基于图像的多指标融合的苹果分级技术研究
发布时间：2021-06-16 03:48
随着农业自动化程度的提高和人们对高生活质量的追求,苹果自动分级技术已成为苹果生产过程中提高效率和稳定质量的一种必要手段。红富士苹果作为国际和国内的主流品种之一,其自动分级技术具有重要的应用价值。目前,已有的红富士苹果自动分级技术主要针对其某一单项特征进行处理。然而,单项特征并不能准确的反映苹果的综合品质。因此,本文采用计算机视觉、模式识别等技术,针对业界实际使用的主要指标,进行了多指标融合的无接触式红富士苹果自动分级技术研究和实践。本文设计并实现了基于图像的多指标融合的苹果分级软件系统。该系统处理流程按顺序包括图像采集、图像预处理、表面多特征提取以及基于SVM的多特征融合的苹果分级共4个步骤。图像采集阶段对每个苹果拍摄得到一幅顶视图像和三幅不同部位的侧视图像,作为系统输入。在图像预处理阶段,首先使用同态滤波消除图像光照不均问题,并对灰度范围进行调整;然后提出一种改进的开运算算法,实现图像前景的苹果部分的精确分割。在表面多特征提取阶段,参考实际生产中常用的颜色、纹理和圆度指标,分别采用相应算法提取对应特征,包括:颜色方面通过对分割前景的H通道进行统计分析计算苹果的红色程度,纹理方面将共生...
【文章来源】：南京邮电大学江苏省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
三层人工神经网络图
士研究生学位论文 第二章 支持向们一直是假定训练样本在样本空间或者特征空间都是线性到这样一个超平面模型它能完全划分不同类别的样本。实练样本在特征空间中能找到一个超平面实现线性可分的困找到了某个核函数使训练集在特征空间中线性可分，也可的结果。因此为了优化这个问题，我们要引入“软间隔”（许支持向量机在一些样本上可以出错，软间隔示意图如 2WTX+b=1
表示为：C=r[R]+r[G]+r[B]。该彩色空间可以用一个三维的单位正方）。故而任何一种颜色在 RGB 彩色空间中都可以从正方体中找到一图 3.1 所示的单位立方体，其中三原色分别位于 3 个角上；二次色当三原色的分量均为 0 时最弱，对应立方体即为原点处 P（0,0,0），色的分量均为最大时，其中最大值由存储空间决定，相加混合为白点最远的点 P（1,1,1）。方便起见对颜色值进行归一化操作，即 R、根据该彩色空间，任何一副彩色图像都可以被分解到这三个独立的任意一副彩色图像由这三个独立的基本色平面组成。因此使用 RGB Magenta WhiteCyanBlue(0,0,1)B
【参考文献】：
期刊论文
[1]基于计算机视觉信息处理技术的苹果自动分级研究[J]. 苏欣. 农机化研究. 2017(06)
[2]基于计算机视觉的苹果自动分级技术[J]. 黄叶星,吴荣腾. 福建电脑. 2017(05)
[3]计算机视觉信息处理技术在苹果自动分级中的应用[J]. 阙玲丽. 农机化研究. 2017(05)
[4]基于计算机视觉对苹果脆片外观品质分级[J]. 魏康丽,王振杰,孙柯,殷旭,赵保民,屠康,陈飞,朱金星,潘磊庆. 南京农业大学学报. 2017(03)
[5]基于改进二进制粒子群算法的苹果多特征提取分级研究[J]. 张健,张莉华. 浙江农业学报. 2016(09)
[6]基于RGB颜色模型的红富士苹果表皮红色区域检测[J]. 黄兆良,朱启兵. 激光与光电子学进展. 2016(04)
[7]柑橘产业自动分拣次品技术的应用现状[J]. 郑岳智. 农业与技术. 2015(24)
[8]基于Android智能手机图像分析判定香蕉成熟阶段[J]. 刘阳泰,董庆利,秦智轩,刘洋,樊欣熠,胡孟晗,刘宝林. 食品与发酵工业. 2016(01)
[9]基于视觉技术的苹果分拣系统设计[J]. 王鑫,赵莹,杨简. 中国农机化学报. 2014(05)
[10]基于颜色和重量特征的苹果在线分级系统设计[J]. 谈英,顾宝兴,姬长英,田光兆,金丽丽,李珈慧. 计算机工程与应用. 2016(02)
硕士论文
[1]基于机器视觉的苹果果梗/花萼与缺陷识别[D]. 邱光应.西南大学 2017
[2]基于计算机视觉的血橙无损检测与分级技术研究[D]. 伍光绪.西南大学 2016
[3]图像分类中图像表达与分类器关键技术研究[D]. 曾辉.大连理工大学 2016
[4]基于机器视觉的球形果蔬自动化分级技术研究[D]. 朱黎辉.四川师范大学 2015
[5]基于计算机视觉的果蔬自动分类技术中的特征分析的研究[D]. 虞玲.东南大学 2015
[6]基于机器视觉的苹果检测与识别关键技术研究[D]. 付鹏.西北农林科技大学 2012
[7]基于高光谱散射图像的苹果粉质化特征提取与分类[D]. 汪泊锦.江南大学 2012
[8]基于数字图像处理的水果表面品质检测方法研究[D]. 马秀丽.东北大学 2011
[9]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
[10]图像特征提取与分割算法在苹果图像中的应用[D]. 武鹏.重庆大学 2010
本文编号：3232297
【文章来源】：南京邮电大学江苏省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
三层人工神经网络图
士研究生学位论文 第二章 支持向们一直是假定训练样本在样本空间或者特征空间都是线性到这样一个超平面模型它能完全划分不同类别的样本。实练样本在特征空间中能找到一个超平面实现线性可分的困找到了某个核函数使训练集在特征空间中线性可分，也可的结果。因此为了优化这个问题，我们要引入“软间隔”（许支持向量机在一些样本上可以出错，软间隔示意图如 2WTX+b=1
表示为：C=r[R]+r[G]+r[B]。该彩色空间可以用一个三维的单位正方）。故而任何一种颜色在 RGB 彩色空间中都可以从正方体中找到一图 3.1 所示的单位立方体，其中三原色分别位于 3 个角上；二次色当三原色的分量均为 0 时最弱，对应立方体即为原点处 P（0,0,0），色的分量均为最大时，其中最大值由存储空间决定，相加混合为白点最远的点 P（1,1,1）。方便起见对颜色值进行归一化操作，即 R、根据该彩色空间，任何一副彩色图像都可以被分解到这三个独立的任意一副彩色图像由这三个独立的基本色平面组成。因此使用 RGB Magenta WhiteCyanBlue(0,0,1)B
【参考文献】：
期刊论文
[1]基于计算机视觉信息处理技术的苹果自动分级研究[J]. 苏欣. 农机化研究. 2017(06)
[2]基于计算机视觉的苹果自动分级技术[J]. 黄叶星,吴荣腾. 福建电脑. 2017(05)
[3]计算机视觉信息处理技术在苹果自动分级中的应用[J]. 阙玲丽. 农机化研究. 2017(05)
[4]基于计算机视觉对苹果脆片外观品质分级[J]. 魏康丽,王振杰,孙柯,殷旭,赵保民,屠康,陈飞,朱金星,潘磊庆. 南京农业大学学报. 2017(03)
[5]基于改进二进制粒子群算法的苹果多特征提取分级研究[J]. 张健,张莉华. 浙江农业学报. 2016(09)
[6]基于RGB颜色模型的红富士苹果表皮红色区域检测[J]. 黄兆良,朱启兵. 激光与光电子学进展. 2016(04)
[7]柑橘产业自动分拣次品技术的应用现状[J]. 郑岳智. 农业与技术. 2015(24)
[8]基于Android智能手机图像分析判定香蕉成熟阶段[J]. 刘阳泰,董庆利,秦智轩,刘洋,樊欣熠,胡孟晗,刘宝林. 食品与发酵工业. 2016(01)
[9]基于视觉技术的苹果分拣系统设计[J]. 王鑫,赵莹,杨简. 中国农机化学报. 2014(05)
[10]基于颜色和重量特征的苹果在线分级系统设计[J]. 谈英,顾宝兴,姬长英,田光兆,金丽丽,李珈慧. 计算机工程与应用. 2016(02)
硕士论文
[1]基于机器视觉的苹果果梗/花萼与缺陷识别[D]. 邱光应.西南大学 2017
[2]基于计算机视觉的血橙无损检测与分级技术研究[D]. 伍光绪.西南大学 2016
[3]图像分类中图像表达与分类器关键技术研究[D]. 曾辉.大连理工大学 2016
[4]基于机器视觉的球形果蔬自动化分级技术研究[D]. 朱黎辉.四川师范大学 2015
[5]基于计算机视觉的果蔬自动分类技术中的特征分析的研究[D]. 虞玲.东南大学 2015
[6]基于机器视觉的苹果检测与识别关键技术研究[D]. 付鹏.西北农林科技大学 2012
[7]基于高光谱散射图像的苹果粉质化特征提取与分类[D]. 汪泊锦.江南大学 2012
[8]基于数字图像处理的水果表面品质检测方法研究[D]. 马秀丽.东北大学 2011
[9]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
[10]图像特征提取与分割算法在苹果图像中的应用[D]. 武鹏.重庆大学 2010
本文编号：3232297
本文链接：https://www.wllwen.com/nykjlw/nygclw/3232297.html
