基于机器视觉的蚕茧图像识别研究

发布时间：2020-04-18 23:11

【摘要】：蚕茧种类极大程度决定了缫丝的丝质,最终影响生丝在市场上的经济效益。目前蚕茧分拣基本依靠选茧工识别完成手工分拣,但人工分拣费时费力,且识别质量严重依赖于选茧工的主观意识。为稳定客观地对蚕茧进行识别分类且降低劳动强度,因此研究基于机器视觉的蚕茧图像识别势在必行,而现有的蚕茧图像处理研究还停留在单蚕茧识别,难以达到分茧机器人在视觉部分的需求。为克服这些问题,本文研究了基于机器视觉的蚕茧图像识别,针对现有的蚕茧轮廓提取算法难以准确提取斑点茧轮廓的问题,提出采用基于最小二乘法的DRLSE(Distance rule level set evolution)模型进行蚕茧轮廓提取,紧接着根据提取到的蚕茧轮廓信息对蚕茧进行定位,实现多蚕茧识别。构建深度学习模型完成对蚕茧的识别,以自动选取能反应蚕茧种类本质的特征。论文主要完成如下工作:(1)蚕茧轮廓作为蚕茧识别的重要特征之一,提取精度将极大影响后续识别的正确率。为便于后续轮廓提取,提出基于双边滤波的反锐化掩膜的图像增强算法,其在提高蚕茧边缘对比度的同时,使蚕茧边缘相对而言更加平滑。(2)由于本文为多蚕茧识别,且相机为低分辨率黑白相机,采用Canny算子难以准确提取斑点位于边缘的斑点茧轮廓,因此将医学图像分割中常用到的DRLSE模型引入到蚕茧图像分割领域,并针对DRLSE模型在演化蚕茧轮廓时出现的过拟合与欠拟合问题,提出基于最小二乘法的DRLSE模型。采用DRLSE模型改进后提取的特征训练出的GA-SVM在测试集上的识别正确率为93.8479%,相比于采用DRLSE模型提取的特征训练出的GA-SVM在测试集上的识别正确率提高了2.3334%,验证了算法的有效性。(3)针对人工选取特征较为繁琐且可能会忽略能反应对象本质的特征。本文使用GoogLeNet与SE-GoogLeNet两种深度学习模型,并对其识别率进行对比,SE-GoogLeNet在测试集上的识别正确率为98.27%,在测试集上的识别正确率分别比GA-SVM与GoogLeNet提高了4.4221%、0.65%。
【图文】：

手工分拣蚕茧Figure1-1Manualsortingofcocoons

图 2-1 蚕茧种类图Figure 2-1 Image of the cocoon species机器视觉系统搭建于蚕茧颜色相对而言较单一，而灰度图数据量较小，采用黑白相机处理和特征提取的运算量，从成本角度而言黑白相机相对于彩色相故而采用黑白相机。根据蚕茧识别面积和需要提取的蚕茧特征，最OGNEX 公司型号为 IN-SIGHT8400 的黑白相机，其分辨率为 640别场景仿照工厂流水线构建，其中传送带宽度为 200mm。根据已分辨率和识别场景的宽度，通过式 2-1 计算出镜头的焦距，选择合WwLf×= ，HhLf×= 2-1 中，f 表示镜头的焦距，，h 表示成像高度，L 表示镜头到蚕茧的成像宽度，H 表示检测场景的高度，W 表示检测场景的宽度。
【学位授予单位】：广西科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS141.9;TP391.41

【相似文献】

相关期刊论文 前10条

1 ;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

2 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

3 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

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

相关会议论文 前10条

1 何爱龙;陈美娟;;基于智能运动体和机器视觉的火灾检测与侦查系统[A];物联网与无线通信-2018年全国物联网技术与应用大会论文集[C];2018年

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

相关重要报纸文章 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

相关博士学位论文 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

相关硕士学位论文 前10条

1 杨圣利;基于机器视觉储气罐密封性检测方法研究[D];中北大学;2019年

2 郭智杰;基于机器视觉的轮毂型号在线识别技术与系统[D];中北大学;2019年

3 张帅;基于机器视觉的简支梁挠度检测方法研究[D];中北大学;2019年

4 贾楠;基于传统机器视觉方法的骨骼X光片诊断方法研究[D];内蒙古大学;2019年

5 张松松;数字化表贴产品质量在线检测研究[D];贵州大学;2019年

6 陈治杉;基于机器视觉的晶圆缺陷检测系统分析与设计[D];贵州大学;2019年

7 赵杨;基于机器视觉的西瓜花体识别研究[D];山东建筑大学;2019年

8 刘丹丹;基于机器视觉的二维图像增强与三维实体重建方法的研究[D];山东大学;2019年

9 岳昊;基于机器视觉的医药瓶盖质检系统设计与研究[D];烟台大学;2019年

10 胡安翔;基于机器视觉的缺陷药片检测关键技术研究[D];山东大学;2019年

本文编号：2632647