基于颜色和形状特征的茶叶分选研究

发布时间：2017-06-09 12:02

  本文关键词：基于颜色和形状特征的茶叶分选研究，由笔耕文化传播整理发布。

【摘要】：随着机器视觉技术的不断发展,非接触式在线检测技术已经延伸到工业分选的多个领域中,茶叶分选机作为一种集光、机、电一体的设备,能够有效提高茶叶等级分类的精度和产量,具有极大经济价值,本文从分选系统软硬件设计和分选算法两方面开展研究。硬件模块设计中,分选系统相机部分由彩色线阵CCD和FPGA组成,主要工作包括CCD前端驱动电路设计,后端放大电路设计以及模数转换采样端芯片AD9945的相关双采样和可编程增益放大器功能的使用,完成了可调白平衡的图像采集电路设计。软件部分围绕触摸屏人机界面展开,设计基于对话框的MFC智能设备应用程序,在Windows自定义消息响应机制下实现多对话框切换功能,并在触摸屏中利用API函数对相机拍摄图像绘图与图片指定位置像素获取,最后实现了WinCE系统下的串口通信软件设计。分选算法主要基于颜色和形状两部分。提出了一种基于像素分布统计直方图的颜色阈值自动分割算法,并基于该算法在人机界面中编写软件提高色选阈值设置效率。以铁观音茶叶为实验材料,对比分析YUV颜色模型较RGB颜色模型色选使用的优势。对表面颜色复杂的茶叶,提出一种自适应多窗口阈值处理方法,使用多窗口识别不同颜色形状的特征色斑,高效率的在一次色选中达到完全分选的效果。在研究应用BP神经网络进行茶叶形状分选过程中,首先提出灰度变换、图像标记、Roberts算子边缘检测等形状特征提取算法,为适用于FPGA硬件平台,利用数学分析将其优化为基于移位和异或逻辑运算的图像处理算法。根据输入输出特征及Kol-mogorov定理确定神经网络拓扑结构优选范围,使用MATLAB模拟分选过程,并基于误差评估函数比对获得最优解。使用该模型设计的神经网络茶叶形状分选系统,以安徽六安瓜片三种不同等级茶叶为实验对象描述MATLAB仿真过程,结果中识别分选率达90%以上。
【关键词】：茶叶分选 机器视觉 人机界面软件 数字图像处理 BP神经网络 色选 形选
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-17
• 1.1 课题研究的背景和意义11-12
• 1.2 国内外研究现状12-13
• 1.3 茶叶分选系统结构简介13-14
• 1.4 本文主要研究内容14-17
• 第2章 茶叶分选系统硬件设计17-31
• 2.1 引言17
• 2.2 系统硬件整体结构17-18
• 2.3 触摸屏选型18-19
• 2.4 数据采集模块芯片选型与介绍19-22
• 2.4.1 FPGA芯片介绍19-20
• 2.4.2 CCD芯片介绍20-21
• 2.4.3 A/D采样芯片介绍21-22
• 2.5 数据采集模块整体架构22-23
• 2.6 数据采集模块硬件设计23-29
• 2.6.1 CCD信号前端驱动电路设计23-25
• 2.6.2 CCD信号后端放大电路设计25-26
• 2.6.3 AD9945相关双采样与可编程增益设计26-29
• 2.7 串口通信电路设计29-30
• 2.8 本章小结30-31
• 第3章 茶叶分选系统软件设计31-47
• 3.1 引言31
• 3.2 触摸屏操作系统及开发环境31-33
• 3.2.1 MCGS组态软件说明31-32
• 3.2.2 WinCE操作系统及开发环境32-33
• 3.3 触摸屏MFC应用软件设计33-45
• 3.3.1 软件功能框架33-34
• 3.3.2 多对话框切换机制34-38
• 3.3.2.1 子对话框建立35-36
• 3.3.2.2 子对话框切换36-38
• 3.3.3 数字视频信号绘图38-42
• 3.3.3.1 CDC类及GDI对象介绍38-39
• 3.3.3.2 双缓存方法绘图39-41
• 3.3.3.3 获取触摸屏图片区像素信息41-42
• 3.3.4 基于WinCE系统的串口通信42-44
• 3.3.4.1 触摸屏通信模式介绍42
• 3.3.4.2 MFC串口通信软件设计42-44
• 3.3.5 触摸屏其它功能44-45
• 3.4 本章小节45-47
• 第4章 提高茶叶色选参数设置色选效率方法研究47-55
• 4.1 引言47
• 4.2 基于阈值分割的颜色分选方法47-49
• 4.3 直方图颜色阈值自动分割算法49-50
• 4.4 YUV颜色空间模型的使用50-52
• 4.5 自适应多窗口阈值处理52-53
• 4.6 本章小结53-55
• 第5章 基于BP神经网络的茶叶形选方法研究55-63
• 5.1 引言55-56
• 5.2 形状特征快速提取算法56-57
• 5.2.1 图像灰度化处理56
• 5.2.2 中值滤波56
• 5.2.3 阈值二值化处理56-57
• 5.3 形状特征数学模型57-58
• 5.4 BP神经网络模型设计58-59
• 5.4.1 BP神经网络算法描述58
• 5.4.2 输入、输出端神经元数设计58-59
• 5.4.3 Kol-mogorov定理应用59
• 5.5 MATLAB神经网络茶叶分选实例59-60
• 5.5.1 MATLAB神经网络建模59
• 5.5.2 误差评估函数59
• 5.5.3 实验结果分析59-60
• 5.6 本章小结60-63
• 第6章 总结与展望63-65
• 6.1 全文总结63-64
• 6.2 研究展望64-65
• 参考文献65-67
• 致谢67-69
• 在读期间发表的学术论文与取得的其他研究成果69

【参考文献】

中国期刊全文数据库 前10条

1 陆江锋;单春芳;裘正军;;茶叶外形特征数字化及不同等级茶叶鉴别研究[J];现代农机;2015年03期

2 赵吉文;高尚;魏正翠;汪洋;;基于FPGA的西瓜子机器视觉色选系统[J];农业机械学报;2011年08期

3 陆江锋;单春芳;洪小龙;裘正军;;基于数字图像的茶叶形状特征提取及不同茶叶鉴别研究[J];茶叶科学;2010年06期

4 张若宇;坎杂;马蓉;曹卫彬;李江波;;基于RGB模型的脱绒棉种颜色特征与发芽状况的关系[J];农业工程学报;2010年10期

5 陈怡群;常春;肖宏儒;宋卫东;张佩;;人工神经网络技术在鲜茶叶分选中的应用[J];农业网络信息;2010年07期

6 陈博;欧阳竹;;基于BP神经网络的冬小麦耗水预测[J];农业工程学报;2010年04期

7 李晓丽;何勇;;基于多光谱图像及组合特征分析的茶叶等级区分[J];农业机械学报;2009年S1期

8 杨福增;杨亮亮;田艳娜;杨青;;基于颜色和形状特征的茶叶嫩芽识别方法[J];农业机械学报;2009年S1期

9 孙慧贤;张玉华;罗飞路;;基于HSI颜色空间的彩色边缘检测方法研究[J];光学技术;2009年02期

10 王世峰;赵馨;佟首峰;张国玉;姜会林;;CCD输出信号处理电路的研究[J];红外与激光工程;2007年S2期

中国博士学位论文全文数据库 前2条

1 向忠;气动高速开关阀关键技术研究[D];浙江大学;2010年

2 于慧春;基于电子鼻技术的茶叶品质检测研究[D];浙江大学;2007年

中国硕士学位论文全文数据库 前7条

1 黄富传;基于DSP和FPGA的食品分选机图像处理系统设计[D];南京理工大学;2013年

2 冯超;基于多波长的LED荧光系统在茶叶种类和等级方面的研究[D];浙江大学;2013年

3 邵明;基于计算机视觉的龙井茶叶嫩芽识别方法研究[D];中国计量学院;2013年

4 徐捷;基于DSP和FPGA的茶叶色选机的研究与设计[D];天津大学;2012年

5 叶萍;基于神经网络的植物叶片分类识别[D];苏州大学;2010年

6 毛真;大米品质动态检测算法的研究[D];大连理工大学;2008年

7 苏玉梅;植物叶片图像分析方法的研究与实现[D];南京理工大学;2007年

  本文关键词：基于颜色和形状特征的茶叶分选研究，由笔耕文化传播整理发布。

，

本文编号：435342