基于机器视觉的干制骏枣分级方法研究

发布时间：2020-09-29 13:30

　　本文设计了一种计算机图像采集系统,通过数码相机获取干制骏枣的图像,对原始图像先后进行了灰度化处理、图像增强、图像二值化、图像形态处理、图像填充和图像分割等预处理,对干制红枣的特征分别从形态特征和表面纹理特征进行了快速提取。然后对干制骏枣区域进行Otsu's阈值分割、图像局部属性统计和形态学处理,提取出红枣裂纹二值图像,根据裂纹图像不变距法来建立裂纹检测模型,通过对实验结果的分析,发现鸟啄和药害的检测准确率较低,分别只有86.7%和76.7%,霉变的检测准确率可达100%。利用干制骏枣轮廓上两点之间最大距离算法测算出干制骏枣纵径,采用最小二乘法对纵径的真实值和检测的像素值进行直线拟合,求出函数关系,建立基于机器视觉的干制骏枣大小分级检测模型,并与分级的标准进行对比,从而实现干制骏枣大小分级,最终将实际测得的结果与模型测得的结果进行对比,设计了基于GUI界面的干制骏枣大小分级系统,分级正确率为95.3%,结果达到了本次设计的预期要求。
【学位单位】：塔里木大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;S665.1
【部分图文】：

技术路线图,技术路线,骏枣,干制

的均值和均方差，采用 SVM 方法建立枣缺陷的识别模型，然后对su's阈值分割、图像局部属性统计和形态学处理，提取出红枣裂纹二不变距法来建立裂纹检测模型。机器视觉技术的干制骏枣大小分级检测方法研究。测出正常枣样品用四线扫描法对分割后的图像测出枣短轴的像素值；利用干制骏距离算法测算出干制骏枣纵径，采用最小二乘法对纵径的真实值线拟合，求出函数关系，建立基于机器视觉的干制骏枣大小分级检骏枣分级软件系统设计。设计出了具有友好界面的干制骏枣分级的干制骏枣图像进行读取，然后对干制骏枣的大小进行分级检测，示。线视觉技术的干制骏枣分级检测系统的技术路线图如图 1-1 所示。

示意图,机器视觉系统,示意图,红枣

里木大学硕士论文第 2 章红枣大小检测采集硬件第 2 章红枣大小检测采集硬件系统1 机器视觉采集系统本研究的在线检测红枣图像采集系统由光照部分、相机采集部分、传输机构部分成，如图 2-1 所示。其中光照部分包括光照箱外壳、光照箱支架、上 LED 灯组、下光源、电源、光源控制器等;采集相机部分包括工业相机、相机镜头、计算机、显示;传输机构部分包括托辊和摩擦压板。检测时，当红枣处于光箱内部相机的采集范围制单元触发相机以采集红枣图像，然后通过千兆网线实现图像信息到计算机的传枣外部品质分级软件对红枣图像进行处理。在图像采集阶段如果不能获得质量好的，将直接影响到后续的图像处理分析结果，而影响图像采集最关键的因素便是光照的布置。

骏枣,干制,静态

光源控制器等，此系统采用的是四个 LED 灯均布在摄像头的四周，距相机中心距离是 140mm，同一侧的两 LED 灯相距 200mm，并在采下方位置安装了两个 LED 侧板面光源，以减少托辊缝隙产生的阴影集的设计主要包括室照明光源和 Canon 数码相机的选择等。在试验台试不同颜色的背景，最终采用白色的背景，达到更好的凸显目标的目进行尺寸提取时，图像背景中不能出现与实验所用干制骏枣颜色相同。在实验中，当灯光为单一光源时，获取的原始图像有阴影，并且提不清楚; 在多光源下采集的图像阴影很淡，提取时轮廓清晰，图片颜体效果很好，为后续处理提供方便。

【参考文献】