基于机器视觉的胡萝卜表面缺陷识别方法研究

发布时间：2021-10-16 04:12

　　胡萝卜在生长与收获运输过程中,不可避免会出现一些外观缺陷,缺陷胡萝卜的剔除是胡萝卜上市销售前的重要环节。目前缺陷胡萝卜主要依靠人工分选,具有分选标准不稳定、劳动强度大、成本高等缺点。为了快速、准确、无损地检测缺陷胡萝卜,将机器视觉技术引入到胡萝卜分选过程中,以提高分选准确率和效率。胡萝卜表面缺陷包括青头、弯曲、断裂、分叉和开裂等,缺陷特征互不相同,所以不同缺陷需要不同的检测算法。青头检测利用胡萝卜正常区域与青头区域的颜色差异实现,胡萝卜图像在HSV颜色空间下,利用统计方法确定青头区域H、S和V的判别阈值;弯曲、断裂和分叉识别是根据正常胡萝卜与缺陷胡萝卜之间的形状差异实现,凸壳算法、Hu不变矩和Harris角点检测算法分别用来检测胡萝卜弯曲、断裂和分叉缺陷;开裂检测则是利用胡萝卜正常与开裂区域的纹理差异实现,Sobel水平边缘检测算子、Canny边缘检测算子结合形态学操作实现胡萝卜开裂区域提取。结果表明青头、弯曲、断裂、分叉和开裂的识别准确率分别为100%、91.14%、90.57%、94.57%和95.45%,总体识别准确率达94.91%,满足胡萝卜在线分选精度要求。 

【文章来源】：农业机械学报. 2020,51(S1)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

胡萝卜形态图

图像预处理是图像处理过程中必不可少的一个环节，经过预处理后图像质量会得到提高，缺陷特征会更加明显。图像预处理将胡萝卜区域图像提取出来，删除其他无关区域。首先根据胡萝卜的灰度直方图(图3b)将胡萝卜从背景中分割，分割阈值为式中t———分割阈值

如果图像某点像素值大于阈值t，则将其像素值设为255，否则设为0。为了使胡萝卜的形态表达不受影响，在胡萝卜边缘处保留10个像素，最后得到去除无关区域的二值图(图3c)。然后将二值图转换为三通道彩色图，二值图作为掩膜与原图进行形态学“与”操作得到了去除背景的胡萝卜彩色图像(图3d)。经过图像预处理后，胡萝卜图像既去除背景，同时保证胡萝卜无变形，保留原始图像的拓扑结构，避免识别结果受胡萝卜变形的影响。1.3 缺陷识别算法

【参考文献】：
期刊论文
[1]基于卷积神经网络的油茶籽完整性识别方法[J]. 谢为俊,丁冶春,王凤贺,魏硕,杨德勇.  农业机械学报. 2020(07)
[2]基于otsu算法和Hu不变矩的交通信号灯识别[J]. 余泽东.  武汉大学学报(工学版). 2020(04)
[3]基于机器视觉的荞麦剥壳性能参数在线检测方法[J]. 吕少中,杜文亮,陈震,陈伟,苏日嘎拉图.  农业机械学报. 2019(10)
[4]单粒玉米种子成熟度快速判别方法[J]. 高彤,吴静珠,毛文华,刘翠玲,孙晓荣,余乐.  农业机械学报. 2019(S1)
[5]大豆植株分杈数自动提取算法研究[J]. 姚远,孟金慧,李向阳.  现代农业科技. 2019(11)
[6]基于深度卷积神经网络的柑橘目标识别方法[J]. 毕松,高峰,陈俊文,张潞.  农业机械学报. 2019(05)
[7]苏叶在线分选系统设计与试验[J]. 赵博,王烨,董鑫,李亚硕,姜含露,吕程序.  农业机械学报. 2019(06)
[8]基于图像处理的胡萝卜青头、须根与开裂的检测方法[J]. 韩仲志,邓立苗,徐艳,冯永莲,耿琪超,熊凯.  农业工程学报. 2013(09)



本文编号：3439122