基于图像颜色识别处理的蚕茧荧光分色研究
发布时间：2021-07-13 11:47
对于家蚕茧荧光分色已有很多文献记载,从日本学者的提出到浙理工学者的深入研究,蚕茧荧光分色与茧质的关联逐渐被发现与证实。许多专家在研究后建议在缫丝前将蚕茧进行荧光分色,以不同的工艺进行煮缫,这样能够有效的改善蚕丝缫丝效果,减少缫折,增加产量,提高茧丝品质。但目前蚕茧荧光分色主要依靠人眼识别,不仅成本高效率低,而且识别所需的紫外线环境会对人体造成巨大的伤害,因此家蚕茧荧光分色虽被研究证实有效,却至今仍未被投入应用。所以寻找一个合适的可替代人工识别的方案,解决家蚕茧荧光分色的应用问题势在必行。为了克服这些问题,本文研究了基于图像颜色识别的蚕茧荧光分色,通过计算机对蚕茧荧光色进行识别分类。本文主要研究工作如下:1)设计蚕茧荧光色图像采集装置,采集蚕茧荧光色图像,构建了蚕茧荧光色图像数据库。装置以暗箱为主体,内覆黑色吸光绒布以排除外界光源的干扰;设置了 365nm紫外双光源使家蚕茧荧光显色,安装的图像采集摄像头可对荧光色茧进行实时图像采集。2)研究了蚕茧荧光色图像预处理方法,提取了蚕茧荧光色颜色特征信息。通过中值滤波算法和基于K-means的图像分割算法对蚕茧荧光色图像进行平滑降噪和背景分割处理...
【文章来源】：浙江理工大学浙江省
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
图２．１蚕茧图像采集装置示意图??
浙江理工大学硕士学位论文?基于图像颜色识别处理的蚕茧荧光分色研宄??２．１．１光源的选取??光源是影响图像质量和使蚕茧显色的重要因素，如果使用的光源不合适，会??导致蚕茧的荧光显色不明显，采集的蚕茧荧光色数据误差也将增大［５３］。为了使蚕??茧荧光色显色明显以及减少采集误差，必须保证光源质量。光源需要拥有足够的??光强，同时要满足一定范围内的光照均匀，以保证蚕茧荧光完全显色；此外光源??应当足够稳定，否则蚕茧荧光色图像之间会出现较大差异，对图像处理识别的准??确率造成影响。表２．１中是几种常见紫外光光源的功率、品质等特性的对比。??表２．１常见紫外光源特点对比??类型?功率（Ｗ）?品质?稳定性?使用寿命??汞灯?２５０－２０Ｋ?高高短??氣灯?７５－５０００?高高?长??ＬＥＤ?１－５?高?高?较长??荧光灯?５０?低?低?中??金属卤化物灯?７０?高高?中??通过表２．１可知ＬＥＤ具有亮度高、便于控制、发热量小等特点，能使蚕茧??稳定清晰显示荧光色。因此本文采用两支３６５ｎｍ紫外光ＬＥＤ射灯，分别安置于??暗箱两侧，与蚕茧放置吸光平台垂直距离为１５０ｍｍ、呈３５°夹角，同时射灯镜??头前装有３６５ｎｍ紫外光通过滤光片，能够提供充足、无杂光的紫外光光照。??２．１．２图像的获取??蚕茧在３６５ｎｍ波长的紫外光线近距离照射下发生显色变化，显色变化如图??２．２所示。本文在暗箱环境下根据茧子显色表现，人工将若干同一庄口蚕茧分为??黄白色荧光茧和蓝紫荧光色茧两大类，拍摄图像分辨率为１２８０Ｘ７２０，格式??为．ｂｍｐ。??图２．２蚕苗荧光色图片??９??
等预处理。??常用的方法通常为滤波处理方法。??①均值滤波??在图像平滑和去噪处理中，均值滤波是最简单的一种方法［５５］。该方法在图像??中选取一个ｍ＊ｎ的领域ｓ，在这个领域内，将某点的灰度值由周围的像素灰度平??均值取代。均值滤波的数学表达式为：?．??ｆＣｘ．ｙ）?＝?式?２－（１）??其中，ｘ＝０，ｌ，２．．．ｎ－ｌ，ｙ＝０，ｌ，２．．．ｍ－ｌ是图像的像素点取值范围，ｐ是领域ｓ中的像素??数目。使用均值滤波对蚕茧荧光色图像进行处理，将内核尺寸大小设定为５，处??理后见图２．３右，由图可知图像在经均值滤波处理后，噪点减少，蚕茧边缘更加??平滑，不过依然还有微小噪点，且边缘有些模糊化。??左图为滤波前右图为滤波后??图２．３均值滤波效果图??②高斯滤波??高斯滤波作为一种低通滤波，常见于图像的降噪处理［５６］。高斯滤波器由于其??内核系数与模板中心的变化规律，相比于其他线性滤波拥有更小的图像模糊程度。??１０??
【参考文献】：
期刊论文
[1]机器视觉技术在农业生产中的应用研究[J]. 张学俊,顾沈明,李斌. 农村经济与科技. 2019(23)
[2]基于机器视觉的珍珠颜色特征提取与识别[J]. 叶佳英,邓飞,王佩欣,赵大旭,王毓综,寿国忠. 江苏农业科学. 2019(20)
[3]猕猴桃图像识别与特征提取程序设计[J]. 张瑞华,曾嘉远,甘爱芬. 机电工程技术. 2019(09)
[4]充分利用蚕桑资源实现蚕业经济多元化发展的探讨[J]. 石华月,林强. 现代营销(信息版). 2019(10)
[5]双曲线二维Otsu阈值分割算法[J]. 赵恒,安维胜,杨陶. 计算机与数字工程. 2019(08)
[6]基于模糊OTSU与布谷鸟寻优的火灾图像多阈值分割算法[J]. 赵汝海,孙凡,朱广. 安徽建筑大学学报. 2019(04)
[7]基于中值滤波的图像边缘去噪算法研究[J]. 郝波,卢小平. 现代计算机. 2019(20)
[8]基于RGB图像处理的烟叶水分无损检测方法研究[J]. 张娟利,宋朝阳,韩文霆,尚晓明,刘治开. 中国农机化学报. 2019(05)
[9]基于均值滤波和小波变换的图像去噪[J]. 彭姝姝. 现代计算机. 2019(12)
[10]基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别[J]. 李颀,赵洁,杨柳,王俊,高一星. 浙江农业学报. 2019(03)
博士论文
[1]基于HSL色度学的绿色翡翠颜色分级技术研究[D]. 张黎力.中国地质大学 2017
[2]基于成像技术的果实表型检测与解析方法研究[D]. 李磊.上海交通大学 2015
[3]近代中国机器缫丝技术应用与社会结构变迁[D]. 张茂元.北京大学 2008
[4]红毛丹品质的机器视觉检测技术研究[D]. 章程辉.中国农业大学 2005
硕士论文
[1]基于形状和颜色特征的小麦白粉病生长模型研究[D]. 袁万宾.郑州轻工业大学 2019
[2]马铃薯快速无损检测自动分级机的管理系统设计与实现[D]. 张昊楠.宁夏大学 2019
[3]基于机器视觉的苹果分级检测算法研究[D]. 孙斐.郑州大学 2018
[4]番茄外观特征的图像识别方法[D]. 王红珠.西北农林科技大学 2018
[5]面向图像检索的颜色和纹理特征描述与选择技术的研究[D]. 刘蔚棣.山东大学 2018
[6]基于深度学习的图像分类技术研究[D]. 马事伟.北京邮电大学 2018
[7]基于深度学习的图像分类关键技术研究[D]. 杜珂.国防科学技术大学 2016
[8]基于图像识别的实木板材优选系统研究[D]. 房友盼.南京林业大学 2016
[9]川芎嗪对长波紫外线诱导人皮肤成纤细胞衰老的拮抗作用及其机制研究[D]. 赵敏玲.广州中医药大学 2015
[10]基于多特征融合和SVM分类的图像检索技术研究[D]. 董文菲.哈尔滨理工大学 2015
本文编号：3282002
【文章来源】：浙江理工大学浙江省
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
图２．１蚕茧图像采集装置示意图??
浙江理工大学硕士学位论文?基于图像颜色识别处理的蚕茧荧光分色研宄??２．１．１光源的选取??光源是影响图像质量和使蚕茧显色的重要因素，如果使用的光源不合适，会??导致蚕茧的荧光显色不明显，采集的蚕茧荧光色数据误差也将增大［５３］。为了使蚕??茧荧光色显色明显以及减少采集误差，必须保证光源质量。光源需要拥有足够的??光强，同时要满足一定范围内的光照均匀，以保证蚕茧荧光完全显色；此外光源??应当足够稳定，否则蚕茧荧光色图像之间会出现较大差异，对图像处理识别的准??确率造成影响。表２．１中是几种常见紫外光光源的功率、品质等特性的对比。??表２．１常见紫外光源特点对比??类型?功率（Ｗ）?品质?稳定性?使用寿命??汞灯?２５０－２０Ｋ?高高短??氣灯?７５－５０００?高高?长??ＬＥＤ?１－５?高?高?较长??荧光灯?５０?低?低?中??金属卤化物灯?７０?高高?中??通过表２．１可知ＬＥＤ具有亮度高、便于控制、发热量小等特点，能使蚕茧??稳定清晰显示荧光色。因此本文采用两支３６５ｎｍ紫外光ＬＥＤ射灯，分别安置于??暗箱两侧，与蚕茧放置吸光平台垂直距离为１５０ｍｍ、呈３５°夹角，同时射灯镜??头前装有３６５ｎｍ紫外光通过滤光片，能够提供充足、无杂光的紫外光光照。??２．１．２图像的获取??蚕茧在３６５ｎｍ波长的紫外光线近距离照射下发生显色变化，显色变化如图??２．２所示。本文在暗箱环境下根据茧子显色表现，人工将若干同一庄口蚕茧分为??黄白色荧光茧和蓝紫荧光色茧两大类，拍摄图像分辨率为１２８０Ｘ７２０，格式??为．ｂｍｐ。??图２．２蚕苗荧光色图片??９??
等预处理。??常用的方法通常为滤波处理方法。??①均值滤波??在图像平滑和去噪处理中，均值滤波是最简单的一种方法［５５］。该方法在图像??中选取一个ｍ＊ｎ的领域ｓ，在这个领域内，将某点的灰度值由周围的像素灰度平??均值取代。均值滤波的数学表达式为：?．??ｆＣｘ．ｙ）?＝?式?２－（１）??其中，ｘ＝０，ｌ，２．．．ｎ－ｌ，ｙ＝０，ｌ，２．．．ｍ－ｌ是图像的像素点取值范围，ｐ是领域ｓ中的像素??数目。使用均值滤波对蚕茧荧光色图像进行处理，将内核尺寸大小设定为５，处??理后见图２．３右，由图可知图像在经均值滤波处理后，噪点减少，蚕茧边缘更加??平滑，不过依然还有微小噪点，且边缘有些模糊化。??左图为滤波前右图为滤波后??图２．３均值滤波效果图??②高斯滤波??高斯滤波作为一种低通滤波，常见于图像的降噪处理［５６］。高斯滤波器由于其??内核系数与模板中心的变化规律，相比于其他线性滤波拥有更小的图像模糊程度。??１０??
【参考文献】：
期刊论文
[1]机器视觉技术在农业生产中的应用研究[J]. 张学俊,顾沈明,李斌. 农村经济与科技. 2019(23)
[2]基于机器视觉的珍珠颜色特征提取与识别[J]. 叶佳英,邓飞,王佩欣,赵大旭,王毓综,寿国忠. 江苏农业科学. 2019(20)
[3]猕猴桃图像识别与特征提取程序设计[J]. 张瑞华,曾嘉远,甘爱芬. 机电工程技术. 2019(09)
[4]充分利用蚕桑资源实现蚕业经济多元化发展的探讨[J]. 石华月,林强. 现代营销(信息版). 2019(10)
[5]双曲线二维Otsu阈值分割算法[J]. 赵恒,安维胜,杨陶. 计算机与数字工程. 2019(08)
[6]基于模糊OTSU与布谷鸟寻优的火灾图像多阈值分割算法[J]. 赵汝海,孙凡,朱广. 安徽建筑大学学报. 2019(04)
[7]基于中值滤波的图像边缘去噪算法研究[J]. 郝波,卢小平. 现代计算机. 2019(20)
[8]基于RGB图像处理的烟叶水分无损检测方法研究[J]. 张娟利,宋朝阳,韩文霆,尚晓明,刘治开. 中国农机化学报. 2019(05)
[9]基于均值滤波和小波变换的图像去噪[J]. 彭姝姝. 现代计算机. 2019(12)
[10]基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别[J]. 李颀,赵洁,杨柳,王俊,高一星. 浙江农业学报. 2019(03)
博士论文
[1]基于HSL色度学的绿色翡翠颜色分级技术研究[D]. 张黎力.中国地质大学 2017
[2]基于成像技术的果实表型检测与解析方法研究[D]. 李磊.上海交通大学 2015
[3]近代中国机器缫丝技术应用与社会结构变迁[D]. 张茂元.北京大学 2008
[4]红毛丹品质的机器视觉检测技术研究[D]. 章程辉.中国农业大学 2005
硕士论文
[1]基于形状和颜色特征的小麦白粉病生长模型研究[D]. 袁万宾.郑州轻工业大学 2019
[2]马铃薯快速无损检测自动分级机的管理系统设计与实现[D]. 张昊楠.宁夏大学 2019
[3]基于机器视觉的苹果分级检测算法研究[D]. 孙斐.郑州大学 2018
[4]番茄外观特征的图像识别方法[D]. 王红珠.西北农林科技大学 2018
[5]面向图像检索的颜色和纹理特征描述与选择技术的研究[D]. 刘蔚棣.山东大学 2018
[6]基于深度学习的图像分类技术研究[D]. 马事伟.北京邮电大学 2018
[7]基于深度学习的图像分类关键技术研究[D]. 杜珂.国防科学技术大学 2016
[8]基于图像识别的实木板材优选系统研究[D]. 房友盼.南京林业大学 2016
[9]川芎嗪对长波紫外线诱导人皮肤成纤细胞衰老的拮抗作用及其机制研究[D]. 赵敏玲.广州中医药大学 2015
[10]基于多特征融合和SVM分类的图像检索技术研究[D]. 董文菲.哈尔滨理工大学 2015
本文编号：3282002
本文链接：https://www.wllwen.com/projectlw/qgylw/3282002.html
