基于机器视觉的水果分类方法研究
发布时间：2021-04-12 19:03
随着经济的高速发展和生活水平的提高,人们对水果的种类及品质的要求越来越高。水果的品质分类影响水果的价格和人们的消费体验,而水果表面的缺陷直接影响水果的品质等级和分类。目前水果的品质的检测主要依靠人工,费时、费力,具有不稳定性。鉴于此,本文设计了一套基于机器视觉的水果检测系统,研究和改进了基于机器视觉的水果表面缺陷检测算法,将有助于对水果表面缺陷无损检测和品质分类实现机械化自动化作业,以减轻人力工作量和提高检测效率与准确率。本论文以皇冠梨、橙子和苹果为研究对象,主要研究的内容包括:（1）搭建视觉检测系统。以皇冠梨、橙子和苹果为研究对象,分析了水果表面缺陷系统的设计以及实验要求,完成了机器视觉检测系统中相机、镜头、光源、光照箱、计算机的选配,搭建水果表面品质检测系统。（2）水果表面图像预处理。根据实验需求对水果表面图像进行预处理,用分量法、最大值法、加权平均法和平均法四种灰度化处理方法生成灰度图,选择样本与背景区分更加明显的加权平均法作为灰度处理方法。采用分段式线性函数作为图像增强方法,使图像缺陷区域更加突出。将二维OTSU阈值分割和改进的三维OTSU阈值分割两种方法进行了对比,结果表明三...
【文章来源】：河南工业大学河南省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
技术路线流程图
11高的CMOS相机来采集图像。本研究所采用的相机是深圳市迈德威视科技有限公司所生产的型号为MV-SUA500C-T的相机，镜头为深圳市迈德威视科技有限公司型号为MV-LD-12-4M-G的镜头。表2是镜头的技术规格。表2镜头技术规格型号焦距光圈最小物距畸变率分辨率焦点MV-LD-12-4M-G12mm手动0.1m<0.1%400万像素手动图3是本文图像采集系统所选用的相机和镜头，图3相机和镜头2.2.2光照箱和光源相机对水果拍摄时会产生尺寸误差，随着水果与相机的距离的增大，误差逐渐减校设计光照箱的目的之一是屏蔽自然光的干扰，降低噪音。同时为降低尺寸误差，相机与水果距离定在1000500mmmm之间。饶秀勤通过分析得到相机与水果距离1200600mmmm，估计得水果的最大直径为120mm，物距与水果最大半径比为10-20，误差在1.4%-5.9%之间，实际工作时，水果最大径为90mm，物距为1050mm，比值就是23，则误差在0.9%-1.4%之间。因此根据数据采集系统的所需要的物距，本文设计的光照箱尺寸为××700500500mmmmmm，同时可以对相机方便地进行调节。在机器视觉系统中，要获得一张高质量易处理且特征明显的图像至关重要，光源的选择主要从光源对比度和鲁棒性两方面进行考虑：在亮度方面，首先选择亮度较高的光源，当亮度不够时，自然光的干扰将会增强，影响图像拍摄时的稳定性，系统的准确性和效率会降低。好的光源得到的图像特征值
12特别明显，对比度很大，便于分割。市场上光源种类繁多，根据系统的要求，针对设计方案，选择合适的光源，使目标与背景达到最佳分离的效果。表3比较了几种不用类型的光源：表3光源性能比较类型成本亮度鲁棒性寿命发热量LED低一般好长低白炽灯低差差短大疝气灯高好一般短大荧光灯低差差一般一般综合考虑得出LED光源形状多样、颜色多样、响应速度快、成本低，适合在水果分拣流水线上应用，本系统使用的光源为暃业品牌的A53108型号的LED光源。2.2.3相机标定工业相机选型后需要确定空间物体表面某点的几何位置与其在图像中对应点之间的关系，获取相机成像的几何模型参数，因此需要对相机进行标定，相机的标定原理就是从世界坐标系换到图像坐标系，相机的标定过程分为两个部分：（1）从世界坐标系转到相机坐标系，是三维点到三维点的转换。（2）从相机坐标系转为成像平面坐标系，是三维点到二维点的转换。“图4相机标定原理图图4是相机标定原理图，其中：（1）O点表示相机坐标系中心点，Z轴表示相机的主轴；（2）q点是图片坐标系所在的二维平面；（3）f的长是相机的焦距。
【参考文献】：
期刊论文
[1]基于机器视觉的苹果品质在线分级检测[J]. 石瑞瑶,田有文,赖兴涛,古文君. 中国农业科技导报. 2018(03)
[2]浅谈深度学习[J]. 李开菊,郑波尽. 软件. 2016(05)
[3]基于视觉特征的水果蔬菜自动分类方法[J]. 何江萍,马彦,李强. 重庆师范大学学报(自然科学版). 2016(03)
[4]我国水果质量安全标准现状分析[J]. 庞荣丽,成昕,谢汉忠,王瑞萍,郭琳琳,方金豹. 果树学报. 2016(05)
[5]深度学习研究进展[J]. 郭丽丽,丁世飞. 计算机科学. 2015(05)
[6]一种新型的水果分类系统设计[J]. 胡静,罗宜元,宁建红. 上海电机学院学报. 2014(06)
[7]基于颜色及纹理特征的果蔬种类识别方法[J]. 陶华伟,赵力,奚吉,虞玲,王彤. 农业工程学报. 2014(16)
[8]机器视觉在农业生产中的应用研究[J]. 刁智华,王会丹,魏伟. 农机化研究. 2014(03)
[9]基于萤火虫算法的二维熵多阈值快速图像分割[J]. 陈恺,陈芳,戴敏,张志胜,史金飞. 光学精密工程. 2014(02)
[10]基于近红外漫反射光谱技术的芒果糖度无损检测方法研究[J]. 曹霞,周学成,范品良. 农机化研究. 2013(01)
博士论文
[1]基于机器视觉的蜜柚品质检测方法研究[D]. 郭辉.中国农业大学 2015
[2]脐橙表面缺陷的快速检测方法研究[D]. 李江波.浙江大学 2012
[3]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
硕士论文
[1]基于机器视觉的苹果特征选择和分类识别系统[D]. 侯大军.江苏大学 2010
[2]基于计算机视觉的脐橙表面常见缺陷种类识别的研究[D]. 庞江伟.浙江大学 2006
本文编号：3133818
【文章来源】：河南工业大学河南省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
技术路线流程图
11高的CMOS相机来采集图像。本研究所采用的相机是深圳市迈德威视科技有限公司所生产的型号为MV-SUA500C-T的相机，镜头为深圳市迈德威视科技有限公司型号为MV-LD-12-4M-G的镜头。表2是镜头的技术规格。表2镜头技术规格型号焦距光圈最小物距畸变率分辨率焦点MV-LD-12-4M-G12mm手动0.1m<0.1%400万像素手动图3是本文图像采集系统所选用的相机和镜头，图3相机和镜头2.2.2光照箱和光源相机对水果拍摄时会产生尺寸误差，随着水果与相机的距离的增大，误差逐渐减校设计光照箱的目的之一是屏蔽自然光的干扰，降低噪音。同时为降低尺寸误差，相机与水果距离定在1000500mmmm之间。饶秀勤通过分析得到相机与水果距离1200600mmmm，估计得水果的最大直径为120mm，物距与水果最大半径比为10-20，误差在1.4%-5.9%之间，实际工作时，水果最大径为90mm，物距为1050mm，比值就是23，则误差在0.9%-1.4%之间。因此根据数据采集系统的所需要的物距，本文设计的光照箱尺寸为××700500500mmmmmm，同时可以对相机方便地进行调节。在机器视觉系统中，要获得一张高质量易处理且特征明显的图像至关重要，光源的选择主要从光源对比度和鲁棒性两方面进行考虑：在亮度方面，首先选择亮度较高的光源，当亮度不够时，自然光的干扰将会增强，影响图像拍摄时的稳定性，系统的准确性和效率会降低。好的光源得到的图像特征值
12特别明显，对比度很大，便于分割。市场上光源种类繁多，根据系统的要求，针对设计方案，选择合适的光源，使目标与背景达到最佳分离的效果。表3比较了几种不用类型的光源：表3光源性能比较类型成本亮度鲁棒性寿命发热量LED低一般好长低白炽灯低差差短大疝气灯高好一般短大荧光灯低差差一般一般综合考虑得出LED光源形状多样、颜色多样、响应速度快、成本低，适合在水果分拣流水线上应用，本系统使用的光源为暃业品牌的A53108型号的LED光源。2.2.3相机标定工业相机选型后需要确定空间物体表面某点的几何位置与其在图像中对应点之间的关系，获取相机成像的几何模型参数，因此需要对相机进行标定，相机的标定原理就是从世界坐标系换到图像坐标系，相机的标定过程分为两个部分：（1）从世界坐标系转到相机坐标系，是三维点到三维点的转换。（2）从相机坐标系转为成像平面坐标系，是三维点到二维点的转换。“图4相机标定原理图图4是相机标定原理图，其中：（1）O点表示相机坐标系中心点，Z轴表示相机的主轴；（2）q点是图片坐标系所在的二维平面；（3）f的长是相机的焦距。
【参考文献】：
期刊论文
[1]基于机器视觉的苹果品质在线分级检测[J]. 石瑞瑶,田有文,赖兴涛,古文君. 中国农业科技导报. 2018(03)
[2]浅谈深度学习[J]. 李开菊,郑波尽. 软件. 2016(05)
[3]基于视觉特征的水果蔬菜自动分类方法[J]. 何江萍,马彦,李强. 重庆师范大学学报(自然科学版). 2016(03)
[4]我国水果质量安全标准现状分析[J]. 庞荣丽,成昕,谢汉忠,王瑞萍,郭琳琳,方金豹. 果树学报. 2016(05)
[5]深度学习研究进展[J]. 郭丽丽,丁世飞. 计算机科学. 2015(05)
[6]一种新型的水果分类系统设计[J]. 胡静,罗宜元,宁建红. 上海电机学院学报. 2014(06)
[7]基于颜色及纹理特征的果蔬种类识别方法[J]. 陶华伟,赵力,奚吉,虞玲,王彤. 农业工程学报. 2014(16)
[8]机器视觉在农业生产中的应用研究[J]. 刁智华,王会丹,魏伟. 农机化研究. 2014(03)
[9]基于萤火虫算法的二维熵多阈值快速图像分割[J]. 陈恺,陈芳,戴敏,张志胜,史金飞. 光学精密工程. 2014(02)
[10]基于近红外漫反射光谱技术的芒果糖度无损检测方法研究[J]. 曹霞,周学成,范品良. 农机化研究. 2013(01)
博士论文
[1]基于机器视觉的蜜柚品质检测方法研究[D]. 郭辉.中国农业大学 2015
[2]脐橙表面缺陷的快速检测方法研究[D]. 李江波.浙江大学 2012
[3]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
硕士论文
[1]基于机器视觉的苹果特征选择和分类识别系统[D]. 侯大军.江苏大学 2010
[2]基于计算机视觉的脐橙表面常见缺陷种类识别的研究[D]. 庞江伟.浙江大学 2006
本文编号：3133818
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3133818.html
最近更新
教材专著
