基于机器视觉的马铃薯品质分级系统研究

发布时间：2020-04-12 15:46

【摘要】：近年来,随着机器视觉技术的快速发展,它被广泛应用于农产品的检测中。我国是马铃薯的生产大国,但是马铃薯品质检测主要还是依靠于人工分级,效率低下、成本高,所以如何快速、实时和无损的检测马铃薯具有重要的意义和科学价值。本文结合机器视觉技术,对马铃薯质量检测、薯形分类、外部缺陷类型算法进行研究,并设计了一套基于嵌入式开发平台的马铃薯检测系统。主要研究内容如下:1.设计并搭建了马铃薯图像采集系统,通过选择摄像机、镜头、光源,确定了光室的布置,并采用张氏标定法对相机进行标定,尽量消除畸变对于马铃薯图像的影响。2.对图像灰度化、图像平滑、图像分割、图像边缘检测算法进行对比,选择最适合马铃薯图像的预处理算法。3.在马铃薯质量检测中,通过对比面积法、周长法、多因素模型法,最终确定采用三面积法来拟合马铃薯质量模型,实验表明该模型具有很高的相关性,平均检测准确率为97.33%。4.在薯形分类检测中,在传统Hu不变矩7个特征值的基础上,引入了新的3个不变矩,用于提取马铃薯的特征参数。为了提高马铃薯检测效率,在形状不变矩的基础上提出了基于改进的边缘不变矩。利用混沌粒子群算法对支持向量机的核函数参数进行优化,以马铃薯分类准确率为标准,最终确定了7个传统边界矩和引入的1个边界矩作为马铃薯分类的特征参数,薯形分类准确率达到了96%。5.在马铃薯外部缺陷检测中,通过观察其表面缺陷特征,利用R、G、B三个分量的取值对马铃薯表面绿皮进行检测。利用HSV彩色空间的亮度截取法,限定阈值大小,对马铃薯表面机械损伤、出芽、干腐等缺陷进行检测,最终实现马铃薯表面缺陷分类。6.结合嵌入式Zybo Z7开发平台,设计了马铃薯检测系统。利用FPGA的加速器设计,将马铃薯检测算法封装成IP核,在ARM处理器中移植了Linux操作系统,通过Qt交互式界面设计,调用机器视觉库,实现了对马铃薯品质的在线检测。
【图文】：

缺陷检测,颜色,马铃薯

工程硕士专业学位论文Angel Dacal[20]等人设计了一套高光谱的成像系统，对采集到的马铃薯外部损伤检测。该系统通过选择合适的特征波段，结合支持向量机和随进行建模。经过大量实验表明，分类的准确率达到了 97%。伊朗的 Navid Razmjooy[21]等人将马铃薯按照工业标准进行分级，然后色缺陷检测系统，如图 1-2 所示，该系统颜色分级精度达到了 96%，尺度达到了 96.95%。

在线检测系统,苹果

图 1-3 双平面镜实时机器视觉系统Figure 1-3 Two mirror real-time machine vision system]等人分别从正面、背面、侧面三个方向，通过反射高铃薯的原始图像。通过该方法建立的马铃薯损伤模型缺陷检测]等人在检测鸭梨表面缺陷时，提出了用多台相机从摄，然后对拍摄到的图像进行切割，并且提取其相关坏梨的准确率达到了 89%。]在检测苹果的时候，设计了一套基于 3 个摄像系统所示。首先通过 3 个摄像头获取苹果在 3 个不同位像进行相关预处理，再对采集到的图像进行缺陷检测图像包含两个及以上的可疑区域时，，该苹果被判定为达到了 89.14%，相较于之前的检测方法，使用该系都有了很大的提高，每秒钟可以检测 5-10 个苹果。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;S532

【参考文献】