基于深度学习的小麦外观品质机器视觉检测研究

发布时间：2020-08-07 02:56

【摘要】：小麦是我国主要的粮食作物和重要的商品粮、储备粮,在粮食的生产、流通和消费等环节中,小麦的外观品质检测对小麦质量的定等定级具有重要作用。目前,大部分谷物检测实验都还停留在人工肉眼观察阶段,针对目前基于机器视觉技术检测需要人工提取图像特征且识别率不高的问题,本文以小麦籽粒中完善籽粒、不完善粒(破损粒、病斑粒、发芽粒、发霉粒、虫蚀粒)和杂质(麦壳)为检测目标,搭建了基于机器视觉系统的小麦籽粒图像采集平台,研究了图像预处理和分割方法、基于人工提取特征的传统SVM(Support Vector Machine)识别方法、重点研究了基于深度学习的识别模型构建方法等,论文的主要内容和结论如下:(1)针对现有研究多数采用实验室环境下人工摆放小麦籽粒而造成采集图像效果不佳的问题,设计并开发了由进料口、型孔板、毛刷、毛刷驱动装置、工业摄像相机及光源等组成的机器视觉小麦籽粒图像检测平台。小麦籽粒由进料口投放到型孔板上,位于型孔板上方的毛刷在其驱动装置驱动下进行直线运动,使小麦籽粒均匀地平铺在型孔板的型孔中,并清除多余的籽粒落入籽粒回收箱;工业相机获取型孔板及型孔中的小麦籽粒图像,并传输到计算机进行处理、分析。采集的小麦籽粒图像清晰无粘连,为后续的图像预处理打下了良好的基础。(2)针对采集的批量小麦图像需要通过复杂的图像预处理算法才能去除图像中的噪声干扰和有效的分割算法才能分割出单籽粒图像的问题,本研究将采集的原始图像经过灰度化处理、中值滤波、阈值分割、形态学处理等操作,使得原始的图像去除了噪声的干扰,图像的质量得到了增强,并且快速地从原始图像中分割出单个籽粒目标,为后续的人工特征提取参数提供了良好的基础;采用最小外接矩形法分割后的单籽粒图像在尺寸上各异,为了便于后续试验的开展,以分割后尺寸最大的样本为基准,对其他所有样本进行尺寸扩展,使其尺寸和基准样本相同。同时小麦籽粒在孔洞中的位置具有随机性,通过对单籽粒图像进行旋转、翻转操作,将每个样本扩展为4个,整体样本容量扩展为原来的4倍,为后续的深度学习模型训练提供了更多、更全面的样本。(3)针对传统人工提取特征需要大量的特征参数且容易造成数据冗余现象等问题,本研究对分割后的单籽粒图像分别提取了12个颜色特征、10个形态学特征、5个纹理特征,并通过主成分分析法对27个有效特征进行数据处理,得到了最优的8个有效特征作为模型的输入参数,并将其输入到构建好的传统SVM模型中,该模型对7类小麦籽粒的正确识别率为80.2%,其中完善粒的识别率最高,为86.3%,杂质麦壳的识别率最低,为72.5%。试验结果表明,传统的人工提取特征并进行特征优选输入到SVM模型对小麦7种类型进行多分类可行,但识别准确率和识别时间较长。(4)针对传统的识别SVM模型识别结果不高的问题,提出基于深度学习模型的小麦完善粒、不完善籽粒和杂质识别方法,该方法在经典CNN(Conventional Neural Networks)网络模型中用Relu函数代替传统的Sigmoid函数,以减小模型收敛时间,在全连接层处引入Dropout技术以减小过拟合影响;在经典CNN网络模型基础上,引入了残差块结构和Bach Normalization算法,同时将第一个卷积层的核大小改为5×5并省去虚线残差块结构,构建了ResNet网络模型。试验结果表明,经典CNN模型和ResNet模型对7类小麦籽粒的正确识别率分别为90.6%和96.3%。ResNet模型识别正确率最高,比经典CNN模型和SVM模型分别提高了5.7%和16.1%。每组检测耗时为56s,可满足粮库小麦收购快速品质检测需求。
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP181;TP391.41;S512.1

【相似文献】

中国期刊全文数据库 前10条

1 宋春华;彭泫知;;机器视觉研究与发展综述[J];装备制造技术;2019年06期

2 ;机器视觉对线缆市场的影响及趋势[J];功能材料信息;2018年04期

3 郑植;席先鹏;王楠;蒋欣燎;夏山淋;;机器视觉在网球捡球机器人中的应用研究[J];科技创新与应用;2019年16期

4 朱阳芬;银冬平;邹舜章;王海文;周为;;机器视觉在汽车行业中的发展与应用[J];汽车实用技术;2017年22期

5 吴东明;王丽娟;;基于GPS和机器视觉的自主导航定位农机设备研究[J];农机化研究;2018年02期

6 ;机器视觉时代,最好的时代![J];智能机器人;2018年02期

7 宗卫红;;台达机器视觉系统助力制造业迈向智造新时代——访台达集团-中达电通机器视觉产品项目经理王风路[J];国内外机电一体化技术;2016年06期

8 何遥;;宇视揭秘安防机器视觉[J];中国公共安全;2016年19期

9 阮晋蒙;;机器视觉:让中国制造2025“看”得更远[J];新经济导刊;2017年Z1期

10 ;凌华科技推出三款高性能机器视觉产品[J];自动化应用;2017年02期

中国重要会议论文全文数据库 前10条

1 金守峰;张慧;;面向机器视觉的织物纬斜检测方法[A];全国先进制造技术高层论坛暨第九届制造业自动化与信息化技术研讨会论文集[C];2010年

2 管庶安;周龙;陈永强;廖明潮;;机器视觉在粮食品质检测中的应用研究[A];中国粮油学会第三届学术年会论文选集（下册）[C];2004年

3 张超;徐建瑜;王文静;;基于机器视觉的梭子蟹质量估计方法研究[A];浙江省信号处理学会2013学术年会论文集——信号处理在海洋[C];2013年

4 刘炎艳;;基于机器视觉的卷烟32位码识别系统研究[A];中国烟草学会2014年学术年会入选论文摘要汇编[C];2014年

5 王海宽;张锐;周志境;费敏锐;;基于机器视觉的智能医疗吊塔系统的设计与实现[A];2015全国嵌入式仪表及系统技术会议程序册[C];2015年

6 王稳;郭文成;叶宇翔;;基于机器视觉的激光光斑位置测量[A];2015年工业设计与协同创新学术会议暨第20届全国工业设计学术年会论文集[C];2015年

7 吴远峰;金翠娥;刘颖卓;;基于机器视觉的智能检测方法研究[A];第十一届全国磁粉渗透检测技术年会论文集[C];2017年

8 胡庆新;王伟;顾爱华;;基于机器视觉的农产品物料分级检测系统关键技术研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

9 杨战红;何占方;李旦;徐锐;;基于机器视觉的五坐标机床旋转轴误差检测方法[A];探索科学2016年5月学术研讨[C];2016年

10 张超;李慧;;基于机器视觉的零件自动识别研究[A];探索 创新 交流（第7集）——第七届中国航空学会青年科技论坛文集（下册）[C];2016年

中国重要报纸全文数据库 前10条

1 本报记者 李佳师;人工智能市场逼近2700亿元 三大难题待突破[N];中国电子报;2016年

2 本报记者 曹卫新;掘金机器视觉百亿元市场 天准科技65天过会[N];证券日报;2019年

3 宜宾 李定川;机器视觉光源基础及选型指导(一)[N];电子报;2018年

4 本报记者 骆轶琪;机器视觉的产业化演进：半导体打开想象空间[N];21世纪经济报道;2018年

5 中国电子信息产业发展研究院信息化研究中心智慧城市研究室主任 刘鹏宇;智能技术：呈现八大趋势[N];中国电子报;2017年

6 赛迪智库信息化中心助理研究员 刘鹏宇;2017年智能技术发展趋势[N];中国计算机报;2017年

7 经济日报·中国经济网记者 周明阳;给机器一双“慧眼”[N];经济日报;2017年

8 本报记者 胡心媛;机器视觉展推动智能制造落地[N];中国贸易报;2017年

9 本报记者 蔡炜;书写“东方工匠”传奇的黑牡丹集团技术总监邓建军：“创新，只有起点没有终点”[N];新华日报;2017年

10 本报研究员 费天元;机器视觉成争夺焦点 应用场景将加速拓展[N];上海证券报;2016年

中国博士学位论文全文数据库 前10条

1 侯杰;飞行器机器视觉框架设计及算法研究[D];西安电子科技大学;2017年

2 郭依正;基于机器视觉的俯视群养猪个体识别与饮水行为分析研究[D];江苏大学;2018年

3 李晨;基于机器视觉的不同属性表面中微弱缺陷的检测技术研究[D];浙江大学;2018年

4 胡志新;基于机器视觉的钢轨踏面磨耗剥落检测技术研究[D];南昌大学;2018年

5 吴衡;机器视觉鬼成像理论与实验研究[D];华南理工大学;2017年

6 项森伟;高温单晶硅液位和直径视觉检测关键技术及应用研究[D];浙江大学;2018年

7 胡越黎;目的机器视觉研究及其在皮肤症状识别中的应用[D];上海大学;2005年

8 韩彦芳;机器视觉中的聚类检测新方法[D];上海交通大学;2006年

9 饶洪辉;基于机器视觉的作物对行喷药控制系统研究[D];南京农业大学;2006年

10 周平;基于机器视觉的自然目标特征学习与即时检测[D];浙江大学;2006年

中国硕士学位论文全文数据库 前10条

1 姜金怿;基于机器视觉的焊缝定位算法研究[D];沈阳建筑大学;2017年

2 李凌燕;基于机器视觉的焊点检测算法研究[D];沈阳建筑大学;2017年

3 易振_g;基于机器视觉的碟式镜面实时监控[D];浙江大学;2019年

4 李潇;基于机器视觉数据采集的MES关键技术研究[D];浙江大学;2019年

5 刘宏文;基于机器视觉的水果自动分拣系统关键技术研究[D];北京邮电大学;2019年

6 高华;基于机器视觉的工件定位与识别系统[D];浙江大学;2019年

7 翁敬喻;基于机器视觉的口罩带缺失检测方法研究[D];西安理工大学;2016年

8 吴佳宁;基于机器视觉的木板实时检测算法[D];沈阳工业大学;2019年

9 王一妍;基于机器视觉的轮毂铸造面质量检测研究[D];沈阳工业大学;2019年

10 代伟;基于机器视觉的墨区墨量控制研究[D];西安理工大学;2019年

本文编号：2783366