基于SVM的蔬菜分类方法研究

发布时间：2021-09-01 05:09

　　食品流通状况关系到国计民生,是我国经济的一个关键组成部分,但是作为其重要组成部分的蔬菜流通,它的分拣还存在人工多、效率低和自动化程度低的问题。将基于机器视觉的自动分拣方法应用到蔬菜物流分拣中,可以很好地解决上述问题,其中最关键的技术就是基于机器视觉的蔬菜分类识别算法。本文的主要工作是在采集图像构建蔬菜图像集基础上,研究蔬菜自动分拣中的识别算法,并从图像预处理、特征提取和分类识别三个方面展开深入研究。（1）采集图像样本。采用微单相机采集蔬菜图像并构建了两个图像集,分别命名为图像集1和图像集2。图像集1是在国内消费最多的蔬菜,分别是黄瓜、马铃薯、番茄、白萝卜以及小白菜;另一类图像集基于马铃薯的品质将其分为发芽、青皮、破损和完好等四种类型。（2）在对图像进行尺寸变化、平滑滤波的基础上,针对所采集的图像存在深色背景以及划痕等前景和背景具有明显对比度的情况,提出采取一种基于HSV的彩色图像分割方法,主要方法是颜色通道分离、阈值分割和图像相加等。（3）针对完整局部二值模式提取的纹理特征的光照不变性、噪声鲁棒性差的问题,提出了基于自适应阈值的带方向的完整局部二值模式（adaptation thres... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

人工分拣另一种方法是机械和人工配合的半自动化分拣

11第2章图像获取及分类方法设计2.1图像数据集的建立本论文是基于机器视觉的蔬菜分类研究，根据1.2节对于基于机器视觉的蔬菜分拣系统的论述，针对两种不同的应用场景分别建立了蔬菜图像集。首先针对生鲜输送中，不同种类蔬菜的分拣，建立了第一个图像集，将其命名为图像集1，建立方式是：根据查阅的资料，市面上常见的蔬菜主要可以分为4类，分别是：叶类蔬菜、茎类蔬菜、根类蔬菜和果类蔬菜，而果类蔬菜根据形状又可以分为条状果类和球状果类。本研究就是在此基础上建立图像集，将图像集中的目标蔬菜分为叶类、茎类、根类、条状果类和球状果类。考虑到蔬菜种类庞大，难以全面采集所有的蔬菜图像，因此出于经济性的考虑，选取了这5类蔬菜中销量最大的蔬菜分别作为它们的代表：叶类蔬菜的代表是小白菜，茎类蔬菜的代表是马铃薯，根类蔬菜的代表是白萝卜，条状果类蔬菜的代表是黄瓜，球状果类的代表是西红柿。根据以上内容，最终建立了蔬菜种类为5，每类图像90张（65张为训练样本，25张为测试样本）的图像集1，图2-1是图像集1中的图像经过图像预处理后的样本。图2-1图像集1

砹迨硭淙辉谖夜?魍ǔ潭?比较广泛，产业规模比较大，但是由于其价格不高，其品质问题并不受人关注。不过，因为变质会产生一种能够使人中毒和致癌的毒素龙葵素，所以关于如何采用机器视觉的方式区分出变质马铃薯的研究也具有十分重大的意义。基于上述论述，建立了一个马铃薯图像集，将其命名为图像集2，建立方式是：将图像集2分为4类：破损、青皮、发芽和完好（破损是指马铃薯表面存在机械损伤，青皮是指马铃薯表皮发青，发芽是指马铃薯表面已经出现了芽状突起）每类采集60张，随机选择其中45张作为训练集，15张作为测试集，图2-2是图像集2中的图像经过预处理后所得的样本。图2-2图像集22.2图像预处理图像预处理是特征提取前的一个重要流程，其操作目的是消除图像中与目标特征无关的信息，突出图像中真实有用的信息，同时简化数据。图像预处理可以囊括一切输入和输出都是图像的信息处理方法，在实际应用中需要结合图像特点和研究目的来选取合适的预处理方法，到达简化数据突出有用信息的目的。基于上述论述，论文确定了以下预处理步骤：（1）针对采集的图像样本的原始尺寸（2560×1920）过大而造成内存溢出的问题，对图像进行了尺度调整，减少了冗余数据。（2）针对采集的图像样本受到周围环境、光照还有机器固有条件的影响，产生噪声信号，破坏了图像信息的完整性和真实性的情况，通过平滑滤波在保留图像细节的前提下来去除了图像噪声[31]。（3）针对原始图像具有蓝色背景和白色划痕污染特征信息的问题，对图像进行了彩色图像分割，将目标从背景中分离。（4）针对纹理特征提取算法的操作对象是灰度图像的问题，对图像进行了


本文编号：3376323