基于机器视觉的动态马铃薯外部品质无损检测研究
发布时间：2023-01-12 15:41
近年来,机器视觉技术迅速发展,其在缺陷检测中也发挥着不可替代的作用,为增加马铃薯的附加值、提升马铃薯市场竞争力、促进马铃薯产业的发展,基于机器视觉的检测技术在马铃薯分级过程中大显身手。本文主要从以下5个方面进行了研究:（1）为了准确有效的提取马铃薯的特征,研究了图像平滑处理,以及图像分割技术、图像的腐蚀与膨胀、开运算闭运算、图像去背景操作、最小外接矩等图像预处理技术。（2）缺陷检测模块,对比SUSAN算子与灰度阈值两种方法的优缺点,使用灰度阈值为0.3提取缺陷部分,只对缺陷部分图像进行处理,并通过面积阈值为200的方法,减少了斑点马铃薯的误判,增加了虫眼和机械损伤缺陷识别准确率。（3）重量检测模块,通过提取马铃薯的几何特征参数,对比了三种检测方法,创新性提出了三因素面积参数法进行拟合,其相关系数为0.9824,具有很高的相关性,并在实际检测过程中,改善了个别马铃薯误差较大的问题,也提高了整体的检测精度。（4）薯形检测模块,获得马铃薯七个不变矩参数作为BP神经网络的输入参数,建立了适合马铃薯形状分类的7×5×1神经网络模型。（5）使用matlab parfor代替for循环进行同步运算,...
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题来源
1.2 研究的意义
1.3 国内外研究现状
1.4 课题研究内容
1.5 本章小结
第二章 图像预处理
2.1 图像平滑
2.2 图像分割
2.3 形态学处理
2.4 本章小结
第三章 外部缺陷检测
3.1 基于SUSAN算子缺陷分割
3.2 灰度信息缺陷分割
3.3 本章小结
第四章 马铃薯重量检测
4.1 面积法
4.2 周长法
4.3 质量模型参数选择
4.4 本章小结
第五章 马铃薯薯形检测
5.1 图像的不变矩
5.2 人工神经网络
5.3 基于BP神经网络的薯形分类模型
5.4 实验结果
5.5 本章小结
第六章 并行处理及系统软件设计
6.1 并行处理概述
6.2 并行处理实验
6.3 模块并行程序检测
6.4 系统软件设计
6.5 本章小结
第七章 结论与展望
7.1 结论
7.2 不足与展望
参考文献
致谢
个人简介
【参考文献】：
期刊论文
[1]基于机器视觉的苹果品质在线分级检测[J]. 石瑞瑶,田有文,赖兴涛,古文君. 中国农业科技导报. 2018(03)
[2]基于机器视觉的脐橙采后田间分级系统设计[J]. 王干,孙力,李雪梅,张明,吕强,蔡健荣. 江苏大学学报(自然科学版). 2017(06)
[3]基于高通滤波的马铃薯机械损伤机器视觉检测[J]. 许伟栋,赵忠盖,刘飞. 农机化研究. 2017(10)
[4]马铃薯质量和形状自动分级系统研究—基于计算机视觉[J]. 王聪,王婷. 农机化研究. 2018(06)
[5]马铃薯分选机的设计[J]. 姜彦武,魏宏安,陆翔辉,黄晓鹏,史明明. 甘肃农业大学学报. 2017(01)
[6]基于机器视觉的番茄实时分级系统设计[J]. 袁亮,涂雪滢,巨刚,刘祖兵,吴金强. 新疆大学学报(自然科学版). 2017(01)
[7]基于图像特征融合的苹果在线分级方法[J]. 黄辰,费继友. 农业工程学报. 2017(01)
[8]机器视觉核桃分级中相机可变视场与像素转换系数自动获取方法[J]. 郭政,周军,史建新,蔡建. 安徽农业科学. 2016(29)
[9]基于机器视觉黄瓜果实自动分级方法[J]. 李明,房俊龙,乔翊博,刘超,张伶鳦,赵朝阳,栾吉玲. 农机化研究. 2016(11)
[10]基于机器视觉技术的塑料制品缺陷检测研究[J]. 沈红雷. 塑料科技. 2016(08)
博士论文
[1]基于机器视觉的蜜柚品质检测方法研究[D]. 郭辉.中国农业大学 2015
[2]基于机器视觉的马铃薯外部品质检测技术研究[D]. 郝敏.内蒙古农业大学 2009
[3]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
硕士论文
[1]猕猴桃在线检测分级系统集成及试验研究[D]. 屈婷.西北农林科技大学 2017
[2]基于机器视觉的枸杞外观品质检测与评级方法研究[D]. 张魄珊.兰州理工大学 2017
[3]基于多CCD摄像机的马铃薯分级检测图像采集系统设计[D]. 李晨.宁夏大学 2017
[4]基于OpenCV的双目视觉马铃薯三维点云重建技术研究[D]. 孔霄.宁夏大学 2017
[5]红提品质无损检测技术研究[D]. 唐义华.华中农业大学 2016
[6]基于机器视觉的红枣外观品质分级方法研究[D]. 李运志.西北农林科技大学 2016
[7]基于机器视觉马铃薯分级机的控制系统设计[D]. 谷晨阳.宁夏大学 2016
[8]基于机器视觉马铃薯分级机的机电系统设计[D]. 王喆.宁夏大学 2016
[9]基于机器视觉的柑橘分级技术研究[D]. 王旭.湖南大学 2016
[10]基于机器视觉的苹果分级方法研究[D]. 刘新庭.湖南农业大学 2015
本文编号：3730089
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题来源
1.2 研究的意义
1.3 国内外研究现状
1.4 课题研究内容
1.5 本章小结
第二章 图像预处理
2.1 图像平滑
2.2 图像分割
2.3 形态学处理
2.4 本章小结
第三章 外部缺陷检测
3.1 基于SUSAN算子缺陷分割
3.2 灰度信息缺陷分割
3.3 本章小结
第四章 马铃薯重量检测
4.1 面积法
4.2 周长法
4.3 质量模型参数选择
4.4 本章小结
第五章 马铃薯薯形检测
5.1 图像的不变矩
5.2 人工神经网络
5.3 基于BP神经网络的薯形分类模型
5.4 实验结果
5.5 本章小结
第六章 并行处理及系统软件设计
6.1 并行处理概述
6.2 并行处理实验
6.3 模块并行程序检测
6.4 系统软件设计
6.5 本章小结
第七章 结论与展望
7.1 结论
7.2 不足与展望
参考文献
致谢
个人简介
【参考文献】：
期刊论文
[1]基于机器视觉的苹果品质在线分级检测[J]. 石瑞瑶,田有文,赖兴涛,古文君. 中国农业科技导报. 2018(03)
[2]基于机器视觉的脐橙采后田间分级系统设计[J]. 王干,孙力,李雪梅,张明,吕强,蔡健荣. 江苏大学学报(自然科学版). 2017(06)
[3]基于高通滤波的马铃薯机械损伤机器视觉检测[J]. 许伟栋,赵忠盖,刘飞. 农机化研究. 2017(10)
[4]马铃薯质量和形状自动分级系统研究—基于计算机视觉[J]. 王聪,王婷. 农机化研究. 2018(06)
[5]马铃薯分选机的设计[J]. 姜彦武,魏宏安,陆翔辉,黄晓鹏,史明明. 甘肃农业大学学报. 2017(01)
[6]基于机器视觉的番茄实时分级系统设计[J]. 袁亮,涂雪滢,巨刚,刘祖兵,吴金强. 新疆大学学报(自然科学版). 2017(01)
[7]基于图像特征融合的苹果在线分级方法[J]. 黄辰,费继友. 农业工程学报. 2017(01)
[8]机器视觉核桃分级中相机可变视场与像素转换系数自动获取方法[J]. 郭政,周军,史建新,蔡建. 安徽农业科学. 2016(29)
[9]基于机器视觉黄瓜果实自动分级方法[J]. 李明,房俊龙,乔翊博,刘超,张伶鳦,赵朝阳,栾吉玲. 农机化研究. 2016(11)
[10]基于机器视觉技术的塑料制品缺陷检测研究[J]. 沈红雷. 塑料科技. 2016(08)
博士论文
[1]基于机器视觉的蜜柚品质检测方法研究[D]. 郭辉.中国农业大学 2015
[2]基于机器视觉的马铃薯外部品质检测技术研究[D]. 郝敏.内蒙古农业大学 2009
[3]基于机器视觉的水果品质实时检测与分级生产线的关键技术研究[D]. 饶秀勤.浙江大学 2007
硕士论文
[1]猕猴桃在线检测分级系统集成及试验研究[D]. 屈婷.西北农林科技大学 2017
[2]基于机器视觉的枸杞外观品质检测与评级方法研究[D]. 张魄珊.兰州理工大学 2017
[3]基于多CCD摄像机的马铃薯分级检测图像采集系统设计[D]. 李晨.宁夏大学 2017
[4]基于OpenCV的双目视觉马铃薯三维点云重建技术研究[D]. 孔霄.宁夏大学 2017
[5]红提品质无损检测技术研究[D]. 唐义华.华中农业大学 2016
[6]基于机器视觉的红枣外观品质分级方法研究[D]. 李运志.西北农林科技大学 2016
[7]基于机器视觉马铃薯分级机的控制系统设计[D]. 谷晨阳.宁夏大学 2016
[8]基于机器视觉马铃薯分级机的机电系统设计[D]. 王喆.宁夏大学 2016
[9]基于机器视觉的柑橘分级技术研究[D]. 王旭.湖南大学 2016
[10]基于机器视觉的苹果分级方法研究[D]. 刘新庭.湖南农业大学 2015
本文编号：3730089
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3730089.html
最近更新
教材专著
