代卷积,并在每次迭代过程中自适应地调整各像素的加权系数,同时,采用的最大类间方差法能够自适应地确定高低阈值,实现了滤波模板参数与高低阈值的自动优化,避免了弱边缘的丢失。仿真实验结果表明:该方法检测到的原棉杂质边缘完整、流畅,减少了伪边缘的出现,8连通域数与边缘点总数比值比Canny方法平均降低16.8%,8连通域数与4连通域数比值比Canny方法平均降低18.8%;同时,在对4种原棉常见杂质的识别上,该方法与国标方法检测结果平均相符率达到92.7%,能够有效用于原棉杂质的自动化检测。 

【文章来源】：毛纺科技. 2020年02期 第73-77页 北大核心

【文章页数】：5 页

【部分图文】：

本文杂质检测方法流程

检测结果

为了更加有效地验证原棉杂质检测性能,针对同一原棉杂质图像(图3(a)),实验分别选取Canny方法、Sobel方法与本文方法从检测结果图像进行对比分析,3种方法的测试结果如图3所示。从图3(b)可以看出,Sobel方法在检测时,边缘刻画的比较深刻,但杂质与原棉图像背景的分离效果不明显,图像分割后的结果背景噪声大,同时,出现了虚假像素点。从图3(c)看可以看出,Canny方法对原棉杂质的刻画较简洁,滤除了相关噪声,背景噪声小,有利于对杂质的分析与深度识别,对有些原棉杂质存在“漏检”的情况。而对于图3(d),本文方法检测结果背景噪声小,杂质与原棉背景的分离效果好,并且一定程度上避免了虚假像素点与“漏检”,对杂质边缘的描述完整,具有较好的检测效果。

【参考文献】：
期刊论文
[1]融合数学形态学滤波技术的边缘检测算法[J]. 李东兴,高倩倩,张起,蔡亚南,吴秀东.  山东理工大学学报(自然科学版). 2018(06)
[2]浅谈如何提高棉花杂质检验的准确性[J]. 孙景励.  中国纤检. 2018(07)
[3]一种自适应的Canny边缘检测算法[J]. 宋人杰,刘超,王保军.  南京邮电大学学报(自然科学版). 2018(03)
[4]图像边缘检测效果的边缘连续性评价算法[J]. 王洪申,张翔宇,豆永坤,汪雨蓉.  计算机工程与应用. 2018(16)
[5]基于颜色和形状特征的机采棉杂质识别方法[J]. 张成梁,李蕾,董全成,葛荣雨.  农业机械学报. 2016(07)
[6]计算机视觉及模式识别技术在农业生产领域的应用[J]. 陈桂珍,龚声蓉.  江苏农业科学. 2015(08)
[7]基于Canny算子的图像边缘检测算法[J]. 石桂名,魏庆涛,孟繁盛.  现代电子技术. 2015(12)
[8]基于边缘检测的棉花杂质图像分割方法比较与分析[J]. 刘军民,夏彬,桑小田,秦建锋.  中国棉花. 2014(12)
[9]基于图像处理的机采棉杂质提取算法[J]. 田昊,王维新,毕新胜,马本学,王玉刚.  江苏农业科学. 2014(01)



本文编号：2906766