基于机器视觉的蚕蛹性别识别系统研究

发布时间：2017-08-03 20:22

  本文关键词：基于机器视觉的蚕蛹性别识别系统研究

  更多相关文章： 蚕蛹分类 图像处理 特征提取 距离判别分析 PCA-BP

【摘要】：桑蚕业作为中国的传统优势行业,在农业经济中占有重要的比重。在桑蚕养殖的主产区,其对劳动就业、相关产品出口、经济建设等具有重要的意义。在桑蚕养殖和育种过程中,雌雄蚕蛹的分类对桑蚕育种及茧丝绸产品加工有直接的影响,关系到蚕种质量、茧丝绸质量等,因此蚕蛹雌雄分类工作是优产至关重要的步骤。鉴于目前的蚕蛹雌雄分类工作大都为人工进行,效率低,强度大,受主观因素影响大,本研究针对目前的工作现状,并利用蚕蛹发蛾期前的身体形状和纹理结构的差异,采用机器视觉的方式对蚕蛹雌雄识别工作进行研究,研究过程中,通过图像采集、处理、特征提取,并采用Mahalanobis距离分析方式,主成分分析和人工神经网络相结合的方法,建立了PCA-BP模型进行训练和仿真实验,识别准确率达到98%,符合《桑蚕一代杂交种的质量标准和检验规程》标准,同时具有较高的检测速度,为蚕蛹分类识别工作提供理论支撑和新途径,对实际生产具有重要的应用价值。概括来说,涉及到的主要研究内容如下:1.阐述了蚕蛹分类的背景及意义,探讨了国内外相关的研究进展和趋势。2.探究机器视觉途径进行识别的可行性,并介绍了目前其应用范围和趋势。3.对蚕蛹图像获取装置进行设计及其相关元器件的选用,搭建了机器视觉平台,为图像获取做好准备工作。4.得到目标图像后,对图像的灰度、形态、质量等做一系列的预处理工作,根据雌雄性别之间形状、纹理结构的不同,提取其形状和纹理特征参数。5.在图像处理的基础上,基于提高自动化程度的目的,采用距离判别进行分析;又应用主成分分析法和人工神经网络,对提取到的特征数据进行数据分析,得到相关主成分;对BP神经网络研究并改进,开发了适合本研究对象的网络结构及程序,建立了PCA-BP识别分类器模型。通过利用蚕蛹样本对分类器做训练、仿真验证工作,结果表明该方法对蚕蛹雌雄辨别准确率达到98%,达到行业标准要求。
【关键词】：蚕蛹分类 图像处理 特征提取 距离判别分析 PCA-BP
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S887.313;TP391.41
【目录】：

• 摘要2-3
• Abstract3-9
• 第1章 绪论9-16
• 1.1 课题研究的背景及意义9
• 1.2 蚕蛹雌雄识别方法、发展及存在的问题9-12
• 1.3 机器视觉技术12-13
• 1.4 存在问题13
• 1.5 论文主要研究内容13-14
• 1.6 本章小结14-16
• 第2章 蚕蛹识别机器视觉平台设计16-21
• 2.1 系统总体框架的设计16
• 2.2 暗箱的设计16-17
• 2.3 工业相机的分析及选择17-18
• 2.4 照明光源的分析及选择18-20
• 2.4.1 机器视觉系统常用光源18-19
• 2.4.2.光源照明方式的分类19-20
• 2.5 搭建实验系统20
• 2.6 本章小结20-21
• 第3章 图像采集及图像预处理算法研究21-36
• 3.1 蚕蛹图像的采集21-22
• 3.1.1 实验材料21
• 3.1.2 图像采集21-22
• 3.2 蚕蛹图像的预处理22-35
• 3.2.1 图像灰度化22-24
• 3.2.2 图像滤波去噪24-28
• 3.2.3 图像增强28
• 3.2.4 图像边缘检测28-30
• 3.2.5 图像分割30-34
• 3.2.6 图像数学形态学处理34-35
• 3.3 本章小结35-36
• 第4章 蚕蛹图像的特征提取36-49
• 4.1 几何特征36-37
• 4.2 纹理特征37-44
• 4.2.1 灰度差分统计法38-39
• 4.2.2 自相关函数法39
• 4.2.3 基于灰度共生矩阵法39-44
• 4.3 特征参数差异研究44-46
• 4.4 实验结果及分析46-47
• 4.5 本章小结47-49
• 第5章 基于主成分分析和BP神经网络识别系统研究49-68
• 5.1 数据处理方法简介49-52
• 5.1.1 主成分分析法49-51
• 5.1.2 独立成分分析51-52
• 5.2 人工神经网络52-57
• 5.2.1 BP神经网络52-54
• 5.2.2 BP神经网络的不足54
• 5.2.3 改进的BP神经网络54-56
• 5.2.4 Matlab神经网络工具箱56-57
• 5.3 距离判别分析57-59
• 5.3.1 距离判别57-58
• 5.3.2 结果分析58-59
• 5.4 PCA-BP系统设计及分析59-67
• 5.4.1 数据主成分分析59-60
• 5.4.2 BP网络模型设计60-63
• 5.4.3 PCA-BP模型预测63-67
• 5.5 本章小结67-68
• 结论及展望68-70
• 结论68-69
• 展望69-70
• 参考文献70-75
• 攻读硕士学位期间取得的研究成果75-76
• 致谢76

【相似文献】

中国期刊全文数据库 前10条

1 孙海霞;张淑娟;薛建新;周靖博;;基于机器视觉和光谱技术水果分级的研究进展[J];农机化研究;2014年01期

2 陈丽君;赵凤芹;;基于机器视觉的变量机械系统的关键技术[J];农机化研究;2005年06期

3 郭海针;马俊龙;徐海刚;;基于机器视觉的农业机械无人驾驶系统[J];农机化研究;2009年06期

4 毛璐;赵春江;王开义;张水发;;机器视觉在农产品物流分级检测中的应用[J];农机化研究;2011年07期

5 冯世杰;王艳平;;基于机器视觉的温室作物行间杂草的识别[J];信阳农业高等专科学校学报;2012年02期

6 李谦;蔡晓华;;机器视觉在除草机器人中的应用[J];农机化研究;2014年07期

7 黎萍,朱军燕,刘燕德,严霖元;机器视觉在农产品检测与分级中的应用与展望[J];江西农业大学学报;2005年05期

8 王静娜;贺园园;陈雄飞;冯春贵;祝诗平;;机器视觉在农产品品质检测和采收包装中的应用[J];农机化研究;2011年07期

9 王润涛;张长利;房俊龙;王树文;杨方;田磊;;基于机器视觉的大豆籽粒精选技术[J];农业工程学报;2011年08期

10 黄星奕;钱媚;徐富斌;;基于机器视觉和近红外光谱技术的杏干品质无损检测[J];农业工程学报;2012年07期

中国重要会议论文全文数据库 前10条

1 赵磊;董吉文;李金屏;;拓扑理论在机器视觉中的研究进展[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 张彦东;;基于机器视觉的连接器装配机床改造研究[A];首届珠中江科协论坛论文集[C];2011年

3 蔡小秧;陈文楷;;机器视觉中的鲁棒估计技术[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 刘雅举;李娜;张莉;李东明;;机器视觉在药用玻璃瓶质量检测中的研究[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

5 吴庆华;代娜;黄俊敏;程志辉;何涛;;基于机器视觉的轴承二维尺寸检测[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 马连峰;张秋菊;;基于机器视觉的彩色套印检测技术研究[A];第十一届全国包装工程学术会议论文集（二）[C];2007年

7 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

8 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

9 张伟华;陈军;连世江;贾海政;;机器视觉及其在农业机械中的应用综述[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

10 沈宝国;陈树人;尹建军;;基于机器视觉的棉田杂草精确定位研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 李剑琦;机器视觉行业整合正热 中国市场尚处萌芽期[N];机电商报;2005年

2 本报记者 董碧娟;解密机器视觉“第三只眼”[N];经济日报;2013年

3 本报记者 郭涛;机器视觉：为机器装上“眼睛”和“大脑”[N];中国高新技术产业导报;2014年

4 张均;德国机器视觉传感器市场前景好[N];中国贸易报;2007年

5 金刚;给机器一双慧眼[N];计算机世界;2007年

6 朱广菁;机器视觉怎样“看”不合格产品[N];大众科技报;2008年

7 宋昆;用机器视觉控制烟草质量[N];计算机世界;2007年

8 张栋;西安光电子专业孵化器举办专业展览会[N];中国高新技术产业导报;2007年

9 王遐;机器视觉:药品包装在线检测系统开发成功[N];中国包装报;2010年

10 点评人 高炎 黄牧青 刘笑一 李士杰 北京大学技术转移中心;机器视觉辅助冬季道路状况监测[N];科技日报;2014年

中国博士学位论文全文数据库 前10条

1 梁卓锐;机器视觉手势交互的交互映射研究[D];华南理工大学;2015年

2 孟庆宽;基于机器视觉的农业车辆—农具组合导航系统路径识别及控制方法研究[D];中国农业大学;2014年

3 田明锐;基于机器视觉的散料装车控制系统研究[D];长安大学;2016年

4 葛动元;面向精密制造与检测的机器视觉及智能算法研究[D];华南理工大学;2013年

5 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

6 龚爱平;基于嵌入式机器视觉的信息采集与处理技术研究[D];浙江大学;2013年

7 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年

8 徐晓秋;机器视觉球面孔位快速精密测量系统的研究[D];四川大学;2006年

9 成芳;稻种质量的机器视觉无损检测研究[D];浙江大学;2004年

10 程洪;面向园艺应用的机器视觉目标辨识方法创新[D];中国农业大学;2015年

中国硕士学位论文全文数据库 前10条

1 孙斌;基于FPGA的压力表盘机器视觉研究与实现[D];昆明理工大学;2015年

2 许哲;基于机器视觉的快速测温热电偶焊接技术研究[D];河北联合大学;2014年

3 李鹏;基于机器视觉的PCB工业在线检测系统研究[D];昆明理工大学;2015年

4 佘燕玲;以用户为中心的机器视觉手势交互空间映射关系研究[D];华南理工大学;2015年

5 孙中国;基于机器视觉的面粉袋码垛机器人研究[D];山东建筑大学;2015年

6 漆静;基于机器视觉集装箱吊具智能定位系统研究[D];西南交通大学;2015年

7 张文;基于机器视觉的通信装备故障识别研究[D];西南交通大学;2015年

8 冉宝山;基于机器视觉的装料系统试验研究[D];长安大学;2015年

9 冯康;基于机器视觉的棉花识别与定位技术的研究[D];石河子大学;2015年

10 须啸海;嵌入式智能交通车流量监控系统的实现[D];电子科技大学;2015年

，

本文编号：616166