基于机器视觉技术的核桃大小在线分级及缺陷剔除系统设计研究

发布时间：2020-12-19 02:03

　　核桃外观品质分级作为连接核桃采收和深加工的中间环节,对提高生产效率和增加产品附加值具有重要意义。本文以新疆地区的核桃为研究对象,以其外部品质为基础,研究了基于机器视觉的核桃大小分级和裂纹剔除的在线分级系统。主要研究内容及结论有:1)综述了国内外基于机器视觉进行农产品加工的发展现状研究。通过阅读文献和调研,了解机器视觉发展现状,及其应用于农产品分级处理的实例分析,针对存在的一些不足,结合机器视觉在核桃分级中的优势,确立了研究技术路线。2)针对核桃外部品质特点及分级需要,确立了图像预处理方法。包括图像数据量缩减、图像降噪及颜色通道选取等,并初步实现了核桃在图像中的边缘提取,为实现目标分割和图像理解创造条件。3)基于机器视觉下核桃大小和裂纹分级方法研究。在取显著性水平α=0.01的前提下,动态标定法与人工精确测量无显著性差异。以低像素级直方图特征法和灰度共生矩阵法来描述核桃裂纹特征,提取熵、一致性、对比度、同质性作为特征向量,以此来训练支持向量机(SVM)分类器,分类器模型(XML)静态识别裂纹正确率分别达到98.3%和88.0%。4)基于机器视觉的核桃大小分级和裂纹剔除的硬件系统搭建。(1... 

【文章来源】：新疆农业大学新疆维吾尔自治区

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

对辊式核桃分级机结构示意图

新疆农业大学硕士学位论文韩仲志和邓立苗等人[24]（2013）研究了计算机视觉胡萝卜外观品质自动分级系统，提出胡萝卜外观等级的须根、青头、开裂提取算法。须根通过检测骨架端点数来实现，在 R 分量上通过二值化得到青头区域，在 S 分量上进行开裂检测，以此建立量化标准，检测正确率均在 81.8%以上。肖爱玲和黄新成[25]（2014）提出了一种基于彩色分量和图像形态学的骏枣病虫害检测方法，采用自适应阈值法和图像形态学方法，分割出病虫害区域，识别率达到 98%。杜宏伟、邓立苗[26]（2015）等人开发了基于机器视觉的胡萝卜外观品质分级系统和装备。在前期青头、须根和开裂检测的基础上，添加了弯曲和断折等缺陷的检测，开发的生产线由下位机控制系统、上位机软件系统和机械分级系统构成，可实现每秒 20 个胡萝卜的等级检测，分级正确率达到 93.5%。

小在线分级及缺陷剔除系统设计研究第 2 章 机器视觉下核桃图像预处处于运动状态，在传感器触发下相机拍照获运动速度均会影响原始图片质量，为了将其数据量缩减、降噪和增强处理，这是目标分态下果品图像分析类似，因此研究核桃静态法。图 2-1 为前期图像采集实验平台示意图工业相机图像采集


本文编号：2925042