基于机器视觉的马铃薯品质检测方法研究

发布时间：2021-05-07 17:31

　　机器视觉是“精准农业”的好助手。相比传统检测,结合机器视觉技术的农产品无损检测的优势体现在快速、高效、精准等方面。近年来,农业部推进马铃薯主粮化战略,马铃薯作为重要的粮食作物,其品质检测方法还有待完善。因此,本文针对马铃薯品质检测方法,从实际应用出发结合机器视觉技术,汇总分析了马铃薯品质检测中影响较大的指标并对其进行研究。本文具体研究内容如下:1.首先选择来源合适的马铃薯、搭建机器视觉采集系统箱以及选择系统摄像机标定方法,以保证马铃薯样本图像的信息完整。接着通过图像预处理获得较为清晰的图像。2.研究马铃薯的质量检测方法,目的是建立马铃薯质量检测模型。首先推导出马铃薯面积和质量之间、周长和质量之间的数学模型。通过对比发现马铃薯的质量和面积因素的相关程度较高。因此,提出了双角度面积模型法,实验结果表明,该模型不具备普适性。最后采取三个角度测量面积,来拟合多角度质量模型。该模型对于马铃薯形状要求不高,具有较强的适用性,基本可以达到生产加工的实际需要,本文选取该模型作为马铃薯质量的测量模型。3.研究马铃薯的外部缺陷检测方法,首先介绍了马铃薯常见的外部缺陷,针对三类马铃薯外部缺陷分别提出了三种检... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 课题研究背景与意义
    1.2 机器视觉技术研究现状
    1.3 国内外研究现状
    1.4 本文主要研究内容
2 马铃薯图像采集与预处理
    2.1 研究对象概述
    2.2 机器视觉采集系统搭建
    2.3 摄相机标定
    2.4 图像采集与保存
    2.5 图像预处理
    2.6 形态学处理
    2.7 本章小结
3 马铃薯质量检测方法研究
    3.1 单角度面积法
    3.2 单角度周长法
    3.3 双角度模型法
    3.4 多角度模型法
    3.5 本章小结
4 马铃薯外部缺陷检测方法研究
    4.1 马铃薯外部缺陷种类
    4.2 颜色空间
    4.3 基于颜色特征的外部缺陷检测
    4.4 基于SUSAN算子的外部缺陷检测
    4.5 本章小结
5 马铃薯形状分类算法研究
    5.1 特征参数选取
    5.2 SVM支持向量机
    5.3 综合学习粒子群算法
    5.4 基于CLPSO-SVM的薯形分类算法
    5.5 本章小结
6 马铃薯品质检测系统设计与实现
    6.1 嵌入式开发平台
    6.2 基于Vivado HLS的 IP核封装
    6.3 系统设计实现
    6.4 系统验证
    6.5 本章小结
7 总结与展望
    7.1 论文总结
    7.2 工作展望
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]中国马铃薯种薯产业发展分析与展望[J]. 崔永伟,杜聪慧,李树君.  农业展望. 2020(01)
[2]马铃薯人均消费的全球趋势分析[J]. 李兴,刘依庆.  江苏农业科学. 2019(19)
[3]马铃薯主食化现状及发展对策[J]. 王建雄,王志虹,张姝鑫,景玉川,王毅,白洁,张成龙.  山西农业科学. 2019(09)
[4]具有自适应行为的粒子群算法研究[J]. 丁知平,刘超,牛培峰.  统计与决策. 2019(02)
[5]基于卷积神经网络和支持向量机算法的马铃薯表面缺陷检测[J]. 许伟栋,赵忠盖.  江苏农业学报. 2018(06)
[6]中国马铃薯主食产业化发展现状与前景展望[J]. 尚晋伊,史小峰.  科技资讯. 2018(21)
[7]融合RGB颜色空间的植物图像分割模型[J]. 刘国奇,邓铭,李晨静.  郑州大学学报(理学版). 2019(01)
[8]马铃薯产业发展问题与优势分析[J]. 李长贵.  农民致富之友. 2018(07)
[9]马铃薯产业发展面临的新形势[J]. 李云会.  农民致富之友. 2018(07)
[10]一种采用FPGA实现CORTEX-M0 IP核验证的方法[J]. 陈大科.  微电子学与计算机. 2018(03)

博士论文
[1]地形视角下农户马铃薯种植规模与绩效研究[D]. 马力阳.中国农业科学院 2019
[2]中国粮食供给侧结构性改革研究[D]. 邓国清.武汉大学 2018
[3]马铃薯隐形损伤的生物散斑活性特征及检测研究[D]. 高迎旺.浙江大学 2018
[4]基于深度学习的图像分类方法研究[D]. 孟丹.华东师范大学 2017
[5]基于视觉与图像的植物信息采集与处理技术研究[D]. 张卫正.浙江大学 2016
[6]支持向量机鲁棒性模型与算法研究[D]. 王快妮.中国农业大学 2015
[7]可重构的机器视觉在线检测方法的研究[D]. 李九灵.武汉科技大学 2013
[8]基于光谱和高光谱图像技术的蚕茧品质无损检测研究[D]. 金航峰.浙江大学 2013
[9]基于图理论的图像结构化描述与匹配方法研究[D]. 曲智国.国防科学技术大学 2013
[10]基于机器视觉的驾驶人疲劳状态识别关键问题研究[D]. 张伟.清华大学 2011

硕士论文
[1]图像边缘检测及模式识别技术研究[D]. 吕彦诚.哈尔滨工业大学 2019
[2]基于ZYNQ的图像采集处理系统设计与实现[D]. 刘应盼.西安电子科技大学 2019
[3]基于机器视觉的马铃薯品质分级系统研究[D]. 王勉.中国矿业大学 2019
[4]基于千万级像素的批量磁芯外观缺陷检测算法的研究[D]. 徐颖.西安电子科技大学 2019
[5]基于视频图像的运动多目标跟踪算法研究[D]. 陈楠.国防科技大学 2017
[6]基于改进卷积神经网络的交通标志牌识别算法研究[D]. 张鹏.吉林大学 2017
[7]移动设备交互式图像测量的研究与应用[D]. 陈灿.宁夏大学 2017
[8]基于机器视觉的室内人物检测与场景识别[D]. 孔郁偲.杭州电子科技大学 2017
[9]基于计算机视觉的马铃薯外部缺陷检测方法研究[D]. 王福香.内蒙古农业大学 2015
[10]基于Zynq-7000的嵌入式数字图像处理系统设计与实现[D]. 焦再强.太原理工大学 2015



本文编号：3173795