基于计算机视觉的山核桃壳仁分选的研究

发布时间：2023-12-29 18:32

　　山核桃营养价值丰富、口感风味独特,经济价值高,但受生长条件的影响,种植规模与生产规模较小,山核桃深加工生产的技术水平亟待提高。本文主要研究山核桃破壳加工生产线的壳仁智能化分选技术,针对解决破壳后的山核桃物料难以筛选的问题,通过计算机视觉技术对破壳后的山核桃的各种形态进行分类,识别出需要分选的核桃仁,提高山核桃的经济价值。本文以安徽省皖南山区天目山脉出产的山核桃为研究对象,搭建图像采集与测试平台,基于Labview虚拟仪器技术开发了用以分选山核桃的上位机检测系统,具有良好的人机交互界面,可实时采集、分析山核桃破壳物料的特征并输出识别结果。(1)设计了山核桃静态采集试验装置,建立以CCD传感器、环形光源、图像采集卡、工业计算机为硬件组成的图像采集与视觉检测系统。基于图像处理技术研究山核桃的物理特征,研究了图像预处理算法对山核桃样品图像的处理过程,排除了图像存在的干扰及冗余信息。基于选定的RGB/HSV/HIS/Lab颜色模型和灰度共生矩阵的统计量分别提取山核桃破壳物料主要形态的颜色特征与纹理特征,构建山核桃的识别特征模型,依据主成分分析对特征模型进行融合降维,获取用于识别的目标向量。(2)...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 课题研究目的及研究内容
        1.3.1 研究目的
        1.3.2 研究内容
        1.3.3 技术路线
    1.4 本章小结
2 山核桃壳仁图像采集硬件系统设计
    2.1 图像采集系统的要求
    2.2 图像采集系统的硬件构成
        2.2.1 CCD相机的选择
        2.2.2 照明光源
        2.2.3 工控采集设备
    2.3 相机的属性配置
    2.4 本章小结
3 山核桃壳仁图像的分析与处理
    3.1 山核桃壳仁图像的获取
    3.2 山核桃壳仁图像的预处理
        3.2.1 图像噪声的形式
        3.2.2 图像滤波
        3.2.3 背景分割
        3.2.4 图像连通域处理
        3.2.5 图像标定
    3.3 本章小结
4 山核桃主要结构的分类和特征提取
    4.1 山核桃结构分类标准
    4.2 颜色特征的选取
        4.2.1 RGB颜色模型
        4.2.2 HSV颜色模型
        4.2.3 HIS颜色模型
        4.2.4 Lab颜色模型
    4.3 纹理特征的选取
        4.3.1 山核桃主要结构纹理特征分析
        4.3.2 灰度共生矩阵模型
        4.3.3 山核桃图像的灰度共生矩阵构建
        4.3.4 纹理特征的选择
    4.4 特征模型建立及程序设计
        4.4.1 特征提取程序设计
        4.4.2 特征模型建立
    4.5 特征模型的融合降维与归一化
        4.5.1 PCA特征降维
        4.5.2 数据归一化处理
    4.6 本章小结
5 山核桃壳仁分选的方案选择
    5.1 识别模型的建立
    5.2 基于模糊聚类的识别模型
        5.2.1 模糊聚类的理论推导
        5.2.2 模糊聚类算法的实现
    5.3 基于DBSCAN聚类的识别模型
        5.3.1 DBSCAN算法介绍
        5.3.2 DBCAN算法的分类实现
    5.4 基于BP神经网络的识别模型
        5.4.1 BP神经网络介绍
        5.4.2 BP神经网络的识别过程
    5.5 基于SVM的识别模型
        5.5.1 支持向量机的基本理论
        5.5.2 非线性SVM的分类实现
    5.6 本章小结
6 试验
    6.1 试验目的及要求
    6.2 试验准备
        6.2.1 试验材料
        6.2.2 试验过程
    6.3 对比试验分析
    6.4 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
作者简介



本文编号：3876223