面向颗粒状农产品的分选方法研究

发布时间：2020-04-10 15:32

【摘要】：近年来对于颗粒状农产品的分选已经由机器筛选逐渐代替了传统的人工分选,机器筛选以其速度快、信息量大、功能多等优点得到广泛应用,摒弃了传统人工分选会导致分选周期长、错误率高和效率低等缺陷。本文是面向颗粒状农产品的分选方法的研究。利用彩色线阵CCD视觉系统对颗粒状农产品进行成像,然后将得到的图像在PC上保存,并对图像进行特征提取和筛选,最后根据筛选出的最优特征值在FPGA上实现KNN分类算法,从而实现颗粒状农产品的分选。论文主要研究的内容有：(1)连通域标记算法的研究。为了对实时运动的物体进行跟踪与标记,需要对图像中的物体进行连通域标记,讨论了基于线阵CCD的连通域标记算法,并在PC上对算法进行验证,并给出FPGA实现连通域标记算法的思路。(2)基于KNN算法的特征筛选。以RGB颜色空间为主进行特征提取,主要以一维和二维的直方图为主,对于提取的特征用KNN筛选算法进行特征筛选,得到的最优特征值用KNN算法进行验证,结果表明在选择合理特征个数和K值情况下对花生和开心果的分选正确率达到了95%以上。实验表明特征个数在3-5个能达到最高的正确率,3-5个特征表明了KNN算法适合FPGA实现。(3)基于FPGA的KNN算法实现。利用HDL(硬件描述语言)进行KNN算法在FPGA上的实现并仿真进行验证,在基于线阵CCD的视觉系统上给出算法的思路和算法验证。
【图文】：

图３．邋５大\的连通域标记结果逡逑Ｆｉｇ３．５邋Ｒｅｓｕｈｓ邋ｏｆ邋Ｊｕｊｕｂｅ邋ｃｏｎｎｅｃ化ｄ邋ｃｏｍｐｏｎｅｎｔ邋ｌａｂｅｌｉｎｇ逡逑ＦＰＧＡ的连通域算法实现思路逡逑标记算法可Ｗ用兵马操作来实现，这样可Ｗ提高算法运行１＾＾分为下几步：逡逑２０逡逑

高维直方图的意思是对每个维度的灰度值进行统计。逡逑本章用ＫＮＮ算法对花生和开屯、果进行分类，特征筛选的方法用的是ＫＮＮ算逡逑法，，分类也用的ＫＮＮ算法。Ｈ种需要分选的花生的样本如图４．７所示：逡逑Ｉ

本文编号：2622399